AI洞悉“天机” 风云不再“莫测”

　　自古以来，“风云莫测”是人类对天气最无奈的感叹。然而，人工智能技术的迅猛发展，让科学家们看到更精准预测天气与气候的前景。

　　“我们期待AI模型在时间与空间分辨率方面，可以媲美乃至超越物理模型。”10月22日，在江苏省南京市启幕的第36届中国气象学会年会上，中国科学院院士、复旦大学特聘教授穆穆作大会报告时指出，当前，天气与气候事件的可预测性研究，聚焦于厘清预测不确定性的原因和机制，而AI模型或将助一臂之力。

　　本届年会中，多位院士、学者围绕人工智能时代的天气与气候预测、气象领域高性能计算、台风预报新技术等前沿话题展开交流。而人工智能，是话题中的高频词。

　　多重优势加持，AI气象大模型展现潜力

　　盘古、风乌、伏羲……在我国，这些带有中国传统文化印记的AI气象大模型，如今正在台风预测、短期气候预报等领域，帮助人类提升对于天气的预测精度和效率。

　　“使用AI技术建模预报多种天气气候事件已逐渐成为研究热点。”穆穆认为，用气象大模型进行可预报性研究，机遇与挑战并存。

　　“AI气象大模型有三大优势，一是计算时间更快，传统的物理计算模型原本约1小时的计算量，AI几分钟就能计算出来；二是预报准确率更高，例如在台风路径的预报中，部分大模型的预报准确率已经比数值模式高；三是自带优化模块，可以根据使用需求进行多种可预报性研究。”穆穆表示，这都为大模型的应用提供了机遇。

　　借助AI，科学家和气象工作者们已经“破译”了不少气候变幻的玄机。穆穆介绍，针对有“全球气候开关”之称的厄尔尼诺-南方涛动（ENSO）现象，有学者基于Transformer架构（一种深度学习模型）构建的AI模型，预测时长已经突破18个月，远超传统动力模型。在今年8月对大西洋飓风的预报中，大模型与动力数值预报结果越来越相似，二者对于飓风生成位置的判断几乎相同。

　　穆穆团队也曾利用大模型，通过海表温度、海上风场的数据，找到位于太平洋中部和西太平洋的ENSO敏感区。在黑潮入侵南海的预测中，他们通过优化大模型的模块，找到了目标观测敏感区。

　　在中国气象局上海台风研究所所长余晖看来：“全球人工智能天气预报模型的台风路径预报相对于传统的全球数值天气预报模式也有明显优势。”今年8月，该所数值预报团队推出了基于高分辨率台风再分析资料训练的上海台风智能模型1.0版。该模型将台风的预报分辨率提高到公里级，且将预报时间从此前传统数值预报模型的64分钟压缩至3分钟。

　　AI与传统方案融合，打破计算精度瓶颈

　　面对瞬息万变的气象，AI的预测能力也需迭代。穆穆认为，当前气象大模型的研发，尚存两大短板。“大模型的运算逻辑是投喂数据、输出数据，但给出的预报结果是由什么物理机制推理出的，还解释不清。此外，大模型的时间分辨率还不够高，例如部分大模型对台风数据的生成，只能6小时刷新一次，而传统数值模式只需要几分钟。”穆穆同时举例，在国外研究团队进行的一次研究中，气象数据驱动的AI模型无法观察到传统数值模式中常见的“蝴蝶效应”。穆穆分析，这应该归因于AI模型的时空分辨率过低和微小扰动的量级与训练集原本的量级不匹配。

　　无独有偶，在中国工程院院士、清华大学教授郑纬民看来，目前AI仍不能解决精确计算的问题。而AI的不完美，却可以由高性能计算（HPC）补齐。

　　“新一代天气预报应该是HPC与AI的结合。需要借助多类型超算，将AI与传统科学计算方案深度融合，打破计算精度瓶颈，以大幅提升整体计算性能。”郑纬民说。

　　地球系统数值模拟，被科学家用来模拟地球现状，预测未来的气候变化。郑纬民表示，算力推动地球系统模拟精度演进，进行地球系统模拟研究，也对HPC提出更高期待。郑纬民建议，未来，要建立异构、众核的超算系统。面对海量的计算量，千万核并行将成为地球系统模拟的重要能力。同时，还需要建立高内存、大带宽的超算系统，将计算硬件与算法协同设计，让低精度与高精度计算有效组合。