谷歌人工智能“即时”预测局部降水模式

编辑 | TGS 发布 | ATYUN订阅号

谷歌希望利用人工智能和机器学习来快速预测当地天气。在一篇论文和附带的博客文章中，这家科技巨头详细介绍了一个人工智能系统，该系统利用卫星图像生成“几乎是瞬间”的高分辨率预测——平均分辨率大约为1公里，延迟时间只有5-10分钟。它背后的研究人员说，它甚至在发展的早期就超过了传统模型。

系统采用数据驱动和物理自由的方法来进行天气建模，这意味着它只从例子中学习近似大气物理，而不是通过整合先前的知识。其基础是一个卷积神经网络，负责将天气模式的输入图像转换成新的输出图像。卷积网络由一系列的层组成，每一层都是一组数学运算。

在本例中，它是一个U-Net，其中层被安排在一个编码阶段，降低了通过它们的图像的分辨率。一个单独的解码阶段扩展了在编码阶段创建的低维图像表示。U-Net的输入包括每一幅多光谱卫星图像在一小时内的一系列观测中的一个信道。例如：

如果在一小时内收集了10张卫星图像，并且每张图像都是在10个波长下拍摄的，那么图像输入将有100个通道。

在最初的工作中，团队训练了一个来自美国历史观测的模型，将该模型在2017年至2019年期间分成了四个星期的时间块，其中一部分留作评估。他们将该模型的性能与三个基线进行了比较，系统的质量总体上优于所有三种基线模型，计算延迟也要比基线模型更好。

谷歌并不是唯一一个利用人工智能来预测天气和自然灾难的公司。去年年初，IBM推出了由其子公司“天气预报”开发的新预报系统，能够提供“高精度”的全球局部预报。Facebook的研究人员开发了一种方法来分析卫星图像，并确定一个地区在遭受火灾和洪水等灾难后的破坏程度。斯坦福大学地球物理系的科学家们试验了一个名为Cnn-Rnn地震探测器(CRED)的系统，它可以从历史和连续数据中分离和识别一系列地震信号，从而较为精准的预报地震。