Google DeepMind 於 11 月 17 日發布了其新的 AI 天氣模型 WeatherNext 2，標誌著全球預測的重大飛躍。
該系統使用一種稱為功能生成網絡 (FGN) 的新穎方法來創建預測，速度比其前身快八倍，並且更詳細。這一突破可以在幾分鐘內生成數百種可能的場景，從而改善對颶風等複雜事件的預測。
Google 現在可以通過其云平台提供對該模型數據的訪問。此舉旨在加速研究並增強公共安全，因為人工智能在天氣科學中變得更加重要，即使公共數據源面臨不確定性。
用於更快、更準確預測的新架構
核心WeatherNext 2 是一種新穎的架構，詳細信息請參見最近的研究。與使用基於擴散的方法的前身 GenCast 不同，WeatherNext 2 建立在所謂的功能生成網絡之上。
這種 FGN 方法將精心構造的“噪聲”直接注入模型的參數中。它允許系統從一個起點生成大量物理真實且連貫的天氣場景。
每個預測在單個 TPU 上花費的時間不到一分鐘，而在傳統超級計算機上則需要數小時才能完成該任務。
這種效率並不以準確性為代價。根據 Google 的評估，WeatherNext 2 在 99.9% 的所有變量和預測交付時間上超越了之前最先進的模型 GenCast。新模型的準確率平均提高了 6.5%，以連續排名概率得分 (CRPS)（概率預測的關鍵指標）來衡量。
它還提供了更高的時間分辨率，具有以 6 小時為間隔的預測能力和 1 小時時間步長的實驗能力，為決策者提供了更精細的數據，詳情請參閱 官方模型文檔。
FGN 方法在對單個天氣要素（“邊緣”）及其複雜相互作用（“關節”）進行建模時特別有效。通過僅對溫度或風速等單個數據點進行訓練，該模型可以學習基礎物理原理來預測大氣河流和氣旋等大規模系統。
但是，Google 指出該模型存在一些局限性，包括在預測某些變量時可能出現輕微的視覺“蜂窩”偽影，如其用例和限制中所述概述。
[嵌入內容]
從研究實驗室到公共平台和合作夥伴機構
基於之前的突破，Google 公佈了一項明確的戰略，將其天氣人工智能從研究轉向實際應用。研究人員和開發人員現在可以通過 Google 的 Earth Engine 和 BigQuery 平台訪問 WeatherNext 2 的預報數據。
此外，Google Cloud Vertex AI 上的新早期訪問計劃允許組織使用該模型生成自己的自定義預報。
這一舉措延續了大型科技公司日益參與氣象學的更廣泛趨勢。微軟、Nvidia 和 IBM 等公司都開發了自己的先進預報系統，例如微軟的 Aardvark Weather 和 NASA/IBM Prithvi WxC 模型。
正如英國氣象局首席人工智能官 Kirstine Dale 在談到總體趨勢時所指出的那樣，“我們看到了預測方式真正發生重大變化的潛力，這在某些方面與我們開始使用計算機時類似。”
Google 的戰略還包括與主要政府的直接合作機構。在一項具有里程碑意義的合作中，美國國家颶風中心 (NHC) 將實驗性的 Google AI 模型集成到 2025 年颶風季節的操作工作流程中。
這項合作是聯邦機構的首次合作，將把人工智能生成的指導提供給人類預報專家，將機器速度與人類專業知識相結合，以改善對危及生命的風暴的預警。
迫在眉睫的危機:人工智能對人工智能的依賴瀕危公共數據
雖然技術進步正在加速，但整個領域都面臨著根本性威脅。像 WeatherNext 2 這樣的人工智能天氣模型是根據數十年的歷史數據進行訓練的，其中大部分來自美國國家海洋和大氣管理局 (NOAA) 等機構管理的公共檔案。
由於擬議的預算削減和嚴重的人員短缺，這些重要的數據源現在面臨風險。
情況變得如此嚴峻，以至於 NOAA 國家氣象局 (NWS) 的五位前局長就潛在後果發出了公開信警告。
“我們的最糟糕的噩夢是天氣預報辦公室人手嚴重不足，從而造成不必要的生命損失，”他們寫道。自 2025 年初以來，NWS 已經失去了 550 多名員工，導致一些預報辦公室在颶風季節開始時嚴重人手不足。
一位前 NHC 負責人將填補空缺的工作描述為“在泰坦尼克號上拖拽躺椅”，並補充道，“你在某個地方填補了一個洞，就會在其他地方創造一個洞。”
科學界並沒有忽視這一數據危機。劍橋大學教授理查德·特納表達了他的擔憂，他說:“在我看來，令人驚訝的是，社會尚未意識到這種危險……我認為，在氣候真正發生變化的時候，削減預算是非常危險的。”
儘管國會最近採取的行動阻止了最嚴厲的預算削減，提供了一些緩解，但這些公共數據檔案的長期穩定性仍然不確定。
矛盾很明顯:隨著天氣人工智能領域的私人創新達到新的高度，它的成功取決於為其生存而戰的公共數據基礎設施。
Google 與 NHC 之間的新合作夥伴關係凸顯了人工智能在拯救生命方面的巨大潛力，但也表明迫切需要保護使這種進步成為可能的開放數據，這是正在進行的人工智能天氣革命的中心主題。
