Nature同期揭晓的“消息与概念”文章中指出，野生智能（AI）在气候预告使命方面潜力宏大，但此中的风险请求景象学家进修设想、评价息争读这类体系

　　Nature同期揭晓的“消息与概念”文章中指出，野生智能（AI）在气候预告使命方面潜力宏大，但此中的风险请求景象学家进修设想、评价息争读这类体系。

　　在第一篇论文中，田奇等人报导了一个名为盘古景象（Pangu-Weather）的基于AI的气候预告体系，该体系最多能提早一周猜测环球气候野生智能实例有哪些。

　　在已往的十年中，高机能计较体系极大地增进了数值气候预告（Numerical Weather Prediction，NWP） 办法范畴的研讨，这也是迄今为止最精确的气候预告体系。传统的NWP办法次要是操纵偏微分方程形貌大气形态离散网格之间的转换，然后用数值模仿办法求解。但是，这类办法对算力的请求很高，并且速率很慢，即便在一台拥无数百个节点的超等计较机上，一个为期10天的气候猜测模仿也需求好几个小时。别的野生智能实例有哪些，传统的NWP算法在很大水平上依靠于参数化，它利用近似函数来捕捉未处理的历程，这能够近似值而引入毛病。

　　邻近预告（nowcasting）是指十分短时间的气候预告，最多提早6小时，因而能供给立即气候的具体信息。邻近预告关于极度降水变乱的风险防备和危急办理十分主要。基于美国和中国的雷悲观察数据，NowcastNet最多能提早3小时对2048千米×2048千米的地区停止高分辩降水猜测。62名景象学家对差别模子的极度降水猜测才能和代价停止了评价；NowcastNet在约70%的猜测中超越了其他抢先办法，排名第一。

　　这项研讨成果表白，NowcastNet在降雨率上的猜测劣势，特别是之前被以为很难猜测的极度降水变乱。

　　在另外一篇论文中，清华大学王建民传授、龙明盛副传授和加州大学伯克利分校Michael I. Jordan等人报导了一个名为NowcastNet的基于AI的气候预告体系，该模子经由过程分离物理纪律和深度进修来及时预告降水。

　　比年来，深度进修（Deep Learning）的快速开展为气候预告体系带来了一个有期望的标的目的野生智能算法。这类基于野生智能（AI）的办法，经由过程锻炼一个深度神经收集来捕捉输入（在给定工夫点再阐发气候数据）和输出（在目的工夫点再阐发气候数据）之间的干系，可以将气候猜测速率比拟NWP办法进步好几个数目级，但是，其精确性仍旧不克不及使人合意野生智能实例有哪些。

　　2023年7月5日，国际顶尖学术期刊Nature同期揭晓两篇论文报导了野生智能（AI）辅佐气候预告的潜力。

　　是科学计较的一个主要使用，旨在猜测将来的气候变革。气候预告在协助救济性命和最小化财富丧失方面起着枢纽感化，出格是比年来环球天气变革招致极度气候变乱频发。

　　总的来讲，华为云团队开辟的盘古盘古景象（Pangu-Weather），可以完成高分辩率的一小时到一周的环球景象预告野生智能实例有哪些，比拟传统数值气候预告体系，猜测速率提拔10000倍，且精确率更高。

　　该模子利用39年的环球再阐发气候数据停止锻炼。盘古景象的猜测精确率相称于全天下最好的数值气候预告体系——欧洲中期气候预告中间利用的综合预告体系，同时在不异的空间分辩率下速率要快1万倍以上野生智能算法。盘古景象还能用一个3D神经收集模子对各个高度程度停止猜测野生智能算法，比之前英伟达开辟的基于AI的气候预告体系FourCastNet供给了更完好和细节的猜测成果野生智能算法。

　　这两篇最新论文报导的AI辅佐气候预告办法与现有办法的精确率相称，或能猜测此前很难猜测的气候征象。