人類的天氣預報歷史已經超過了幾千年，而最近的科學突破使預報員能夠更好地預測天氣。
近些年來，全球天氣異常現象似乎越發頻繁，其對人類生命和財產安全的威脅也日漸增大。在此背景下，能夠精準的預報天氣已經成了現代社會的一項剛需。
日前，谷歌的人工智慧（AI）部門DeepMind宣佈開發了一個系統，允許預報員以更高的精度預測未來幾小時內的降雨機率。
而透過人工智慧技術預測天氣情況也標誌著幾千年的氣象學發展長河涌現出了一座新的里程碑。
▍從占星術到人工智慧
幾千年來，人們一直試圖精確預判出什麼時候會下雨。早在公元前650年，位於現代伊拉克和敘利亞的巴比倫人就試圖根據雲型和占星術來預測天氣。
到公元前350年，希臘哲學家亞里士多德在文字中描述了天氣模式，甚至耶穌基督本人也在《新約》中對天氣預報進行了嘗試。
然而，隨著1835年電報機的發明，天氣預報的科學時代才真正開始。不久之後，英國皇家海軍軍官弗朗西斯·蒲福（Francis Beaufort）開發了風力量表，後世又稱之為“蒲福風力等級表”。
1859年10月，英國“皇家憲章”號在安格爾西島北岸的風暴中沉沒，這激發了皇家海軍中將、水文地理學家、氣象學家的
羅伯特·菲茨羅伊（Robert FitzRoy）
製作天氣圖，他稱之為
“預報”（forecasts）
，這也是該術語的第一個已知用法。
羅伯特·菲茨羅伊
緊接著，他又幫助建立了15個地面站，這些地面站使用電報傳送每日天氣報告，並直接促成了大風警報服務的建立。
1861年，第一份每日天氣預報在《泰晤士報》上發表。
到了20世紀，科學家對大氣物理學理解的進步催生了現代的數值天氣預報。
從那時起，天氣預報技術就係統地囊括了分析與
氣壓、空氣速度、降水
和
溫度
有關的資料。這些資料是從世界各地收集的，並被輸入超級計算機進行分析。
“而進入21世紀後，天氣預報服務對資料的解釋各不相同，這便導致了不同的預報結果。”
倫敦大學學院高階空間分析中心的教授 Hannah Fry 解釋說。
她補充說：“這些應用程式在如何處理所有這些不確定性方面存在巨大差異，一些應用程式會比其他應用程式更加悲觀。”
隨著技術的不斷髮展，更多的觀測資料將被捕獲，從而使得應用程式能夠以更快的速度為更小的地區提供預報。
▍DeepMind做了什麼？
在一篇發表於《自然》（Nature）雜誌上的論文中，50多位氣象局的氣象學家將DeepMind的人工智慧模型與兩個現有的降雨預測工具一起進行了評估，結果其準確性和有效性在
88%
的案例中名列前茅。
開發該模型的DeepMind公司稱，這標誌著專業預報人員首次表示，與傳統方法相比，他們更喜歡基於機器學習的模型。這為利用人工智慧開發新的天氣預報方法鋪平了道路。
一般來說，“臨近預報”是天氣決策的關鍵，因為它為應急服務、能源管理、零售、洪水預警系統、空中交通管制、海事服務等的運作提供資訊。
但是，要使現在的臨近預報有用，預報必須提供準確的預測，並考慮到不確定性，包括可能對人類生活產生重大影響的事件。
近幾年來，各家公司已經開發了幾種基於機器學習的方法。它們透過對雷達觀測的大型資料集進行訓練，旨在更好地模擬強降水和其他難以預測的降水現象。
例如，谷歌與美國國家海洋和大氣管理局（NOAA）合作，研究和開發可能用於NOAA企業的機器學習系統。微軟也資助了從歷史資料中識別重複的天氣和氣候模式的專案，以此來改善次季節和季節性的預測模型。
但DeepMind指出，人工智慧現在的預測模型並不總是包括小規模的天氣模式或提供整個地區的預測。作為替代方案，該公司建立了一個用於預測的
深度生成模型（DGM）
，它學習了資料的機率分佈，以便從其已知分佈中生成“臨近預測”。
DeepMind宣稱，DGM可以預測天氣事件，而由於潛在的隨機性，這些事件本身就很難追蹤。此外，它們可以像調整過的系統一樣準確地預測降水的位置，同時保留了對決策有用的屬性。
DeepMind用2016至2018年間英國雷達記錄的降水事件的大型資料集訓練了其DGM。
訓練完成後，它可以在一秒鐘內提供預報資訊，並且只依靠單個NVIDIA V100 GPU執行。
與其他流行的預報方法（包括其他機器學習模型）相比，DeepMind的DGM在長達1，536公里乘1，280公里的區域產生了更真實和一致的預測，且提前
5至90分鐘
做出了預報。
“透過50多位專家氣象學家的系統評估，我們發現，我們的生成模型在89%的情況下與兩種競爭方法相比，其準確性和實用性排名第一，”該論文寫道。“這表明生成式臨近預報可以提供機率預測，提高預測價值並支援業務效用，而且是以替代方法難以企及的解析度和準備時間提供預報。”
▍真實世界的應用
“降水‘臨近預報’支援依賴天氣決策的許多部門的現實社會經濟需求，”DeepMind 的論文中寫道。“成熟的臨近預報是一個長期存在的問題，對許多依賴天氣的決策都很重要。我們使用深度生成模型的方法直接解決了這一重要問題，改進了現有的解決方案，併為現實世界的決策者提供了所需的洞察力。”
最近的一項 CDP 分析發現，500家最大的公司在未來的幾十年裡可能面臨大約
1萬億美元
的與氣候變化相關的成本，除非他們採取積極的措施做好準備。
以前的研究估計，如果不加以管理，全球變暖的風險可能會使世界金融業損失
1.7萬億美元到24.2萬億美元
。一個鮮明的例子是，加州最大的電力公司太平洋天然氣和電力公司在2019年1月僅火災責任就面臨高達300億美元的賠償。
Facebook 首席人工智慧科學家Yann LeCun和谷歌大腦聯合創始人Andrew Ng等人都斷言，緩解氣候變化和促進能源效率是人工智慧研究人員值得挑戰的問題。
DeepMind資深科學家Shakir Mohamed說：“人工智慧有可能幫助我們回答環境科學中一些最複雜的科學問題，如氣候變化。”
“這次試驗表明，人工智慧現在就可以成為一個強大的工具，因為它可以讓預報員花更少的時間在不斷增加的預測資料中翻找，而是更好地理解他們預測的含義。
”Mohamed說。
英國氣象局的夥伴關係和產品創新主管Niall Robinson說：“極端天氣會帶來災難性後果，包括人員傷亡，而且隨著氣候變化的影響，這些型別的事件將變得更加普遍。因此，更好的短期天氣預報可以幫助人們保持安全和福祉。這項研究表明，人工智慧作為一種強大的工具，有可能改善我們的短期預測和對我們的天氣模式如何演變的理解。”