传统天气预测、气候模拟方式，如今也面临 AI 的挑战。 Google 人工智能团队和欧洲中期天气预报中心的团队周一宣布，推出NeuralGCM，更进一步提高天气预测和气候模拟的能力。

　　相关研究论文以「Neural general circulation models for weather and climate」为题，已发表在周一的权威科学期刊《Nature》上。

　　目前，世界上最好的天气预报模式是大气环流模式，由欧洲中期天气预报中心所建立。 GCM 部分是基于计算物理原理，对于其余的大部分，则依赖所谓的「参数化」，使用经验确定的关系，来近似不完全理解的物理过程。

　　NeuralGCM 是一个由两个部分组成的系统。 研究人员称之为动力核心，它处理大规模大气对流的物理原理，并考虑重力和热力学等基本物理原理，其他一切都由人工智能部分处理。

　　领导该计划的 Google 研究员 Stefan Hoyer 表示，通过使用将标准物理驱动模型与机器学习工具结合的混合方法，该团队避免了仅使用人工智能的实验中出现的问题。

　　他说：「我们确实尝试着拆开黑盒子，而不是仅仅拥有一个纯粹的人工智能模型。」

　　NeuralGCM 依靠现有的大气环流模型来模拟大规模物理学，并使用称为神经网络的机器学习方法来估计较小规模的特征。

　　霍耶说：「正因为如此，我们能够建立一个更加稳定的模型，当你在未来更长的时间内运行它时，甚至是几年或几十年，它会给出更可靠的结果。」

　　Google 团队称，NeuralGCM 对 1-15 天预报的准确率，媲美欧洲中期天气预报中心。 对提前 10 天预报的准确率，NeuralGCM 与现有其他 AI 模型性能相当。 加入海平面温度后，NeuralGCM的40年气候预测结果，与从ECMWF数据中发现的全球变暖趋势一致。

　　NeuralGCM 不仅在准确度方面达到甚至超过了现有传统数值天气预报模型和其他机器学习模型; 在速度方面，可以在30秒计算时间内生成22.8天大气模拟; 且可以比传统模型节省数量级的计算量。