【洪存正專欄】《自然》2024十大科學人物 (10) ：雷米·林AI 天氣預報更快、更準確

AI 天氣預報員：DeepMind 研究人員做出更快、更準確的預測 Rémi Lam 入選《自然》雜誌評選的 2024 年科學界十大人物。
雷米·林 (Rémi Lam) 聽說過舊金山的小氣候，但直到今年搬到那裡，他才意識到它們有多奇特。 「我住的街道可能有霧，但兩個街區外卻是陽光明媚，」他說。根據位置的不同，該城市的天氣預報可能會非常不正確。即使最先進的天氣預報也無法預測城市的小氣候及其變化。
雷米·林花了很多時間思考天氣以及如何預報天氣。身為總部位於倫敦的人工智慧 (AI) 公司 Google DeepMind 的研究員，Lam 一直致力於利用機器學習來改善天氣預報。這一領域在過去幾年中取得了快速進展，林和他的同事一直走在這些努力的最前線。
他們並不孤單。許多組織正在競相開發人工智慧輔助天氣預報，包括微軟、英偉達、華為和位於英國雷丁的歐洲中期天氣預報中心 (ECMWF) 的組織。但在今年的大部分時間裡，在準確性方面領先的人工智慧是由 Lam 領導的名為 GraphCast 的專案。ECMWF 基於人工智慧的天氣預報研究負責人 Matthew Chantry 表示：“GraphCast 提高了預測技能的標準。”
傳統的天氣預報是複雜的程序，根據空氣、熱和水蒸氣如何在地球上移動的已知物理原理來模擬地球大氣層的演變。 GraphCast 是一種人工神經網絡，形狀像覆蓋全球的網格。林和他的合作者用基於真實大氣測量的數據「訓練」它，但沒有給它任何物理定律的明確知識。儘管如此，從許多方面來看，人工智慧的預測都比傳統預測好。 「我很驚訝它的表現如此之快就超過了基於物理學的預測——我認為這需要更長的時間，」林說。
儘管訓練的運算量很大，但在先進的桌上型電腦上，預測只需要不到一分鐘的時間，而傳統電腦的超級電腦運行時間則需要幾個小時。
林於 1988 年出生於巴黎郊區，曾在法國和美國接受航空工程師訓練。然後他意識到他對流體力學統計模型的理解可能對那些使用人工智慧的人有所幫助。 DeepMind 擁有專注於解決科學問題的文化，事實證明它是一個理想的選擇。 「沒有比這裡更好的地方來進行機器學習了，」他說。
馬裡蘭大學帕克分校的大氣科學家瑪麗亞·莫利納(Maria Molina) 將人工智慧應用於天氣和氣候建模，她對谷歌等公司表示讚賞，因為他們讓任何人都可以在自己的電腦上下載和運行他們的天氣模型——至少到目前為止是這樣。 “到了某個時候，這種善意什麼時候會耗盡？”她補充道，如果這些公司有一天會壟斷最好的預測，那可能會令人擔憂，尤其是在極端天氣事件方面。 “我們永遠不應該指望公眾為獲取救生資訊付費。”