4月7日，上海人工智能實驗室聯(lián)合中國科學(xué)技術(shù)大學(xué)、上海交通大學(xué)、南京信息工程大學(xué)、中國科學(xué)院大氣物理研究所及上海中心氣象臺發(fā)布全球中期天氣預(yù)報大模型“風(fēng)烏”。基于多模態(tài)和多任務(wù)深度學(xué)習(xí)方法構(gòu)建，AI大模型“風(fēng)烏”首次實現(xiàn)在高分辨率上對核心大氣變量進(jìn)行超過10天的有效預(yù)報，并在80%的評估指標(biāo)上超越DeepMind發(fā)布的模型GraphCast。此外，“風(fēng)烏”僅需30秒即可生成未來10天全球高精度預(yù)報結(jié)果，在效率上大幅優(yōu)于傳統(tǒng)模型。

實驗室領(lǐng)軍科學(xué)家歐陽萬里表示，“‘風(fēng)烏’取名自秦漢時期的‘相風(fēng)銅烏’，是世界上最早的測風(fēng)設(shè)備。天氣預(yù)報大模型‘風(fēng)烏’不僅承載了中國古人的智慧，也寓意實驗室致力于在以氣象為代表的AI for?Science領(lǐng)域勇于突破、不懈探索?！?/p>

運(yùn)用“風(fēng)烏”大模型，全球氣象有效預(yù)報時間首次突破10天

高精度、長時效、高效率：AI大模型預(yù)報全球天氣

如何提高天氣預(yù)報的時效和準(zhǔn)確度，一直是業(yè)內(nèi)的重點課題。隨著近年來全球氣候變化加劇，極端天氣頻發(fā)，各界對天氣預(yù)報的時效和精度的期待更是與日俱增。在氣象氣候預(yù)報任務(wù)中，全球中期天氣預(yù)報是最重要的預(yù)測任務(wù)之一，它以預(yù)測未來14天內(nèi)的大氣系統(tǒng)狀態(tài)為目標(biāo)，不僅是當(dāng)前廣泛使用的集成天氣預(yù)測系統(tǒng)的基礎(chǔ)，也是區(qū)域性數(shù)值天氣預(yù)報系統(tǒng)的背景場和邊界條件。

過去數(shù)十年間，全球中期天氣預(yù)報領(lǐng)域取得眾多矚目成就，但囿于氣象觀測的準(zhǔn)確度，大氣系統(tǒng)中物理過程的復(fù)雜性，以及求解大氣模型所需資源規(guī)模巨大，全球中期天氣預(yù)報的有效性每10年才提高1天，難以滿足社會和經(jīng)濟(jì)的發(fā)展需求。

隨著深度學(xué)習(xí)技術(shù)和框架的不斷成熟，以ChatGPT、“書生”（Intern）為代表的人工智能大模型在自然語言和視覺等領(lǐng)域展示出卓越的能力，人工智能亦為地球科學(xué)等領(lǐng)域帶來全新的研究思路。

上海人工智能實驗室青年科學(xué)家白磊介紹，“‘風(fēng)烏’提供了一個強(qiáng)大有效的全球中期天氣預(yù)報的AI框架，其領(lǐng)先性體現(xiàn)在預(yù)報精度、預(yù)報時效和資源效率三方面?！?/p>

在預(yù)報精度方面，相比DeepMind的GraphCast，“風(fēng)烏”的10天預(yù)報誤差降低10.87%，而相比于傳統(tǒng)的物理模型，其誤差降低19.4%。在預(yù)報時效方面，根據(jù)國際常用的標(biāo)準(zhǔn)，z500 ACC大于0.6時氣象預(yù)報結(jié)果具有可用性，可以較好地指導(dǎo)預(yù)報員判斷未來氣象發(fā)展形勢。此前，全球范圍內(nèi)最好的物理模型HRES在此標(biāo)準(zhǔn)范圍內(nèi)，有效預(yù)報時長最大為8.5天，而“風(fēng)烏”基于再分析數(shù)據(jù)達(dá)到了10.75天。在資源效率方面，現(xiàn)有物理模型往往運(yùn)行在超級計算機(jī)上，而“風(fēng)烏”AI大模型僅需單GPU便可運(yùn)行，僅需30秒即可生成未來10天全球高精度預(yù)報結(jié)果。

據(jù)氣象專家介紹，盡管目前市面上有一些產(chǎn)品提供未來15天的氣象預(yù)報服務(wù)，但是10天以上的預(yù)報性能還具有很大不確定性，無法達(dá)到有效預(yù)報的標(biāo)準(zhǔn)。實踐證明，將觀測與數(shù)值預(yù)報和人工智能相結(jié)合，可有效提升數(shù)值預(yù)報的準(zhǔn)確性。“風(fēng)烏”首次將全球氣象預(yù)報的有效性提高到10.75天，具有很大的業(yè)務(wù)應(yīng)用價值。

多模態(tài)和多任務(wù)：深度學(xué)習(xí)驅(qū)動地球科學(xué)

上海人工智能實驗室AI for Earth聯(lián)合團(tuán)隊提出了一種基于多模態(tài)多任務(wù)的深度學(xué)習(xí)方法用于構(gòu)建AI天氣預(yù)報模型，從而實現(xiàn)對全球中期天氣進(jìn)行快速、準(zhǔn)確預(yù)報。

由于不需要通過復(fù)雜的物理系統(tǒng)仿真，AI氣象預(yù)報模型突破了傳統(tǒng)預(yù)報方法的計算瓶頸，因此能夠高效地進(jìn)行預(yù)報和集成。同時AI對氣象數(shù)據(jù)關(guān)系的強(qiáng)大擬合能力使其有潛力突破傳統(tǒng)數(shù)值模式預(yù)報中的性能瓶頸。

在AI模型的設(shè)計和訓(xùn)練過程中，研究團(tuán)隊發(fā)現(xiàn)，在學(xué)習(xí)過程中，多個大氣變量在優(yōu)化中存在相互影響且可以看作多任務(wù)學(xué)習(xí)問題；大氣數(shù)據(jù)具有高分辨率高維度大體量的特征，導(dǎo)致模型多步天氣預(yù)測結(jié)果難以直接被優(yōu)化。

“風(fēng)烏”多模態(tài)網(wǎng)絡(luò)結(jié)構(gòu)。不同的模態(tài)通過不同的編碼解碼器處理，多模態(tài)特征通過跨模態(tài)融合模塊進(jìn)行融合。

“風(fēng)烏”采用多模態(tài)神經(jīng)網(wǎng)絡(luò)和多任務(wù)自動均衡權(quán)重解決多種大氣變量表征和相互影響的問題。其針對的大氣變量包括：位勢、濕度、緯向風(fēng)速、經(jīng)向風(fēng)速、溫度以及地表等?！帮L(fēng)烏”將這些大氣變量看作多模態(tài)信息，使用多模態(tài)網(wǎng)絡(luò)結(jié)構(gòu)可以更好地處理這些信息。

研究團(tuán)隊從多任務(wù)問題的角度出發(fā)，自動學(xué)習(xí)每個大氣變量的重要性，使得多個大氣變量之間能夠更好地協(xié)同優(yōu)化。為了優(yōu)化“風(fēng)烏”的多步預(yù)測結(jié)果，研究團(tuán)隊提出了“緩存回放”（replay buffer）策略，減少自回歸預(yù)測誤差，提高長期預(yù)測的性能。

對不同大氣變量的預(yù)測結(jié)果。ACC是用于衡量預(yù)測結(jié)果有效性的指標(biāo)，數(shù)值越高，預(yù)測結(jié)果越有效（紅線代表“風(fēng)烏”，黑線代表GraphCast）。

從結(jié)果上看，“風(fēng)烏”在6到10天的中期預(yù)報上預(yù)報技巧顯著高于GraphCast。其中具有代表意義的z500達(dá)到了10.75天的有效預(yù)報范圍（ACC＞0.6），這也是高分辨率全球中期天氣預(yù)報系統(tǒng)首次能夠?qū)Υ髿庾兞窟M(jìn)行超過10天的有效預(yù)報。

未來，“風(fēng)烏”AI氣象大模型可與傳統(tǒng)的物理模型形成互補(bǔ)，憑借其卓越的性能和精度，為生產(chǎn)生活提供更準(zhǔn)確、更實用的天氣預(yù)報信息，助力天氣預(yù)報數(shù)字化，為農(nóng)林牧漁、航空航海等各行業(yè)及公共安全保障提供有力的支持。據(jù)悉，上海人工智能實驗室AI for Earth團(tuán)隊還將把人工智能方法應(yīng)用到更廣泛的氣象、環(huán)境、天文、地質(zhì)等地球科學(xué)問題研究中，助力“碳中和”、防災(zāi)減災(zāi)、能源安全等重大需求。

分享讓更多人看到