(一)新聞標題
Google DeepMind 開發天氣預報新系統，AI 首次超越傳統預報方法
(二)新聞內容
在預測未來 10 天世界各地天氣這件事情上，AI 首次以令人信服的方法超越傳統天氣預報，Google DeepMind 開發天氣預報系統 GraphCast 最新成果，登上《Science》雜誌。
在最新研究中，GraphCast 展示優於歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）預報表現。綜合評估下，GraphCast 在 1,380 項指標中九成優於 ECMWF 預報系統，包括各種大氣下的溫度、壓力、風速、風向、濕度等。
GraphCast 利用所謂圖神經網路（Graph Neural Network，GNN）的機器學習架構，以超過 40 年的 ECMWF 天氣歷史資料訓練模型。它能處理當下和 6 小時前全球大氣狀態，並在 1 分鐘內以搭載 TPU v4 的雲端電腦產生 10 天天氣預報。
GraphCast 成果代表氣象 AI 在預報速度和準確性取得顯著進展，Google DeepMind 也開源此模型程式碼。ECMWF 機器學習專員 Matthew Chantry 接受《金融時報》採訪承認此一快速進展，認為氣象 AI 系統進展「比我們 2 年前預期快得多，令人印象深刻」。
「我們發現 GraphCast 比其他機器學習模型（包括華為雲盤古氣象模型和 NVIDIA FourCastNet）更加熟練，且比我們自己的天氣預測系統更準確」，Matthew Chantry 告訴《金融時報》。
Google 機器學習方法與傳統數值天氣預報（Numerical Weather Prediction，NWP）方法形成明顯對比，傳統方法依賴高速運算電腦執行以大氣物理為基礎的方程式，耗費較多時間和心力。Matthew Chantry 向《金融時報》強調 GraphCast 效率，估計其能源消耗比傳統方法省下約 1,000 倍。
GraphCast 成功預測的一個案例是，它提前 9 天預測颶風李伊（Lee）將於加拿大諾瓦斯科西亞省（Nova Scotia）登陸，比傳統方法早了 3 天。儘管獲得顯著進展，GraphCast 仍有局限，它沒有在所有情況下都優於傳統模型，例如 10 月 25 日颶風歐蒂斯（Otis）突然增強，在毫無預警情況下襲擊墨西哥阿卡普爾科（Acapulco）。《華盛頓郵報》報導指出，全球 AI 模型還無法像傳統模型建立精細預測，GraphCast 可能相對適合研究較小規模的現象，而且它還存在透明度問題，氣象學家無法查看 AI 模型內部細節並清楚得知為何如此預測。
「我們的方法不應該被視為傳統天氣預報替代品，傳統天氣預報方法已經開發數十年，在許多現實環境經過嚴格測試，並提供許多我們尚未探索的功能」，Google DeepMind 研究人員強調，他們將 GraphCast 視為現今天氣預報技術的輔助角色。
隨著 GraphCast 發表，位於英國伯克郡雷丁鎮（Reading）的 ECMWF 也計劃開發自家 AI 模型，並打算與數值天氣預報系統進行整合。英國氣象局（Met Office）則與圖靈研究院（The Alan Turing Institute）合作，開發用於天氣預報的圖神經網絡，以便將來納入超級電腦基礎設施中。
天氣能以各種方式影響人們，比方說可以決定你一早外出裝扮，為我們提供綠色能源，在最壞情況下引發可能摧毀家園的風暴。現今極端天氣日益嚴重，快速且準確的天氣預報變得相當重要，GraphCast 研究成果將能造福全人類。
(三)新聞連結
https://technews.tw/2023/11/15/graphcast-for-faster-and-more-accurate-global-weather-forecasting/
＝ https://tinyurl.com/ysueoeyz
(四)其他心得或備註
期待AI能夠讓氣象預測更加精進～
是說利用AI工具畫圖會有這到底如何定位的問題
天氣預測應該是越準越好沒有爭議吧？
不過文中也沒有完全否定傳統的預測方式就是了，
畢竟AI就是個黑盒子XD