天气预报是众所周知的难点，但近年来，专家建议机器学习可以更好地帮助区分阳光和雨夹雪。最新参与的谷歌本周在一篇博客文章中分享了一项新的研究，称它可以“几乎立即”预测天气。

这项工作仍处于初始阶段，尚未纳入任何商业系统，但早期结果似乎很有希望。在这篇同行评议的论文中，谷歌研究人员描述了他们如何通过分辨率为1公里的“分钟”计算提前6小时生成准确的降雨量预测。

与现有技术相比，这是一个很大的改进，生成预测可能需要几个小时，尽管它们是在更长的时间周期内完成的，并且生成更复杂的数据。

研究人员表示，快速预测将是“有效适应气候变化，尤其是极端天气所需的基本工具”。他们表示，在一个日益被不可预测的天气模式所主导的世界里，短期预测对于“危机管理和减少生命财产损失”至关重要。

与传统的预测技术相比，谷歌的方法提供的最大优势是速度。该公司的研究人员将他们的工作与现有的两种方法进行了比较：光流(O F)预测(观察云的运动和其他现象)和模拟预测(根据物理学创建详细的天气系统模拟)。

这些老方法——，特别是基于物理的模拟——的问题是，它们的计算强度非常高。例如，美国联邦天气预报局进行的模拟每天必须处理多达100兆字节的气象站数据，在昂贵的超级计算机上运行需要几个小时。

谷歌软件工程师杰森？Jason Hickey在一篇博文中写道：“如果计算一个预测需要6个小时，那么一天只允许3-4次，而预测是基于6个小时的数据做出的，这会限制我们对目前正在发生的事情的理解。

相比之下，谷歌的方法将在几分钟内产生结果，因为它们并不试图模拟复杂的天气系统，而是预测简单的雷达数据作为降雨量的代理。

该公司的研究人员基于美国国家海洋和大气管理局(NOAA)从2017年至2019年收集的历史雷达数据，训练了他们的人工智能模型。他们说，他们的预测与现有的三种方法一样好，或者基于相同的数据更好，尽管他们的模型在试图提前6个多小时预测时比其他方法表现更好。

这似乎是机器学习在天气预报中的一个好地方：做出快速和短期的预测，同时将更长的预测留给更强大的模型。例如，NOAA的天气模型可以提前10天做出预测。

虽然我们还没有看到人工智能对天气预报的全面影响，但许多其他公司也在研究这个领域，包括IBM和孟山都。此外，正如谷歌研究人员指出的那样，随着我们感受到气候变化的影响，这样的预测技术只会在我们的日常生活中变得更加重要。