Google发布了 人工智能（AI） 它声称可以按大规模产生准确的天气预报的模型；虽然比传统的基于物理的预测便宜。

这 ”可扩展的集合包络扩散采样器“（种子）模型的设计类似于流行的大型语言模型（LLMS），例如Chatgpt和Sora＆Mdash（如Sora＆Mdash），它们从文本提示中生成视频。

种子产生许多合奏＆mdash;或多种天气场景＆mdash;比传统预测模型更快，便宜得多。该团队在3月29日在《杂志》上发表的一篇论文中描述了其发现 科学进步。　

天气很难预测，许多变量可能导致可能造成毁灭性的天气事件。从 飓风 到 热浪。作为 气候变化 恶化和极端天气事件 更常见，准确地预测天气可以通过让人们有时间为自然灾害的最严重影响做准备，从而挽救生命。

天气服务当前使用的基于物理的预测收集了各种测量结果，并给出了平均许多不同的模型预测＆MDASH的最终预测。或合奏＆mdash;基于所有变量。天气预报不是单一的预测，而是基于每个预测周期的一组预测，该预测提供了一系列可能的未来状态。

有关的： 诸如Chatgpt和Claude 3 Opus之类的“越狱” AI服务比您想象的要容易得多

这意味着大多数天气预测对于更常见的天气或温暖的夏日（温暖的夏日）来说足够准确，但是产生足够的预测模型以发现极端天气事件的可能结果超出了大多数服务的影响。

当前的预测还使用确定性或概率预测模型，其中随机变量被引入初始条件。但这导致错误率迅速的错误率＆mdash;这意味着准确地预测未来的极端天气和天气是很难正确的。

在初始条件下，不可预见的错误也会极大地影响预测结果，因为变量随着时间的推移成倍增长，并且对足够的预测进行建模以将变量降低到如此细微的细节很昂贵。Google科学家估计，在模型中需要进行10,000个预测，以预测可能发生1％的事件。

种子从天气机构收集的物理测量中产生预测模型。特别是，它着眼于每块地球重力圈中的势能单位与海平面压力＆mdash之间的关系；预测中使用的两种常见措施。

传统方法只能产生约10至50个预测的合奏。但是，通过使用AI，当前版本的种子可以基于仅用作输入数据的一个或两个“播种预测”来推断31个预测集合。

研究人员通过使用当时记录的历史天气数据对2022欧洲热浪进行建模测试系统。Google代表在其研究的博客文章中说，在热浪前七天，美国运营合奏预测数据没有任何迹象表明这一事件即将到来。 门户网站。他们补充说，少于100个预测的合奏＆mdash;这不仅仅是传统的人也会错过它。

科学家将与种子进行计算相关的计算成本与当今方法相比是“可忽略的”。Google说，AI系统在示例Google Cloud Architecture＆Mdash中每三分钟处理时间也有256个合奏的吞吐量；可以通过招募更多的加速器来轻松缩放。