Microsoft发布了一项利用AI提升中长期天气预报准确率的新技术，目标是改善2至6周天气预报的表现。该方案通过校正现有天气模型的系统性偏差来提升预测效果，无需依赖超级计算机，也有望帮助气象基础设施相对薄弱的国家提高预报能力。
据The Verge报道，Microsoft研究团队开发出一种名为“概率偏差校正”（PBC）的机器学习方法，并已将相关研究发表在学术期刊《Nature》上。配套软件也已以开源形式对外发布。
当前，无论是传统物理天气模型还是AI天气预测模型，预报准确率通常在两周后明显下降。原因在于，大气与海洋之间的复杂相互作用难以被充分模拟，而观测数据不足带来的误差也会随着预报时长拉长不断累积。
与重新训练一套新模型不同，PBC的核心是对现有模型输出进行后处理校正。它通过学习历史预报结果与实际观测之间反复出现的系统性偏差，对气温、降水等预测概率作出调整，从而提升预报准确性。该方法无需高性能GPU，在CPU上即可运行，部署成本也低于现有AI预报系统。
研究团队将PBC应用于欧洲中期天气预报中心（ECMWF）的物理天气模型后发现，在降水相关评估指标中，98%的指标得到改善；气温指标中，这一比例为92%；气压指标中则为91%。与此同时，ECMWF的AI预报系统在引入PBC后，相关预测性能指标提升约一倍。
在ECMWF举办的“AI Weather Quest”竞赛中，基于PBC的预报系统也取得了最高分。
这项技术已开始进入实际应用测试阶段。非营利研究机构Rhiza Research在盖茨基金会支持下，正与肯尼亚气象部门联合测试PBC，计划将其用于农业降水预测以及极端天气早期预警。
不过，要将这一研究成果稳定接入气象部门的生产运行系统，仍面临挑战。Microsoft表示，随着低成本天气预报技术进一步普及，气象信息在农业、灾害应对和能源管理等领域的应用有望进一步扩大。
Jae-won Choi
ittt_0801@d-today.co.kr