人类在预测天气这件事上已持续了千百年,古时便有夜观天象,而今随着科技发展,人工智能和机器学习领域取得突破,AI也越来越多地参与到天气预报行业中。
最近,DeepMind和谷歌新研究出了一种基于机器学习的天气模拟器,可以在60秒内预测10天内的天气。DeepMind以「编码-处理-解码」的方式使用图神经网络(GNN)创建的自回归模型GraphCast,在10天的预报中,在6小时步长和0.25°经纬度分辨率下,超过了目前最精确的确定性系统——ECMWF的HRES,并且GraphCast只需要一台Cloud TPU v4设备即可预测。
我们的科技留言板“有意见”如下
@不倒翁:中国古人说,“差若毫厘,谬以千里。”在科学领域,称之为“蝴蝶效应”。高性能计算结合AI的价值是分析大量的数据,但并不是分析更准确的数据,有些领域的就不适合数据越大,分析越准确,天气预测就是之一,因为计算机对于最初的数据非常敏感,前期一个微小的变化将对后面产生不可估量的影响。所以我们洞见大自然,只能在大自然的范围内!除非AI在更高维度观察大自然,不然不可能预测准确。
@黑咕隆咚:虽然AI预测天气用时短且准确率高,但是它也不会完全取代人类,预测结果还是得依靠有经验的人员进行核验,然后再传达给公众,以确保其可靠性,而且AI擅长预测它所接受训练的数据中常见的模式,如果遇到异常极端天气,它还能否预测呢?
@周一见:雷丁大学的气象学家Rob Thompson说:「与其说DeepMind的研究完全颠覆了我们所知道的雨水预报,不如说它只是提供了一种不同的方法。它的表现与当前其他尖端类型的模型类似,可能稍微好一点,但并没有领先很多」
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。