微软用机器学习延长天气预报可靠期
The Verge AI··作者 Justine Calma
关键信息
PBC利用机器学习识别系统性偏差，包括天气模型依赖历史数据而无法充分反映当前气候条件所产生的误差。报道中的结果来自研究分析而非全面投入运行，ECMWF的Matthew Chantry也指出，将研究成果转化为可靠的业务流程仍然十分困难。
资讯摘要
传统的物理天气模型和较新的AI系统通常在预测两周以后天气时可靠性明显下降。微软研究人员表示，他们开发的概率偏差校正方法可以通过修正现有模型的误差，改善未来两到六周的预报，而不是重新建立一个独立的天气模型。模型在处理观测缺失、气象站稀少地区以及难以准确描述的大气过程时，需要使用近似方法，这些方法可能产生系统性偏差。例如，基于历史记录训练的模型可能倾向于预测比当前变暖气候更低的温度。
在研究中，PBC改善了ECMWF领先物理天气模型98%的降水目标和92%的温度目标。研究分析还显示，该方法使ECMWF新型AI预报系统的准确率提高了一倍。该软件已经开源，并且可以在CPU上运行，研究人员认为这有助于资源有限的机构针对本地情况改进预报。ECMWF曾在其AI Weather Quest竞赛中认可这项研究，但也提醒，将其转化为稳定的业务系统仍然具有挑战性。
资讯正文
微软推出新的机器学习工具，旨在改善天气预报
传统的基于物理学的天气预报，甚至是新型人工智能模型，通常在预测两周之后的天气时就会变得不太可靠。微软声称，他们已利用机器学习解决了这一问题。
该公司研究人员表示，他们找到了一种成本效益更高的方法，可以更准确地预测提前两到六周的天气，让农民和应急救援人员能够更有把握地提前规划。相关研究成果于今天发表在《Nature》杂志上，这款工具现已作为开源软件开放。
微软加入了开发天气预报人工智能工具的 Google、Nvidia 等公司的行列。微软最新的相关研究并没有创建一个全新的独立天气模型，而是利用机器学习来纠正现有模型中的偏差。研究人员希望，这能为资源有限的气象机构提供一种更易于采用的方式，让它们借助人工智能提高预报准确性。
基于物理学的建模需要在超级计算机上运行、消耗大量资源，而生成式人工智能则依赖强大的 GPU。微软研究院新英格兰分部首席高级研究员 Lester Mackey 表示，这款新工具只需在 CPU 上运行即可。Mackey 对 The Verge 表示：“我对提高天气预报的资源效率以及延长预报的可靠性都抱有很大希望，尤其是在极端天气方面。”
基于物理学和基于人工智能的模型，在开始预测两周或更长时间之后的天气时，会遇到类似的问题。传统模型试图模拟地球大气层的复杂物理过程，而人工智能模型则通过寻找历史数据中的模式来做出预报。在这两种方法中，模型都依赖近似计算来填补数据缺口，这些缺口可能来自气象站稀少的地区，也可能来自科学家仍在努力理解的复杂大气现象。这些模型弥补数据缺口的方式，可能形成一种系统性偏差。在进行更长期的预报时，由此产生的误差会不断累积，使预测变得不那么精确。
微软将其方法称为“概率偏差校正”（Probabilistic Bias Correction，PBC）。该工具利用机器学习识别模型中的系统性偏差并进行修正。Mackey 举的一个例子是校正气候变化带来的影响。化石燃料排放的温室气体正在使地球变暖，但天气模型可能根据历史记录做出预测，从而偏向于预测比当今实际情况更低的温度。
研究人员发现，PBC 将欧洲中期天气预报中心（ECMWF）一款领先的基于物理学的天气模型在降水和温度预测目标上的准确率分别提高到了 98% 和 92%。研究分析还显示，这一机器学习框架使 ECMWF 的新型人工智能预报系统的准确率提高了一倍。在论文发表之前，ECMWF 已在其 AI Weather Quest 竞赛中认可了作者关于 PBC 的研究成果。
微软、麻省理工学院、欧洲中期天气预报中心（ECMWF）及其他机构的研究人员发表了关于 PBC 的新论文。ECMWF 机器学习战略负责人 Matthew Chantry 在发给 The Verge 的电子邮件评论中表示，这“很好地体现了正在开发的新理念，这些理念旨在惠及整个社区，并充分考虑社区的需求”。
Chantry 补充说：“一如既往，将理念转化为现实，并应用到实际运行流程中，是最具挑战性的一步。”
天气预报所需的计算资源和基础设施规模，往往让许多经济发展中国家的机构难以获得技术进步。不过，论文作者认为，PBC 可能有所不同。论文作者之一 Genevieve Flaspohler 表示：“PBC 这类模型真正令我兴奋的一点，是它们非常轻量、易于训练。没有庞大资源储备的科学家，也可以尝试配置这些模型，让它们在特定地区表现得更好。”
Flaspohler 曾在 Microsoft 担任 Mackey 的实习生，参与 PBC 的研究。如今，她是非营利组织 Rhiza Research 的执行董事。该组织正与肯尼亚气象服务局合作，并获得 Gates Foundation 的资助，以探究人工智能能否帮助向人们发布更准确的早期预警。在预计将迎来更极端降雨季、且正值创纪录厄尔尼诺现象之际，PBC 是他们正在测试的方法之一。
来源与参考
收录于 2026-10-15