風雨交加的惡劣天氣:Weathernews 使用人工智慧提高降雨預報的能力

作者 Brian Caulfield

石橋知博喜歡矽谷的天氣。

他在週二的GPU 技術大會上發表演講時,一開場便笑著解釋說加州溫和的氣候,使得這裡成為一個絕佳的地方,讓人想要開發出一套更好的辦法去預測天氣。

這正是日本 Weathernews 公司想做的事情。他們與總部位於東京的新創公司 dAIgnosis 合作,利用一般市民回報的內容和日本傑出的地面雷達站系統,來訓練一套人工智慧模型,以便產生出更精準的降雨預報。

這是顛覆傳統天氣預報模型的完美作法。Weathernews 業務總監石橋知博說傳統天氣預報模型依靠國家天氣預報服務,加上先進的衛星和地面雷達系統,這些服務和系統又將其預測內容傳送給媒體,媒體再告知一般大眾。

問題是這個模型的準確性在過去二十年裡並未明顯改善。石橋知博以百米賽跑來比喻,精英短跑運動員在過去幾十年間衝線成績進步的幅度,都還不到一秒鐘。

想要大幅增進的話,就必須要有一種新的方法。「要是可以用機器,像是背一個火箭背包,就能在六秒或五秒內跑百米。」石橋知博說。

深度學習就是那個火箭背包。

在全球二十一國創造出1.5億美元的收入且擁有八百名員工的 Weathernews,與只有十名員工且專注於發展人工智慧技術的 dAIgnosis 公司合作,透過人工智慧、智慧型手機網路和自動裝置來解決天氣預報等新興問題。

dAIgnosis 與 Weathernews 聯手建立了一個在 NVIDIA DGX-1 和 NVIDIA DGX-2 系統上運行的生成對抗網路,利用衛星影像來預測雨雲將形成的位置。

衛星影像的優勢:三顆衛星可以從高空看到全球大部分地區的天氣,但少了建造和操作成本高昂的高精度地面雷達系統,也無法偵測到雨雲。日本雖擁有先進的地面雷達網路,世界上大部分地區卻沒有。

加上用戶提供和 Twitter 上回報的天氣狀況,地面雷達網路提供了絕佳的「地面實況」消息來源,可用於由 DGX 使用衛星資料來訓練某種 GAN,以建立雨雲模型。少了這些資料,便無法修正(或訓練)模型以產生出更好的預測結果。

這使得四季分明且有突發降雨的日本提供了完美的天氣條件,讓 Weathernews 能建立更好的方式來模擬和預測各地的天氣。

精選圖片:Valerian Guillot via Flickr保留部分權利

a {
text-decoration: none;
}