WEBVTT

00:00:00.440 --> 00:00:01.320
数百年来

00:00:01.320 --> 00:00:03.660
人类极尽所能探寻天气的奥秘

00:00:03.720 --> 00:00:05.680
从迎风立起沾湿的手指

00:00:05.680 --> 00:00:07.450
到凝心聆听蟋蟀的鸣叫

00:00:07.450 --> 00:00:09.560
乃至观摩星象来寻求答案

00:00:10.050 --> 00:00:11.560
时至今日，我们认为AI

00:00:11.560 --> 00:00:13.370
可以帮助我们改进预测方法

00:00:13.370 --> 00:00:14.760
洞察天气的奥秘

00:00:14.760 --> 00:00:17.100
来认识下MetNet-3和GraphCast

00:00:17.120 --> 00:00:18.620
这两个深度学习模型

00:00:18.620 --> 00:00:21.460
可生成更准确的天气预报

00:00:21.520 --> 00:00:24.720
传统的预测方法是模拟整个系统

00:00:24.720 --> 00:00:26.980
涉及到数百个相互作用的变量

00:00:26.980 --> 00:00:28.060
在实际操作中

00:00:28.060 --> 00:00:30.640
则需要将这些变量抽象成方程式

00:00:30.640 --> 00:00:33.260
然后人工将它们编写成算法

00:00:33.360 --> 00:00:35.760
我们的AI模型则另辟蹊径

00:00:35.760 --> 00:00:37.720
通过分析过往的天气数据

00:00:37.720 --> 00:00:41.260
来研究各种天气状况之间的因果关系

00:00:41.480 --> 00:00:45.900
进而摸索出数据中蕴藏的微妙趋势和规律

00:00:45.920 --> 00:00:48.900
据此推断接下来的天气状况

00:00:49.010 --> 00:00:51.000
MetNet-3和GraphCast的表现

00:00:51.000 --> 00:00:53.100
胜过世界上最佳的预测系统

00:00:53.100 --> 00:00:54.500
预测得更加久远

00:00:54.500 --> 00:00:58.260
而且更加准确、高效、快速、精细

00:00:58.480 --> 00:01:01.460
对于日常天气乃至极端天气都是如此

00:01:01.600 --> 00:01:03.510
MetNet-3已经用于提升

00:01:03.510 --> 00:01:07.280
Google搜索上24小时天气预报的准确性

00:01:07.280 --> 00:01:09.560
GraphCast模型也已开源

00:01:09.560 --> 00:01:11.438
欧洲中期天气预报中心(ECMWF)

00:01:11.438 --> 00:01:15.260
目前使用此模型预报天气并在网站上发布

00:01:15.600 --> 00:01:16.600
畅想未来

00:01:16.600 --> 00:01:19.290
我们将能更早提醒民众防备飓风

00:01:19.290 --> 00:01:22.200
帮助农民精准把握天气来增加收成

00:01:22.200 --> 00:01:25.340
或者只是帮大家在出门前决定是否要带伞

00:01:25.360 --> 00:01:27.720
AI不仅仅会帮我们预测天气

00:01:27.753 --> 00:01:30.863
还将帮助人们做出更明智的生活决策