新一期《自然》杂志发表的一项研究报道了深度思维推出的最新机器学习模型。该模型能根据当前和未来天气进行可靠的概率天气预报，其表现不但超过了最好的传统中程天气预报，还能更好地预测极端天气、热带气旋路线和风能产量。

准确的天气预报对于个人、政府和组织的日常关键决策必不可少，比如决定是否带雨伞，评估风能产量，规划如何应对极端天气等。气象预报传统上使用数值天气预报法，这种方法可以估计当前天气，并基于此预测未来一段时间的天气（称为确定性预报）。这会产生大量潜在情景，通过结合这些情景就能进行天气预报。

谷歌深度思维团队此次展示了一种名为“GenCast”的机器学习天气预测方法。该方法能生成概率性预测，即根据当前和之前的天气状态预测未来天气的可能性。团队用40年（1979—2018年）的天气发生最佳估计分析数据训练了GenCast，使其能在8分钟内对超过80个表面和大气变量进行以12小时为单位的15天全球预报。相较于欧洲中期天气预报中心的集合预报（ENS，一种确定性预报且是全球当前最好的中期预报），他们发现，在用于评估表现的1320个指标中，GenCast在其中97.2%的指标上都优于ENS。此外，GenCast在预测极端天气、热带气旋路线和风能产量时更有效。

团队指出，GenCast或能提供更高效、准确的天气预报，以支持实际规划。（记者 张梦然）