AI 模型由微软支持，革新飓风预测，显著提升速度并降低费用

微软支持的 AI 模型 Aurora 在飓风预测领域取得了重大突破，其速度和成本优势明显优于传统方法，以下是具体介绍：

模型简介

Aurora 是由微软、宾夕法尼亚大学及其他机构研究人员共同开发的基础模型，旨在提升地球系统预测的速度和准确性，涵盖空气质量、海洋波动、热带气旋轨迹以及高分辨率天气等领域。

速度优势

• 训练与微调时间短：Aurora 经过了超过一百万小时的多样化地球物理数据预训练，并在小型工程团队的协助下，仅用四到八周就完成了微调，而传统动力学模型通常需要数年的开发周期。

• 预测速度快：Aurora 利用高带宽模型图形处理单元（GPU），能在几秒钟内生成预测，比传统系统快约5000倍，传统系统需要在大型超级计算机上花费数小时才能生成类似的预测。

成本优势

• 开发成本低：Aurora 的开发过程相对高效，预训练和微调所需的资源和时间成本远低于传统模型。

• 运营成本低：Aurora 的运营费用显著低于传统天气预测系统，其灵活的架构和高效的计算能力使其能够在较低的计算成本下运行。

预测准确性

• 飓风预测：Aurora 在2023年能够准确预测所有飓风，且表现优于当前的气象预报中心。在2022至2023年期间的五天热带气旋轨迹预测中，Aurora 超越了七个操作性预报中心，在十天的全球天气预测中超越了92% 的目标。

• 其他预测：Aurora 在预测海洋波动方面也表现出色，例如在预测2022年登陆日本的台风“南玛都”时，其准确性超过了现有的最佳预测模型。在空气质量预测等其他领域，Aurora 也展现出了强大的能力。

技术原理

Aurora 是一个大型神经网络，类似于 ChatGPT 对文本的学习方式，它通过观察和数据进行学习，而不是依赖传统的物理方程。该模型使用了一种灵活的“编码器架构”，将来自多个来源的大量数据转换为模型可以用来进行预测的标准形式。此外，Aurora 结合了基于 Perceiver 的编码器、3D Swin Transformer 主干和递归预测技术，利用多维向量嵌入，类似于大型语言模型中使用的技术。

潜在影响

Aurora 的出现可能会对地球系统预测领域产生深远的影响，其作为基础模型，具有广泛的应用潜力，除了天气预测外，还可以进一步调整用于空气质量、海洋动态、环境极端事件等多个领域。研究人员指出，Aurora 的出现有望以更低的成本提供更精确的预测，使更广泛的预测信息获取变得更加可行。