這就太厲害了！只需輸入當前和6小時前的天氣狀態，AI就能不斷滾動，預測未來10天的天氣狀況，並且準確率比當前最厲害的天氣模型還要高得多，這就是搜索巨頭谷歌研發的最新機器學習天氣系統——GraphCast。
你可能完全無法想像，谷歌會去研究天氣系統，似乎完全跨界了，但實際谷歌地圖很早以前就有天氣圖層了，可以給你提供實時天氣信息，你出門的時候就可以知道帶不帶雨傘了。然而此前的天氣預測可能不是那麼準確，所以谷歌一直在致力於更精準的天氣預測系統研究。
目前的天氣預測基於數值天氣預報（NWP），是把當前的天氣狀況輸入超級計算機中，根據流體動力學、熱力學和其他大氣科學原理來模擬即將發生的變化，需要大量的計算能力，方程複雜，計算耗時，成本高昂。
GraphCast則更加重視歷史數據，它利用衛星、雷達和氣象站等多種數據源，結合數值天氣預報技術來填補缺失數據，重建全球40年來的歷史天氣記錄，根據過去天氣規律來進行預測。
換句話說，NWP是從地球表面空氣分子的實際狀態出發，根據分子運動和碰撞來計算未來天氣會怎麼樣，這就有點像拉普拉斯妖，只要知道宇宙中某個時刻所有原子的確切位置和動量，就能夠用牛頓定律來計算它們任意時刻的位置和動量，從而推知宇宙過去未來的所有過程。
GraphCast則是基於機器學習和圖神經網絡 （GNN）來處理數據，簡單地根據過去的天氣狀況進行預測。具體來說是將當前天氣狀況及6個小時前的天氣狀況輸入，預測後6個小時的天氣狀況，然後將這些預測反饋回模型，不斷滾動執行相同的計算，就可以在一台 Google TPU v4機器上，1分鐘內得出長達10天的預測，比起使用超級計算機的NWP高效和廉價得多。
那麼GraphCast的預測準確性如何呢？
根據谷歌團隊11月14日發表在《科學》雜誌上的論文，GraphCast在1380個驗證目標中，90%的預測準確性都顯著高於現在最好的歐洲中期天氣預報中心 （ECMWF）的高解析度預報模型（HRES），而對6-20公里對流層的預測，更是高達99.7%。並且GraphCast只需一台計算機運算不到1分鐘，而HRES需要數百台機器組成的超級計算機進行數小時的運算。
不僅如此，在預警風暴、大氣河、極冷極熱等極端天氣事件上，GraphCast也顯著優於HRES，比如9月份的熱帶氣旋「李」登陸加拿大新斯科舍省，GraphCast就提前9天準確預測了「李」的運動路徑及登陸時間和地點，而HRES不確定性更大，並且只能提前6天。
GraphCast按照0.25個經緯度，也就是28 公里x28公里的解析度，將全球劃分成100多萬個網格，可以在每個網格內37個不同的海拔高度處，提供溫度、風速、濕度、降水、氣壓、位勢等6個變量的預測數據，也就是說從1米、2米、3米、5米、10米一直到1000米高度的天氣都可以準確預測了，立體無死角，這下天氣狂魔再也囂張不起來了。
目前GraphCast已經成為世界上最準確的全球10天天氣預報系統，谷歌認為這將是全球天氣預報的一個轉折點，已經將模型開源，並將集成到各種天氣預報系統中進行即時天氣預報，美國和歐洲的中期天氣預報中心已經在試驗中使用該模型。谷歌預計，這將讓數十億人受益，並拯救生命免受風暴和極端天氣的傷害。不僅如此，谷歌還希望通過開發新工具和加速研究，讓GraphCast了解更廣泛的氣候模式，幫助國際社會應對人類面臨的最大環境挑戰——氣候變化。