这就太厉害了！只需输入当前和6小时前的天气状态，AI就能不断滚动，预测未来10天的天气状况，并且准确率比当前最厉害的天气模型还要高得多，这就是搜索巨头谷歌研发的最新机器学习天气系统——GraphCast。
你可能完全无法想象，谷歌会去研究天气系统，似乎完全跨界了，但实际谷歌地图很早以前就有天气图层了，可以给你提供实时天气信息，你出门的时候就可以知道带不带雨伞了。然而此前的天气预测可能不是那么准确，所以谷歌一直在致力于更精准的天气预测系统研究。
目前的天气预测基于数值天气预报（NWP），是把当前的天气状况输入超级计算机中，根据流体动力学、热力学和其他大气科学原理来模拟即将发生的变化，需要大量的计算能力，方程复杂，计算耗时，成本高昂。
GraphCast则更加重视历史数据，它利用卫星、雷达和气象站等多种数据源，结合数值天气预报技术来填补缺失数据，重建全球40年来的历史天气记录，根据过去天气规律来进行预测。
换句话说，NWP是从地球表面空气分子的实际状态出发，根据分子运动和碰撞来计算未来天气会怎么样，这就有点像拉普拉斯妖，只要知道宇宙中某个时刻所有原子的确切位置和动量，就能够用牛顿定律来计算它们任意时刻的位置和动量，从而推知宇宙过去未来的所有过程。
GraphCast则是基于机器学习和图神经网络 （GNN）来处理数据，简单地根据过去的天气状况进行预测。具体来说是将当前天气状况及6个小时前的天气状况输入，预测后6个小时的天气状况，然后将这些预测反馈回模型，不断滚动执行相同的计算，就可以在一台 Google TPU v4机器上，1分钟内得出长达10天的预测，比起使用超级计算机的NWP高效和廉价得多。
那么GraphCast的预测准确性如何呢？
根据谷歌团队11月14日发表在《科学》杂志上的论文，GraphCast在1380个验证目标中，90%的预测准确性都显著高于现在最好的欧洲中期天气预报中心 （ECMWF）的高分辨率预报模型（HRES），而对6-20公里对流层的预测，更是高达99.7%。并且GraphCast只需一台计算机运算不到1分钟，而HRES需要数百台机器组成的超级计算机进行数小时的运算。
不仅如此，在预警风暴、大气河、极冷极热等极端天气事件上，GraphCast也显著优于HRES，比如9月份的热带气旋“李”登陆加拿大新斯科舍省，GraphCast就提前9天准确预测了“李”的运动路径及登陆时间和地点，而HRES不确定性更大，并且只能提前6天。
GraphCast按照0.25个经纬度，也就是28 公里x28公里的分辨率，将全球划分成100多万个网格，可以在每个网格内37个不同的海拔高度处，提供温度、风速、湿度、降水、气压、位势等6个变量的预测数据，也就是说从1米、2米、3米、5米、10米一直到1000米高度的天气都可以准确预测了，立体无死角，这下天气狂魔再也嚣张不起来了。
目前GraphCast已经成为世界上最准确的全球10天天气预报系统，谷歌认为这将是全球天气预报的一个转折点，已经将模型开源，并将集成到各种天气预报系统中进行即时天气预报，美国和欧洲的中期天气预报中心已经在试验中使用该模型。谷歌预计，这将让数十亿人受益，并拯救生命免受风暴和极端天气的伤害。不仅如此，谷歌还希望通过开发新工具和加速研究，让GraphCast了解更广泛的气候模式，帮助国际社会应对人类面临的最大环境挑战——气候变化。
