预测天气中最难预测的变量之一是降雨,这是洪水预测中不确定性的主要来源。然而,这个来自谷歌的新人工智能系统完全跳过了降雨预测,而是试图从所有已知的其他因素来预测洪水。

关键挑战在于,最需要这些洪水预测的国家往往是那些无法为学习算法提供足够训练数据的地方,因为他们缺乏收集数据的手段。这种新技术有助于重复利用来自美国和其他国家的数据,并将其应用于不太发达的地区。

值得注意的是,这个新的人工智能系统的准确性高于世界各地使用的全球洪水预警系统。这是一个了不起的进步,不仅可以大大帮助欠发达国家的政府,也可以帮助普通公民。有些洪水预测模型甚至便宜到可以在你口袋里的智能手机上运行。

谷歌开发了一种全新的天气预报方法,其性能优于传统的基于物理的模拟。他们不依赖于计算密集的天气模型,而是使用基于扩散的人工智能模型从历史观测数据生成可信的天气数据。

关键洞见是,用于从文本提示生成图像的扩散模型也可以应用于天气数据。这些模型从随机噪声开始,逐步转化为真实的天气模式,在此过程中学习极端天气事件的复杂性。

这种方法相比传统方法有几个优势。首先,它需要的计算能力要少得多,因为不需要运行复杂的天气模拟。其次,它可以利用更大的历史天气观测数据集,让人工智能学习到更全面的模式。

结果是一个比以前的技术(包括NVIDIA的FourCastNet和DeepMind的GraphCast)更准确的天气预报系统。这一突破有望显著改善天气预报,特别是在数据和计算资源有限的地区,最终通过更好地预测极端天气事件来拯救更多生命。

飞机尾气凝结线(即喷气尾迹)可能会对地球温度产生可测量的影响。虽然只有一小部分(约5%)的喷气尾迹会产生持久影响,但这种影响是显著的。为了解决这个问题,研究人员开发了一种基于人工智能的模拟系统,可以预测哪些航线上的飞机可能会产生这些持久的喷气尾迹。

关键在于准确地区分喷气尾迹和外观相似的卷云。然而,研究人员已经找到了一种可靠的方法来区分这两者,使这个问题可以被人工智能系统学习。

为了测试这种方法的有效性,研究人员与美国航空公司进行了一次试验,根据人工智能的预测提出了一些微小的航线调整。结果是减少了54%的热量捕获型喷气尾迹的产生,燃料使用量只增加了0.3%。这种净效果对环境的好处是当前方法的20倍。

通过有意避开可能产生持久喷气尾迹的区域,航空公司可以显著减少其对地球温度的影响,同时对其运营的影响也很小。这种创新的人工智能技术应用有望使航空旅行更加可持续,为应对气候变化做出贡献。