Google DeepMind
Google DeepMind周二（11/14）发表了号称史上最准确的全球天气预报AI模型GraphCast，它是个中期气象预测模型，可在1分钟内预测未来10天的天气，比欧洲中期天气预报中心（ECMWF）所打造的10天高解析度预测（HRES）更准确也更快速。DeepMind不仅已透过GitHub开源GraphCast，亦已于ECMWF官网上公开测试GraphCast。
GraphCast使用了40年的天气再分析资料进行训练，相关资料来自于ECMWF的ERA5资料集。此一资料集集结了各种的历史天气观测资料，包括卫星图像与雷达，再加上气象站所使用的基于物理运算的传统数值天气预报（NWP）来弥补观测不足之处，以重建丰富的全球历史天气纪录。
此外，GraphCast是个基于机器学习及图像神经网路的天气预报系统，它以0.25度经纬度（相当于28×28公里）的高解析度进行预测，以逾100万个网格覆盖了地球表面，在每个网格中预测5种地球表面变数，如温度、风速、风向及平均海平面压力等，以及6个大气变数。
尽管GraphCast的训练属于密集运算，但所生成的预测模型却非常有效率，GraphCast只需要输入两组资料，包括6小时前的天气状态以及现在的天气状态，该模型就能预测6小时之后的天气，以此类推一直到10天。在一台Google TPU v4机器上不到1分钟就能完成10天的预测，相较之下，若以传统的HRES进行预测，在一个由数百台机器组成的超级电脑上还需要数小时才能得到结果。
比较GraphCast与HRES的准确度，在1380个测试变数与提前预报时间上，GraphCast有超过90%都比HRES还要准确，若将预测范围缩小至对流层，GraphCast有99.7%的预测优于HRES。
除了一般的天气预测之外，DeepMind资深科学家Remi Lam指出，即使没有经过特别的训练，但GraphCast可比传统的预测模型更早辨识恶劣的天气事件，包括将气旋追踪器直接应用于GraphCast预测中，或是呈现大气河流（AV）的特性，可即早发现飓风与洪水，将有助于在愈来愈极端的全球气候中提前防范。
在GraphCast之前，Google DeepMind与Google Research已曾发表两款天气预报系统，包括可生成90分钟之后天气预报的Nowcasting模型，以及24小时预报系统MetNet-3，而这两个系统都是属于区域性的，GraphCast则覆盖了全球。
除了已有包括ECMWF在内的气象组织采用了GraphCast，DeepMind也认为，开源GraphCast可望激发更多的可能性，包括针对特定气候现象制作模型，或是针对全球不同地区的需求来优化模型。