跨界合作正逐渐成为企业发展的关键策略；此次与ANA的合作，优衣库依旧不改初衷。
发布日期：2024-11-14 09:39
安德鲁•布卢姆
■几年前一个雾蒙蒙的晚上，在欧洲中期天气预报中心(European Centre for Medium-Range Weather forecasting)，我观看了世界上最先进的计算机天气模型之一进行它每日两次的的近期大气状况检视。
当我面前的屏幕闪烁着平淡无奇的状态信息时，大厅那头的超级计算机每秒处理着数万亿个变量。在两个多小时的时间里，它利用物理方程将最新的天气观测结果转化为未来14天的高清天空图像。这将为世界各地气象学家预测天气提供原始材料——对人们外出穿衣的选择、喷气式飞机的飞行或躲避风暴都很有用。现代气象预报是科技合作的惊人成就，这个系统是在过去半个世纪里花费很大气力搭建起来的。
因此，当谷歌(Google)旗下DeepMind的科学家本周在《科学》(Science)杂志上发表一篇论文，暗示气象预报系统的超凡地位可能很快就会成为过去时，这挺让人意外的。人工智能可能即将带给我们一种新的天气预报范式。谷歌的GraphCast系统不是基于物理定律，而是基于对过去39年天气的分析。它不是在排球场大小的超级计算机上运行，而是在一台笔记本电脑上运行。它不需要花两个小时，只需要花不到一分钟。它不是“数值天气预报”（NWP，支撑现代气象预报的技术），而是“基于机器学习的天气预报”，这是一种全新的方法，其初期结果已经显现出惊人的潜力。
不要指望天气预报的质量会立即提高。不要指望谷歌会取代英国气象局(Met Office)。还没有到那个地步。但是，人工智能再一次以惊人的效率和生猛赶上了现有技术的效果，这让专家们对其潜力遐想无限。就天气预报而言，这可能意味着更准、更精确，能预测未来更多天的天气。这甚至可能从以月为单位的季节性预测拓展至预测更长时间跨度的气候模式。
在某些方面，GraphCast的方法是对过去的一种回归。1922年，英国数学家刘易斯•弗里•理查森(Lewis Fry Richardson)提出了天气预报的设想。理查森梦想着用足够快的速度——即能够对未来天气进行预测的速度——演算挪威气象学家威廉•比耶克内斯(Vilhelm Bjerknes)的方程式。这在当时意味着需要将6.4万名计算人员召集到一个体育馆里，但按照这种方法，气象学家将摆脱更早先的低效方法，即通过比较过去和现在的天气图来猜测未来天气。
理查森当年没有谷歌，但GraphCast是使用欧洲中期天气预报中心生成的历史数据集进行训练的，本质上是对1979至2017年间大气状况的连续模拟。该模型需要两个最新的地球天气状态——当前时间和6小时前——以便预测未来6小时的天气状态。但是，虽然这项工作效率惊人，但数据处理仍然依赖于欧洲中期天气预报中心的庞大技术基础设施。
它还要求首先收集数据，这仍然是由卫星舰队、成千上万的气象站和其他各种观测工具完成的，这些工具主要是由各个国家气象组织操作的，一个多世纪以来，这些组织一直将交换数据作为一种原则和政策。现在，这一切都有可能改变。
事实上，最近发表在《科学》杂志上这篇论文的脚注披露了两个突出的事实。这项研究由谷歌DeepMind和Alphabet资助，几位受雇于谷歌的作者已经就研究结果提交了临时专利申请。虽然这是意料之中和显而易见的，但它标志着对天气预测历史惯例的重大背离。过去几年，私人观测出现了蓬勃发展，有了微型卫星、气球以及将手机元数据应用于气象感知。它预示着自第二次世界大战以来一直维持的国际天气秩序的崩溃。
目前，GraphCast仍然完全依赖于这个系统的输出。但它是一家私营公司的产品，这一事实打破了传统。其他人也尝试过，但都没有取得太大的成功。谷歌搜索算法以及其他技术的惊人发明已经砸了许多其他行业的饭碗。但天气是另一回事。对现行气象预测范式的改变，与其说是一个行业对一个行业的取代，不如说是一种私人物品对一种公共物品的取代。
毫无疑问，改善天气预报质量是有价值的。不同的是，这种价值创造出来就不是为了让我们所有生活在地球大气层怀抱中的人共享的，而且此际我们正日益受到日益严重的极端天气威胁。■
当我面前的屏幕闪烁着平淡无奇的状态信息时，大厅那头的超级计算机每秒处理着数万亿个变量。在两个多小时的时间里，它利用物理方程将最新的天气观测结果转化为未来14天的高清天空图像。这将为世界各地气象学家预测天气提供原始材料——对人们外出穿衣的选择、喷气式飞机的飞行或躲避风暴都很有用。现代气象预报是科技合作的惊人成就，这个系统是在过去半个世纪里花费很大气力搭建起来的。
因此，当谷歌(Google)旗下DeepMind的科学家本周在《科学》(Science)杂志上发表一篇论文，暗示气象预报系统的超凡地位可能很快就会成为过去时，这挺让人意外的。人工智能可能即将带给我们一种新的天气预报范式。谷歌的GraphCast系统不是基于物理定律，而是基于对过去39年天气的分析。它不是在排球场大小的超级计算机上运行，而是在一台笔记本电脑上运行。它不需要花两个小时，只需要花不到一分钟。它不是“数值天气预报”（NWP，支撑现代气象预报的技术），而是“基于机器学习的天气预报”，这是一种全新的方法，其初期结果已经显现出惊人的潜力。
不要指望天气预报的质量会立即提高。不要指望谷歌会取代英国气象局(Met Office)。还没有到那个地步。但是，人工智能再一次以惊人的效率和生猛赶上了现有技术的效果，这让专家们对其潜力遐想无限。就天气预报而言，这可能意味着更准、更精确，能预测未来更多天的天气。这甚至可能从以月为单位的季节性预测拓展至预测更长时间跨度的气候模式。
在某些方面，GraphCast的方法是对过去的一种回归。1922年，英国数学家刘易斯•弗里•理查森(Lewis Fry Richardson)提出了天气预报的设想。理查森梦想着用足够快的速度——即能够对未来天气进行预测的速度——演算挪威气象学家威廉•比耶克内斯(Vilhelm Bjerknes)的方程式。这在当时意味着需要将6.4万名计算人员召集到一个体育馆里，但按照这种方法，气象学家将摆脱更早先的低效方法，即通过比较过去和现在的天气图来猜测未来天气。
理查森当年没有谷歌，但GraphCast是使用欧洲中期天气预报中心生成的历史数据集进行训练的，本质上是对1979至2017年间大气状况的连续模拟。该模型需要两个最新的地球天气状态——当前时间和6小时前——以便预测未来6小时的天气状态。但是，虽然这项工作效率惊人，但数据处理仍然依赖于欧洲中期天气预报中心的庞大技术基础设施。
它还要求首先收集数据，这仍然是由卫星舰队、成千上万的气象站和其他各种观测工具完成的，这些工具主要是由各个国家气象组织操作的，一个多世纪以来，这些组织一直将交换数据作为一种原则和政策。现在，这一切都有可能改变。
事实上，最近发表在《科学》杂志上这篇论文的脚注披露了两个突出的事实。这项研究由谷歌DeepMind和Alphabet资助，几位受雇于谷歌的作者已经就研究结果提交了临时专利申请。虽然这是意料之中和显而易见的，但它标志着对天气预测历史惯例的重大背离。过去几年，私人观测出现了蓬勃发展，有了微型卫星、气球以及将手机元数据应用于气象感知。它预示着自第二次世界大战以来一直维持的国际天气秩序的崩溃。
目前，GraphCast仍然完全依赖于这个系统的输出。但它是一家私营公司的产品，这一事实打破了传统。其他人也尝试过，但都没有取得太大的成功。谷歌搜索算法以及其他技术的惊人发明已经砸了许多其他行业的饭碗。但天气是另一回事。对现行气象预测范式的改变，与其说是一个行业对一个行业的取代，不如说是一种私人物品对一种公共物品的取代。
毫无疑问，改善天气预报质量是有价值的。不同的是，这种价值创造出来就不是为了让我们所有生活在地球大气层怀抱中的人共享的，而且此际我们正日益受到日益严重的极端天气威胁。■
读者评论
热门排行榜
OR
2023-11-21 04:55
科技
天气预报体系即将遭遇人工智能的狂风暴雨
天气预报体系即将遭遇人工智能的狂风暴雨
安德鲁•布卢姆：气象预测长期以来是供所有人使用的公共品，如今它可能会被私有化。
安德鲁•布卢姆
■几年前一个雾蒙蒙的晚上，在欧洲中期天气预报中心(European Centre for Medium-Range Weather forecasting)，我观看了世界上最先进的计算机天气模型之一进行它每日两次的的近期大气状况检视。
当我面前的屏幕闪烁着平淡无奇的状态信息时，大厅那头的超级计算机每秒处理着数万亿个变量。在两个多小时的时间里，它利用物理方程将最新的天气观测结果转化为未来14天的高清天空图像。这将为世界各地气象学家预测天气提供原始材料——对人们外出穿衣的选择、喷气式飞机的飞行或躲避风暴都很有用。现代气象预报是科技合作的惊人成就，这个系统是在过去半个世纪里花费很大气力搭建起来的。
因此，当谷歌(Google)旗下DeepMind的科学家本周在《科学》(Science)杂志上发表一篇论文，暗示气象预报系统的超凡地位可能很快就会成为过去时，这挺让人意外的。人工智能可能即将带给我们一种新的天气预报范式。谷歌的GraphCast系统不是基于物理定律，而是基于对过去39年天气的分析。它不是在排球场大小的超级计算机上运行，而是在一台笔记本电脑上运行。它不需要花两个小时，只需要花不到一分钟。它不是“数值天气预报”（NWP，支撑现代气象预报的技术），而是“基于机器学习的天气预报”，这是一种全新的方法，其初期结果已经显现出惊人的潜力。
不要指望天气预报的质量会立即提高。不要指望谷歌会取代英国气象局(Met Office)。还没有到那个地步。但是，人工智能再一次以惊人的效率和生猛赶上了现有技术的效果，这让专家们对其潜力遐想无限。就天气预报而言，这可能意味着更准、更精确，能预测未来更多天的天气。这甚至可能从以月为单位的季节性预测拓展至预测更长时间跨度的气候模式。
在某些方面，GraphCast的方法是对过去的一种回归。1922年，英国数学家刘易斯•弗里•理查森(Lewis Fry Richardson)提出了天气预报的设想。理查森梦想着用足够快的速度——即能够对未来天气进行预测的速度——演算挪威气象学家威廉•比耶克内斯(Vilhelm Bjerknes)的方程式。这在当时意味着需要将6.4万名计算人员召集到一个体育馆里，但按照这种方法，气象学家将摆脱更早先的低效方法，即通过比较过去和现在的天气图来猜测未来天气。
理查森当年没有谷歌，但GraphCast是使用欧洲中期天气预报中心生成的历史数据集进行训练的，本质上是对1979至2017年间大气状况的连续模拟。该模型需要两个最新的地球天气状态——当前时间和6小时前——以便预测未来6小时的天气状态。但是，虽然这项工作效率惊人，但数据处理仍然依赖于欧洲中期天气预报中心的庞大技术基础设施。
它还要求首先收集数据，这仍然是由卫星舰队、成千上万的气象站和其他各种观测工具完成的，这些工具主要是由各个国家气象组织操作的，一个多世纪以来，这些组织一直将交换数据作为一种原则和政策。现在，这一切都有可能改变。
事实上，最近发表在《科学》杂志上这篇论文的脚注披露了两个突出的事实。这项研究由谷歌DeepMind和Alphabet资助，几位受雇于谷歌的作者已经就研究结果提交了临时专利申请。虽然这是意料之中和显而易见的，但它标志着对天气预测历史惯例的重大背离。过去几年，私人观测出现了蓬勃发展，有了微型卫星、气球以及将手机元数据应用于气象感知。它预示着自第二次世界大战以来一直维持的国际天气秩序的崩溃。
目前，GraphCast仍然完全依赖于这个系统的输出。但它是一家私营公司的产品，这一事实打破了传统。其他人也尝试过，但都没有取得太大的成功。谷歌搜索算法以及其他技术的惊人发明已经砸了许多其他行业的饭碗。但天气是另一回事。对现行气象预测范式的改变，与其说是一个行业对一个行业的取代，不如说是一种私人物品对一种公共物品的取代。
毫无疑问，改善天气预报质量是有价值的。不同的是，这种价值创造出来就不是为了让我们所有生活在地球大气层怀抱中的人共享的，而且此际我们正日益受到日益严重的极端天气威胁。■
当我面前的屏幕闪烁着平淡无奇的状态信息时，大厅那头的超级计算机每秒处理着数万亿个变量。在两个多小时的时间里，它利用物理方程将最新的天气观测结果转化为未来14天的高清天空图像。这将为世界各地气象学家预测天气提供原始材料——对人们外出穿衣的选择、喷气式飞机的飞行或躲避风暴都很有用。现代气象预报是科技合作的惊人成就，这个系统是在过去半个世纪里花费很大气力搭建起来的。
因此，当谷歌(Google)旗下DeepMind的科学家本周在《科学》(Science)杂志上发表一篇论文，暗示气象预报系统的超凡地位可能很快就会成为过去时，这挺让人意外的。人工智能可能即将带给我们一种新的天气预报范式。谷歌的GraphCast系统不是基于物理定律，而是基于对过去39年天气的分析。它不是在排球场大小的超级计算机上运行，而是在一台笔记本电脑上运行。它不需要花两个小时，只需要花不到一分钟。它不是“数值天气预报”（NWP，支撑现代气象预报的技术），而是“基于机器学习的天气预报”，这是一种全新的方法，其初期结果已经显现出惊人的潜力。
不要指望天气预报的质量会立即提高。不要指望谷歌会取代英国气象局(Met Office)。还没有到那个地步。但是，人工智能再一次以惊人的效率和生猛赶上了现有技术的效果，这让专家们对其潜力遐想无限。就天气预报而言，这可能意味着更准、更精确，能预测未来更多天的天气。这甚至可能从以月为单位的季节性预测拓展至预测更长时间跨度的气候模式。
在某些方面，GraphCast的方法是对过去的一种回归。1922年，英国数学家刘易斯•弗里•理查森(Lewis Fry Richardson)提出了天气预报的设想。理查森梦想着用足够快的速度——即能够对未来天气进行预测的速度——演算挪威气象学家威廉•比耶克内斯(Vilhelm Bjerknes)的方程式。这在当时意味着需要将6.4万名计算人员召集到一个体育馆里，但按照这种方法，气象学家将摆脱更早先的低效方法，即通过比较过去和现在的天气图来猜测未来天气。
理查森当年没有谷歌，但GraphCast是使用欧洲中期天气预报中心生成的历史数据集进行训练的，本质上是对1979至2017年间大气状况的连续模拟。该模型需要两个最新的地球天气状态——当前时间和6小时前——以便预测未来6小时的天气状态。但是，虽然这项工作效率惊人，但数据处理仍然依赖于欧洲中期天气预报中心的庞大技术基础设施。
它还要求首先收集数据，这仍然是由卫星舰队、成千上万的气象站和其他各种观测工具完成的，这些工具主要是由各个国家气象组织操作的，一个多世纪以来，这些组织一直将交换数据作为一种原则和政策。现在，这一切都有可能改变。
事实上，最近发表在《科学》杂志上这篇论文的脚注披露了两个突出的事实。这项研究由谷歌DeepMind和Alphabet资助，几位受雇于谷歌的作者已经就研究结果提交了临时专利申请。虽然这是意料之中和显而易见的，但它标志着对天气预测历史惯例的重大背离。过去几年，私人观测出现了蓬勃发展，有了微型卫星、气球以及将手机元数据应用于气象感知。它预示着自第二次世界大战以来一直维持的国际天气秩序的崩溃。
目前，GraphCast仍然完全依赖于这个系统的输出。但它是一家私营公司的产品，这一事实打破了传统。其他人也尝试过，但都没有取得太大的成功。谷歌搜索算法以及其他技术的惊人发明已经砸了许多其他行业的饭碗。但天气是另一回事。对现行气象预测范式的改变，与其说是一个行业对一个行业的取代，不如说是一种私人物品对一种公共物品的取代。
毫无疑问，改善天气预报质量是有价值的。不同的是，这种价值创造出来就不是为了让我们所有生活在地球大气层怀抱中的人共享的，而且此际我们正日益受到日益严重的极端天气威胁。■
读者评论OR
读者评论
OR
分享：
每日头条
OR
最新资讯
OR
热门排行榜
OR
OR品牌理念
■ 或者, 留一段影像，回一曲挂牵。丝丝入扣、暖暖心灵 ，需飘过的醇厚与共。
■ 或者，热烈空雨伴芬芳泥土；绿绿生命缠锐意骄阳。
回望，回望，一马平川红酒飘散断归途。
■ 或者，灰蒙蒙空气重回道指一万四千点。滚动时光，照进现实，流逝过往，回归未来。
■ 或者，热烈空雨伴芬芳泥土；绿绿生命缠锐意骄阳。
回望，回望，一马平川红酒飘散断归途。
■ 或者，灰蒙蒙空气重回道指一万四千点。滚动时光，照进现实，流逝过往，回归未来。
■ OR 新媒体是一个提供时政、经济、文化、科技等多领域资讯的平台，旨在为用户提供优质的阅读体验。网站的网址是oror.vip，用户可以通过浏览器在台式电脑 、笔记本电脑 、平板电脑 、手机访问。.......