明明晚上预报也看了，第二天出门前也在手机上确定了实时降雨概率很低。

一天之内四季随机播放，这谁顶得住？

（英国天气：你喊我？）

除去日常生活，航空领域中的短期天气预报一拉跨，飞机可能就得延误。

农业、水资源、应急管理的一些项目，在短期天气无法得到准确预测时，还可能造成更严重的后果。

于是，DeepMind和英国气象局就联手搞了个AI，最快1秒就能预测未来90分钟内的天气，预测范围还超过200万平方公里。

现在，这一研究已经登上Nature。

1秒生成单个预报

现有的很多预报技术会使用大量计算机模拟大气物理状态，这种方法适用于长期的天气预测。

而DeepMind团队开发的条件生成模型DGMR，则更专注于未来5到90分钟内的临近预报。

这一模型的预测范围最大能达到1536公里×1640公里，一张NVIDIA V100 GPU就能在1秒内生成单个预报，分辨率还能达到1公里。

DeepMind研究团队与英国气象局的50多位气象专家进行了一项认知评估，将基于DGMR的新方法与其他同类方法进行了对比。

实验证明，在降雨以及环流结构和强度的预测上，DGMR与目标雷达数据最为接近：

面对地区的强降水事件，DGMR在预测降水的强度和范围上的综合表现也最好：

将上述生成的预测图与同类模型预测图放在一起，让人类气象专家去盲选，最终在89%的案例中，DGMR的生成结果都被认定为最佳。

“定格动画”训练而来的AI

那么DGMR具体是如何通过现有的雷达数据预测未来的天气的呢？

可以说，整个模型是由一张一张的“定格动画”训练而来的。

只不过这些图片来自各国气象局发布的跟踪云层形成和移动的雷达测量数据快照：

具体来说，DGMR在英国2016-2018年的雷达观测数据上进行训练，并在2019年的测试集上进行评估。

将这些数据输入DGMR网络中，就能预测并生成未来的动态雷达图。

接下来看看它的具体架构。

这是一个类似GAN的深层生成网络DGMR，在给定的时间点T使用基于雷达的地表降水估计值XT，基于过去M个雷达场预测未来N个雷达场：

△模型包含随机变量Z和参数θ

学习则在条件生成的对抗网络GAN的算法框架中进行，用四个连续的雷达观测数据作为生成器（generator）的内容，以对未来降水的多个实现（18帧）进行采样。

再通过一个空间判别器、一个时间判别器、一个正则化项来调整参数。

DeepMind团队在最后也表明，气象局专家的参与以一种不同的方式推进了这次模型的生成。

未来我们还会开发更多评估性能的方法，以提高罕见和紧张事件所需的即时天气预报的准确性。