NVIDIA 近日宣布推出全新的生成式 AI 模型 StormCast，進一步加強人工智慧對於全球氣候的模擬能力，並希望藉由 StormCast 提供高頻率且可靠的天氣預報，讓人類遇到颱風、颶風、龍捲風等極端天氣事件時，有辦法提前因應並減少損失。
NVIDIA 的數位孿生雲平台 Earth-2，結合了人工智慧、現實模擬和電腦繪圖運算的強大力量，能夠以前所未有的精度和速度，在全球範圍內模擬及視覺化天氣預測。
CorrDiff AI 幫助台灣準確預測颱風路徑
正如同先前 NVIDIA 執行長黃仁勳於 Computex 期間發表的演講，NVIDIA 與台灣國家災害防救科技中心合作，利用 Earth-2 中的 CorrDiff 生成式 AI 模型，準確預測颱風的路徑與強度。
國家災害防救科技中心在 CorrDiff 模型的幫助下，藉由 AI 的力量將 25 公里尺度的大氣數據精度，直接提升到 2 公里等級，精細度進步達 12.5 倍，使天氣預報模組的解析度大幅提高。
此外，CorrDiff 模型的單次推理速度，更比傳統的電腦模型加速達 1000 倍、能耗減少 3000 倍，甚至連運算降低成本也從過去仰賴 CPU，需要花費近 300 萬美元，降低到使用 NVIDIA H100 Tensor Core GPU 單一系統，僅需 60000 美元即可完成演算，支出開銷巨幅下降。
全新 StormCast AI 更即時、精準度更高
至於這次 NVIDIA 全新推出的生成式 AI 模型 StormCast，則是為 CorrDiff 增加了「逐小時自回歸預測」（hourly autoregressive prediction）功能，讓 AI 能夠根據過去的天氣資料，提供更頻繁與即時的氣象預報結果。
NVIDIA 指出，傳統區域天氣預報模型所採用的「對流允許模式」（CAM），迫使氣象研究人員在解析度、系集規模和運算承受能力上面臨不同權衡，但 CAM 對於追蹤風暴的演變及結構，以及監測其對流發展模式、形成時的組織方式等卻非常有用，比方說判斷龍捲風是否可能出現，就得透過 CAM 的運算結果進行預測分析。
目前基於全球資料進行訓練的機器學習模型，已經成為氣象單位進行天氣預報的主要手段，數值模型還可用於改善極端氣候事件的預警，然而，這些機器學習模型通常只具備 30 公里的空間解析度，以及 6 小時的時間解析度。
為高解析度天氣預報 AI 再推進一步
在 StormCast 推出後，藉由 AI 輔助新版天氣模型的預測解析度，將能提升到 3 公里空間範圍，時間頻率則縮短到每個小時。NVIDIA 表示，儘管還處於起步階段，但 StormCast 和降雨雷達的觀測資料共同應用時，已可提供了長達 6 小時短期預報，而且預測準確率還比起美國 NOAA 的 3 公里解析度 CAM 高出 10%。
此外，StormCast 還能模擬物理上真實的熱量和濕度動態，並且可預測高達 100 多個變量，例如多個精細間隔高度的溫度、濕度、風和降雨雷達反射率，這使得氣象學家能夠確認風暴的 3D 真實演變過程，為人工智慧天氣模擬領域的首創。
科羅拉多州立大學大氣合作研究所的機器學習負責人 Imme Ebert-Uphoff 表示，開發高解析度天氣模型，需要 AI 演算法來解決對流的生成及演變問題；NVIDIA 的 StormCast 擴散模型擁有實踐這一目標的潛力，為開發更大規模的高解析度天氣預報 AI 模型跨出了重要一步。
【推薦閱讀】
◆ 「你明白在股市裡該怎麼做吧！」Google 前執行長稱 3 千億美元投資流向 NVIDIA
＊本文開放合作夥伴轉載，資料來源：《NVIDIA》、《VentureBeat》。首圖來源：YouTube
