从欧洲的致命洪水到全球不断增强的热带气旋，气候危机使得及时、精准的预报变得比以往任何时候都更为重要。然而，传统的预报方法依赖于历经数十年发展、高度复杂的数值模型，这需要强大的超级计算机和庞大的专家团队。据其开发者称，Aurora 提供了一种基于人工智能的强大且高效的替代方案。
核心：机器学习
阿姆斯特丹大学的机器学习专家、该模型的研究者之一 Max Welling 解释说："Aurora 利用最先进的机器学习技术，为关键环境系统——空气质量、天气、海浪和热带气旋——提供卓越的预报。"与传统方法不同，Aurora 所需的计算能力要低得多，这使得高质量的预报更容易获取和扩展——尤其是在缺乏昂贵基础设施的地区。
基于一百万小时的地球数据进行训练
Aurora 建立在一个拥有 13 亿参数的基座模型之上，该模型使用了超过一百万小时的地球系统数据进行训练。它经过微调，在多项预报任务中表现出色：
- 空气质量：在 74% 的情况下优于传统模型
- 海浪：在 86% 的指标上超过数值模拟
- 热带气旋：在 100% 的测试中击败了七个业务预报中心
- 高分辨率天气：在 92% 的情景下超越领先模型，尤其是在极端事件期间
快速、准确且包容的预报
随着气候变化加剧，快速可靠的预报对于备灾、应急响应和气候适应至关重要。研究人员相信，Aurora 通过使先进预报技术更易于获取，能够为此提供帮助。
同样来自阿姆斯特丹大学的 AI 研究员 Ana Lucic 指出："曾经需要数年才能完成开发周期，现在只需小型工程团队几周时间即可完成。这对全球南方国家、规模较小的气象服务机构以及专注于局部气候风险的研究团队来说，可能尤其宝贵。" Welling 补充道："重要的是，这种加速是建立在数十年基础研究以及通过传统预报方法积累的庞大数据集之上的。"
Aurora 可在线免费供任何人使用。如果有人想针对特定任务对其进行微调，他们需要为该任务提供数据。但 Lucic 解释说："'初始'训练已经完成，我们不再需要这些庞大的数据集了，其中的所有信息都已经融入到了 Aurora 中。"
面向未来的预报工具
尽管目前的研究集中在上述四个应用领域，但研究人员表示 Aurora 具有灵活性，可用于广泛的未来情景。这些可能包括预报洪水风险、野火蔓延、季节性天气趋势、农业产量以及可再生能源产出。Welling 称："其处理多种数据类型的能力使其成为一个强大且面向未来的工具。"
该研究的结论是，随着世界面临从热浪到飓风等更极端的天气，像 Aurora 这样的创新模型或许能将全球应对方式从被动的危机响应转变为主动的气候韧性建设。