模型或将变革自然灾害应对机制

从欧洲致命的洪水到全球日益加剧的热带气旋，气候危机使得及时、精确的预报变得比以往任何时候都更加重要。然而，传统的预报方法依赖于数十年发展而成的高度复杂的数值模型，需要强大的超级计算机和庞大的专家团队。据其开发者介绍，Aurora利用人工智能提供了一种强大且高效的替代方案。

机器学习的核心

“Aurora采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，”阿姆斯特丹大学机器学习专家、该模型的研发者之一马克斯·韦林解释道。与传统方法不同，Aurora所需的计算能力大大降低，使高质量预报更易获取且更具扩展性——特别是在缺乏昂贵基础设施的地区。

基于百万小时地球数据训练

Aurora建立在一个拥有13亿参数的基础模型之上，该模型接受了超过一百万小时地球系统数据的训练。它经过微调，在一系列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%的预测目标上超越数值模拟
• 热带气旋：在100%的测试中击败七家业务预报中心
• 高分辨率天气：在92%的情景中超越领先模型，尤其是在极端事件期间

快速、精确且包容的预报

随着气候波动性加剧，快速可靠的预报对于防灾备灾、应急响应和气候适应至关重要。研究人员认为，Aurora通过使先进预报更易获取，能够提供帮助。

“曾经需要数年时间的开发周期，如今小型工程团队仅需数周即可完成，”同样来自阿姆斯特丹大学的人工智能研究员安娜·卢西奇指出，“这对全球南方国家、小型气象服务机构以及专注于本地化气候风险的研究团队可能尤其有价值。”韦林补充道：“重要的是，这种加速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。”

Aurora可在网上免费供任何人使用。若用户希望针对特定任务对其进行微调，则需提供该任务的相关数据。“但‘初始’训练已完成，我们不再需要这些庞大数据集，其中的所有信息已融入Aurora之中，”卢西奇解释道。

面向未来的预报工具

尽管当前研究聚焦于上述四项应用，但研究人员表示Aurora具有灵活性，可适用于广泛的未来场景。这些场景可能包括洪水风险预测、野火蔓延预测、季节性天气趋势预测、农业产量预测以及可再生能源出力预测。“其处理多样化数据类型的能力，使其成为一个强大且面向未来的工具，”韦林表示。

研究总结指出，随着全球面临更多极端天气——从热浪到飓风——诸如Aurora的创新模型可能推动全球方法从被动危机应对转向主动气候韧性建设。