不知道大家對deepmind這個公司還有沒有印象？如果大家記憶有點模糊的話，那這裡我們可以給大家一些提示。前幾年一個号稱阿爾法狗的人工智能ai，在全球圍棋圈裡橫掃天下，不但擊敗了李世石，還把當時的圍棋第一人柯潔給下哭了。而阿爾法狗這個人工智能就是來自deepmind這家公司。
可能是在圍棋上已經做到了天下無敵，是以deepmind很快就将這套人工智能系統轉戰到其他領域上，比如電競遊戲。結果在《星際争霸2》中，阿爾法狗再次橫掃天下，斬各大職業高手于馬下。或許是赢人腦赢得太多，deepmind覺得沒什麼挑戰，畢竟人腦計算的速度并沒有ai這麼快，是以這次deepmind将ai的領域放到了另一個更複雜的環境——大自然。
很多人不知道的是，在經曆圍棋和電競比賽的獨孤求敗後，deepmind在過去幾年裡，一直和英國氣象局合作，當然這項合作是秘密進行的。而兩者合作的内容則是利用人工智能來預測天氣，最近deepmind在《自然》雜志上發表了論文，展示了兩家合作的成果。從介紹來看，deepmind設計了一個全新的機器學習模型，可以很準确地預測未來幾小時内是否會下雨，而且準确度比氣象台的預報還高。
目前的天氣預測是由強大的數值天氣預報系統驅動來解決實體方程式，數值天氣預報系統可以提前數天得到地球規模大小的預測。然而，它們卻很難在兩小時内産生高解析度的預測。即時預報填補了這一關鍵時間區間的性能空白，氣象傳感的進步使高精度雷達可以高頻地提供測量出的地面降水量資料。不過即時天氣預報實際上也是由數值天氣預報系統改進而來，這也是一種深度學習的模型，可以随機模拟得出機率性和确定性的預報，并且在多種空間尺度上都适用。
不過現有的深度學習模型，在降水越來越模糊的情況下表現出了不确定性，而且不包括小尺度天氣模式。此外，現有方法側重于特定地點的預測，而不是對整個降水場的機率預測，這使其無法在多個空間和時間集合中同時提供一緻的預測結果，限制了實用性。而deepmind則設計了一套全新的深度模型，既能從觀測資料中學習，又能表示多個空間和時間尺度上的不确定性。
deepmind使用産生模型的方法，是根據過去的雷達，對未來的雷達進行詳細和可信的預測。有了這樣的方法，既可以準确地捕捉大規模的事件，同時也可以産生許多備選的降雨情景，降低降雨預測的不确定性。deepmind的模型也十分擅長中到大雨事件的預測，與其他競争方法相比有着明顯的改進。deepmind表示，在經過英國國家氣象局的50多名專家氣象學家進行了認知任務評估之後，與廣泛使用的預測方法相比，在89%的情況下專家們會把deepmind的方法評為首選。
從實際的效果來看，與其他方法相比，deepmind的方案提供的機率預測更加準确，并且在空間和時間尺度上保留了降水的統計特性。不過也有不少科學家提出疑問，一些科學家表示沒有看到deepmind在天氣預測上有什麼革命性的進步，它的模型也是基于現有技術而改進的，而且沒有實際評估的詳細内容。
當然不管如何，至少現在以現在的結論來看，deepmind這套人工智能預測系統，在精準度和短時間的即時天氣預報來看，是優于傳統的方案的。不過至于說用這套系統來取代老方案，甚至讓天氣預報人員下崗，那還言之尚早。
一方面，deepmind表示，目前還沒有任何立即投入使用的計劃，但團隊希望最終能夠利用模型為今後的天氣報告提供真實的訊息；而另一方面deepmind也承認，人工智能不會取代人類，天氣預測需要專家和人類參與其中，以確定在預測方面的了解是合理的，然後将其傳達給公衆。