超快人工智能首次预测全球空气污染

日前，微软开发的人工智能模型可以在不到一分钟时间内准确预测全球空气污染，甚至还能快速预测全球10天内的天气。

该模型名为Aurora，是科技巨头正在开发的一系列人工智能天气预报工具之一，包括谷歌DeepMind的GraphCast，以及英伟达的FourCastNet。但研究人员表示，Aurora快速预测全球空气污染的能力是开创性的。

“对我来说，这是大气化学与机器学习之旅的第一步。”欧洲中期天气预报中心（ECMWF）的机器学习研究员Matthew Chantry说。

传统天气预报使用的是大气、陆地和海洋物理过程的数学模型。Chantry说，为了预测空气污染水平，研究人员以前使用机器学习和传统数学模型。Aurora似乎是第一个预测全球污染的完全人工智能模型，这是一项比天气预报复杂得多的任务。

Chantry说，与传统模型相比，人工智能模型通常需要更少的计算能力来进行预测。

美国微软研究院科学智能中心的人工智能研究员Paris Perdikaris和同事发现，Aurora可以在不到一分钟时间内预测全球6种主要空气污染物的水平，包括一氧化碳、氮氧化物、二氧化氮、二氧化硫、臭氧和颗粒物，预测跨度为5天。该团队5月20日公布在arXiv上的预印本中写道，与ECMWF在哥白尼大气监测服务使用的传统模型相比，Aurora可以“以更小的计算成本”预测全球空气污染水平。

Aurora的预测与传统模型的预测质量相似。政策制定者可以利用这些预测追踪空气污染并防范相关的健康危害。据悉，空气污染与哮喘、心脏病和痴呆症的风险增加有关。

研究人员根据来自6个天气和气候模型的超过100万小时的数据对Aurora进行了训练。训练后，该团队对其进行了调整，以预测全球的污染和天气。该模型在进行空气污染预测的同时，还会生成10天的全球天气预报。

该团队表示，在某些任务上，Aurora可以胜过其他天气预测人工智能模型，如GraphCast——可以胜过传统模型，在几分钟内预测全球天气。但Chantry表示，现在进行明确的比较还为时过早，“你必须花很多时间，并且可能接触到模型本身，才能真正深入了解细节，并确定地说模型a比模型B更好”。

进一步研究将揭示在Aurora等不同数据集上训练的“基础”人工智能模型是否比在GraphCast等单一数据集上训练的模型表现更好。“有很多很酷的研究要做。”Chantry说。

（责编：赵珊）