作者keroromoa (說再多也只為保護自己)
看板TY_Research
標題[新聞] 傳統模型vs.人工智慧 氣象署:綜合判讀
時間Sun Oct 27 17:32:38 2024
(一)新聞標題
傳統模型vs.人工智慧 AI颱風路徑預報各有優劣 氣象署:綜合判讀
(二)新聞內容
記者 周祐萱 / 攝影 李延智 報導
發佈時間:2024/10/12 22:41
最後更新時間:2024/10/12 22:58
https://www.youtube.com/watch?v=d-Qi7SvRuZA
颱風路徑預報,除了傳統模型,AI也能發揮功用,以7月凱米颱風為例,AI早在登陸5天前
,就預測會登陸,比傳統模型更早預判到,而10月的山陀兒颱風,前期表現也較亮眼,但
氣象署認為,
AI預報路徑還在學習階段,跟傳統相比,各有優劣,所以目前仍會仰賴預報
員,做綜合性判讀。
https://cc.tvbs.com.tw/img/upload/2024/10/12/20241012215456-2644cfdf.jpg
圖/TVBS
氣象署預報中心副主任黃椿喜:「(AI)比較早掌握到,(山陀兒颱風)會往海峽這裡來,可
是實際上往西凸的這一塊,還沒有抓到。」
這個路徑就是綜合AI跑出來的,
山陀兒剛成形,就比傳統物理模型預測,更早預判
會登陸。
氣象署預報中心副主任黃椿喜:「(但)在後期它(AI)不一定,比得上這個傳統模型。」
但後期路徑預報,各模式都往西偏,甚至
AI認為在東部出海機率較高,反觀傳統模式則是
,推測較高機率登陸後很快消散,所以對於AI預測的應用,氣象署也還在觀察。
氣象署預報中心副主任黃椿喜:「雖然
輝達在(山陀兒颱風)早期,先提早做出一些,在台
灣西側這邊過來的這種路徑,可是其實包含可能台灣自己的高精細,或者是歐洲的模式,
也有部分反映這些路徑,可是我們在做預報的路徑的時候,氣象署在做的時候(當時大多還
是偏東),其實做的比較像是綜合的考量,現在看起來的話這些(AI)大型的模型,跟傳統物
理我們用高速電腦,在使用的這個模型,實際上沒有說是絕對性的領先,沒有絕對性的領
先,應該是在
互有優劣,甚至因為它的精細度不夠的原因,所以我們現在在使用的時候,
目前應該都是相輔相成的。」
AI套用在氣象預報是個新領域,從凱米颱風逐漸發覺,它的重要性,因為早在7月25日登
陸前五天,也就是7月20日,AI主要都預測會登陸,反觀歐洲物理模式,也就是傳統方式
,還認為從東北部外海離開,直到後期才陸續修正,不諱言
AI在早期路徑預報表現亮眼,
但並非絕對優勢。
氣象署預報中心副主任黃椿喜:「
輝達或者是歐洲或者是像Google,還有其他一些人工智
慧的模型,目前來看都已經進到我們作業的系統裡面,可以協助我們預報員,來進行綜合
的分析研判,那所以現在預報員在做預報的時候,除了傳統的模型,
傳統的模型我可能就
有好幾百條路徑,那現在會加入20、30條人工智慧。」
能確定的是AI應用,已經蔓延到天氣分析,就連解析度也能提高。
氣象署科技發展組組長張保亮:「這個就一格25公里,那看起來我們要用這個來做,這個
颱風在接近台灣,甚至是登陸台灣期間的這個研判,其實是很不足夠的。」
背後強大武器,就是和輝達合作的Corrdiff生成式AI,全球氣象資料傳統,都是25公里解
析度資料,但台灣面積小地形又複雜,就得用「降尺度」技術,也就是提高解析度,而
過
去降尺度方式,多半要花費大量的電腦運算資源和時間,但AI強大計算力,省時以外精準
度也大幅提高。
氣象署科技發展組組長張保亮:「
傳統的話一般是用統計的方法來做,那CorrDiff的話它
是,因為它訓練的資料是來自於數值模式,就是有物理為基礎的這樣的模式,所以它可以
把物理這樣的過程,學習到這個AI的模型裡面,那當然相對會比較準確,另外一個是
它可
以處理比較複雜,像多維度、多變數這樣的問題。」
進入氣象署的超級電腦機房,這裡放24台都放有輝達GPUA100,支援氣象署的AI應用服務
。
氣象署科技發展組組長張保亮:「你可以看到它要登陸之前,其實它的這個結構,從25公
里其實沒有辦法看得很清楚,那如果再看2公里的時候,它登陸的位置大概也就在,高雄
跟屏東交界的附近,從這個結果來看2公里確實可以,來提供比較細緻的(判讀)。」
從2019年開始合作,現在要努力研發第二版,希望能共同讓,AI氣象應用再更上一層路,
而不只氣象署,包含天氣分析團隊或粉專,也都紛紛鑽研AI的幫助。
天氣風險公司副總經理簡瑋踨:「AI它的缺點就是,它目前對於颱風的強度,掌握的比較
沒有這麼好,那普遍看下來它其實對於強度的,颱風的強度是有一點點,報比較偏弱的。
」
台灣颱風論壇執行長陳柏宏:「考量到颱風遇到台灣陸地時的複雜性,還有AI模型本身的
解析度,還需要由專業而且有經驗的氣象人員,進行資料判讀還有修正。」
但不論AI還是傳統模式都只是「預判」,沒有絕對的百分之百,只希望從經驗中,累積「
精準度」。
(三)新聞連結
https://news.tvbs.com.tw/life/2649217
(四)其他心得或備註
我蠻喜歡這篇新聞的,完整的說明今年凱米和山陀兒,
早期預測與登陸後預測的比較細節,清楚說明各個預測優勢在哪邊。
同時也指出在同樣25公里解析度下,為什麼AI能看到傳統模式看不到的細節。
從內文來看,CWA也已經把AI納入預報作業中,
可以看成將AI視為預報系集成員其中的幾十項,
隨著預報的經驗增加,也會更清楚AI和傳統模式在預報的使用時機。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.137.137.175 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/TY_Research/M.1730021561.A.9E9.html
推 aegis43210 : 這也牽涉到未來CWA超級電腦的戰略,是要和之前一樣 10/27 17:45
→ aegis43210 : 以CPU為主,或是和歐洲一樣CPU和GPU並重,但CWA有沒 10/27 17:45
→ aegis43210 : 有使用CUDA的專家是個問題 10/27 17:46
推 LADKUO56 : NV不是有跟CWA合作? 應該會並重吧 10/27 17:54
→ airua : CWA的預報圈好像比JMA大很多,是因為多包了一些牌的 10/27 18:22
推 Chricey : 長時間坐著工作,關節痛越來越嚴重,該怎麼辦?推薦UC2 10/27 18:22 → airua : 關係,還是以前就這樣啊? 10/27 18:23
推 ben108472 : JMA也沒必較準,誤差圈本來就是代表信心度 10/27 18:29
推 WuCH1022 : JMA根本模式報啥就給啥 人工介入少很多 10/27 18:51
推 ben108472 : JMA感覺就完全是自動化出預報,只有影響日本才會介 10/27 18:52
推 Chricey : 我阿嬤說吃豬腳補關節,豬腳吃起來 10/27 18:52 推 KimomiKai : 黑貓白貓的概念啊,做理工科的本來就是遵循事半功 10/27 19:05
→ KimomiKai : 倍 10/27 19:05
推 snocia : JMA自從幾年前宣佈要縮小以往過大的誤差圈之後就變 10/27 19:16
→ snocia : 這麼小,我是覺得常常小得誇張 10/27 19:17
推 Chricey : 關節痛這種東西靠UC2就對了 10/27 19:17 推 chenghuyen : CWA也認證今年凱米跟山陀兒AI領先傳統 10/27 20:43
推 dfgh5566 : 看了推文對JMA有全新的認識... 10/27 22:22
推 xzero0911 : 山坨兒的時候小J前後報都會差很多XD 10/28 00:33
→ sbtiagr : 以前JMA誤差圈很大 10/28 16:03
推 Kroner : 5樓關節跟X一樣 10/28 16:03 推 tender573 : 我只相信NV 10/28 21:36