谷歌山景研究中心的一組研究人員開發(fā)了基于深度學習的天氣預報工具，用于預測短期天氣事件。他們寫了一篇描述其“臨近預報工具”的論文，并將其上傳到arXiv預印服務(wù)器。他們還在Google AI博客上發(fā)布了一篇新聞報道，介紹了他們的工作。

盡管付出了數(shù)年的努力，但預測天氣仍然是一門不精確的科學。當前的方法涉及從各種來源收集數(shù)據(jù)，并使用超級計算機進行分析，而超級計算機需要花費數(shù)小時來提供預測。盡管現(xiàn)代天氣預報比過去準確得多，但仍然有很多不足之處，尤其是在本地和短期內(nèi)。在這項新的工作中，Google團隊采用了不同的短期預測方法，而不是使用物理學，而是使用最新的雷達圖對未來進行了有根據(jù)的猜測。

Google的新工具利用了機器學習功能，對卷積神經(jīng)網(wǎng)絡(luò)(CNN)進行了訓練，可以識別天氣模式，然后根據(jù)當前天氣情況進行預測。生成的工具提供了Google描述為“降水臨近預報”的功能-基于本地的，近乎瞬時的短期天氣預報。

Google使用的CNN類型稱為U-Net，該系統(tǒng)通過將數(shù)據(jù)分類到各個層中，這些層通過編碼階段進行排列以提高處理速度，迭代用于降低圖像分辨率，然后使用解碼來還原圖像還原為原始分辨率。該系統(tǒng)分析過去N個小時的雷達數(shù)據(jù)，以預測未來N個小時的天氣事件，其中N介于零到六個小時之間。整個過程僅需幾分鐘。與傳統(tǒng)的預測系統(tǒng)相比，該系統(tǒng)能夠更快地返回答案，因為它忽略了所涉及的物理過程，而是依靠圖像處理。

研究人員通過將其與三種廣泛使用的預測模型進行比較來測試他們的工具。他們聲稱，他們的預測在短期內(nèi)比所有三個模型都更準確，但從長期來看卻不那么準確。