微软推出新机器学习工具，提升天气预报准确度
内容提要
微软推出开源工具PBC，利用机器学习纠正天气预报模型的系统性偏差，提升两到六周预测准确度。该工具仅需CPU运行，成本低，适合资源有限的气象机构。研究显示，它显著改善欧洲中期天气预报中心模型的降水与温度预测，并帮助肯尼亚等地改进极端天气预警。
延伸解读
PBC的定位：修正而非替代
与谷歌、英伟达等公司开发独立AI天气模型不同，微软的PBC工具专注于用机器学习识别并纠正现有模型的系统性偏差。这种方法不重建整个预报系统，而是对已有模型进行后处理，因此更容易被资源有限的气象机构采用。文章指出，PBC在ECMWF的物理模型上显著提升了降水和温度预报准确率，并使其AI预报系统的准确率翻倍。
低成本运行的实际意义
传统物理模型依赖超级计算机，生成式AI依赖强大GPU，而PBC仅需CPU即可运行。这一特点降低了AI增强天气预报的门槛，使发展中国家气象机构也能受益。论文作者之一Genevieve Flaspohler强调，PBC轻量且易于训练，科学家无需庞大资源即可针对本地情况调整模型。肯尼亚气象局正在测试PBC，以改进极端天气预警。
从研究到业务化的挑战
尽管PBC在研究中表现良好，但ECMWF机器学习战略负责人Matthew Chantry提醒，将新想法转化为实际业务操作是最具挑战性的一步。这意味着PBC的长期价值不仅取决于论文中的准确率提升，还取决于气象机构能否将其整合进日常预报流程。此外，PBC针对的是系统性偏差，对于数据极度稀缺或现象复杂的区域，其效果可能有限。
Q&A
微软推出的PBC工具是什么？
PBC是微软推出的开源机器学习工具，全称Probabilistic Bias Correction（概率偏差校正），用于纠正天气预报模型中的系统性偏差，提升两到六周预测准确度。
PBC如何提升天气预报准确度？
PBC利用机器学习识别现有天气预报模型中的系统性偏差并进行校正。例如，校正因气候变化导致的温度预测偏冷问题。它不创建新模型，而是改进现有模型。
PBC相比其他天气预报AI有什么优势？
PBC仅需CPU运行，成本低，适合资源有限的气象机构。而传统物理模型需要超级计算机，生成式AI依赖强大GPU。PBC更轻量、易训练，便于本地化配置。
PBC在哪些模型上验证了效果？
PBC显著改善了欧洲中期天气预报中心（ECMWF）物理模型的降水与温度预测，分别对98%的降水目标和92%的温度目标提升了准确度，并将ECMWF的AI预报系统准确度提高了一倍。
PBC如何帮助肯尼亚改进极端天气预警？
非营利组织Rhiza Research与肯尼亚气象服务局合作，在盖茨基金会资助下测试PBC等方法，以在创纪录的厄尔尼诺现象导致更极端雨季前，提供更准确的早期预警。
PBC工具是否开源？
是的，PBC工具已作为开源软件发布，相关研究发表在《自然》杂志上。
