首先，研究人員將地球表面劃分成一個立方體的網格（左上），然後將六面平展成一個二維形狀（左下）。這項新技術讓研究人員可以使用標準的機器學習技術來進行天氣預報，這種技術是為二維影象開發的。

天氣預報來自地球上一些最強大的計算機。這些巨大的機器要處理數百萬次計算，以解出預測溫度、風、降雨和其他天氣事件的方程式。天氣預報中，準確性和時效性是非常重要的，即使現在最強大的計算機，也不能很好地預測未來很多天的天氣。

未來可能會採取一種截然不同的方式。華盛頓大學和微軟研究院的一項合作展示了人工智慧如何透過分析過去的天氣模式來預測未來的事件，其效率要高得多，有朝一日甚至可能比目前的技術更準確。

新開發的全球天氣模型是基於過去40年的天氣資料進行預測的，而不是基於詳細的物理計算。這個簡單的基於資料的人工智慧模型可以更快地模擬全球一年的天氣，幾乎和傳統天氣模型一樣好，根據今年夏天發表在《地球系統建模進展雜誌》上的一篇論文，我們可以從一個預報重複到下一個預報。

“機器學習本質上是做模式識別的美化版，”該研究的主要作者喬納森·溫說，。“人工智慧看到了一個典型的模式，認識到它通常是如何演變的，並根據過去40年的資料，決定該怎麼做。”

儘管新模型不如當今最頂尖的傳統預測模型準確，這一點並不令人意外，但目前的人工智慧設計在對全球相同數量的點進行預測時，使用的計算能力要少7000倍左右。更少的計算工作意味著更快的結果。

這種加速將使預報中心能夠快速地執行許多初始條件略有不同的模型，這是一種被稱為“集合預報”的技術，使得天氣預測可以覆蓋天氣事件可能的預期結果範圍，例如，颶風可能襲擊的地方。

左邊是這篇新論文的“人工智慧天氣預報”預報。中間是2017-18年的實際天氣情況，右邊是當天的平均天氣情況。

“這種方式的效率更高；這就是它的重要之處，”作者戴爾·杜蘭說，他是華盛頓大學的大氣科學教授。“它的前景是，透過建立一個足夠快的模型來執行非常大的系統，可以讓我們處理可預測性問題。”

經過對過去天氣資料的訓練，人工智慧演算法能夠提出物理方程無法解決的不同變數之間的關係，我們可以使用更少的變數，因此可以做出更快的模型。

為了成功地將人工智慧技術與天氣預報結合起來，該團隊將一個立方體的六個面繪製到地球上，然後像建築紙模型那樣將立方體的六個面平展出來。作者們對極地的處理不同，因為它們在天氣中的獨特作用對預報準確性起著很關鍵的作用。

作者隨後對他們的模型進行了測試，他們預測了全球500百兆赫壓力的高度，這是天氣預報的一個標準變數，在一年中每12個小時預測一次。在最近的一篇論文中，研究人員介紹了“WeatherBench”作為資料驅動天氣預報的基準測試，這種新模型是表現最好的模型之一。