日前，微软开发的人工智能模型能够在不到一分钟时刻内精确猜测全球空气污染，乃至还能快速猜测全球10天内的气候。

  该模型名为Aurora，是科技巨子正在开发的一系列人工智能气候预报东西之一，包含谷歌DeepMind的GraphCast，以及英伟达的FourCastNet。但研讨人员表明，Aurora快速猜测全球空气污染的才干是开创性的。

  “对我来说，这是大气化学与机器学习之旅的第一步。”欧洲中期气候预报中心（ECMWF）的机器学习研讨员Matthew Chantry说。

  传统气候预报运用的是大气、陆地和海洋物理进程的数学模型。Chantry说，为了猜测空气污染水平，研讨人员曾经运用机器学习和传统数学模型。Aurora似乎是第一个猜测全球污染的彻底人工智能模型，这是一项比气候预报杂乱得多的使命。

  Chantry说，与传统模型比较，人工智能模型常常要更少的核算才干来进行猜测。

  美国微软研讨院科学智能中心的人工智能研讨员Paris Perdikaris和搭档发现，Aurora能够在不到一分钟时刻内猜测全球6种首要空气污染物的水平，包含一氧化碳、氮氧化物、二氧化氮、二氧化硫、臭氧和颗粒物，猜测跨度为5天。该团队5月20日发布在arXiv上的预印本中写道，与ECMWF在哥白尼大气监测服务运用的传统模型比较，Aurora能够“以更小的核算成本”猜测全球空气污染水平。

  Aurora的猜测与传统模型的猜测质量类似。方针制定者可通过这些猜测追寻空气污染并防备相关的健康损害。据悉，空气污染与哮喘、心脏病和痴呆症的危险添加有关。

  研讨人员依据来自6个气候和气候模型的超越100万小时的数据对Aurora进行了练习。练习后，该团队对其进行了调整，以猜测全球的污染和气候。该模型在进行空气污染猜测的一起，还会生成10天的全球气候预报。

  该团队表明，在某些使命上，Aurora能够胜过其他气候猜测人工智能模型，如GraphCast——能够胜过传统模型，在几分钟内猜测全球气候。但Chantry表明，现在进行清晰的比较还为时过早，“你有必要花许多时刻，而且或许接触到模型自身，才干真实进一步探究细节，并确认地说模型a比模型B更好”。

  进一步研讨将提醒在Aurora等不同数据集上练习的“根底”人工智能模型是否比在GraphCast等单一数据集上练习的模型体现更好。“有许多很帅的研讨要做。”Chantry说。