AI的協助能使颱風預測更加準確。示意圖。截自氣象署官網
今年夏天數個颱風接連侵台，加上近幾年氣候變遷，天氣現象愈趨極端，也加深預報的難度，造成人心惶惶。不過，生成式AI的誕生帶來一線曙光，中央氣象署與輝達（NVIDIA）攜手合作的一個強大新武器：AI模型「CorrDiff」，為氣象領域應用AI跨出了重要一步。到底它厲害在哪？
打開天氣預報App，看見颱風來襲降雨機率提高，卻仍沒有實感；或是知道山區會下豪大雨，但沒料到溪水竟會暴漲，造成有人不幸罹難。這是一般民眾與天氣現象之間，長年來始終跨不過的一道「溝」。
不過，生成式AI誕生後，有望在未來補足缺陷。
這一切的關鍵突破之一，出現在今年兩個科技現場。在3月份輝達（NVIDIA）GTC大會、6月份台北國際電腦展COMPUTEX演講舞台上，輝達執行長黃仁勳皆提到與中央氣象署合作開發的生成式AI模型「CorrDiff」，能透過AI將氣象資料解析度從25公里降至2公里，與傳統模式相比，更可讓單次推理速度提高1000倍、能耗減少3000倍。
★台灣第一個ESG與USR永續整合平台，加入ESG遠見共好圈★
這讓台下眾人為之驚艷，各界對於AI的關注度，也從單純的硬體，或是製造業等應用，轉移到過去較少受到重視的「氣象」領域。而這款模型，也在7月份的凱米颱風首度發揮功用，如今成為氣象署的助手。
「經過實際驗證結果發現，這一次AI的表現的確比傳統模式好，」中央氣象署署長程家平在颱風過後接受《遠見》專訪，滿意地看著展示螢幕，向記者說道。
「CorrDiff偉大的地方在於，這是第一次可以用AI去生成出這麼細緻的氣象資料。」長年研究氣象AI應用的台大氣候天氣災害研究中心副研究員陳柏孚也指出，雖然CorrDiff尚未觸碰到最核心的氣象「預報」，但已經為氣象領域應用AI跨出了重要一步。
機器學習大幅降低氣象模式運算資源
CorrDiff的重要性究竟在哪？這得從氣象領域應用機器學習的歷程開始說起。
程家平解釋，氣象界自1950年代起便開始用電腦預測氣象，稱之為「NWP模式」（Numerical Weather Prediction，傳統數值天氣預報），透過數學物理方程式產出預報資料。2010年左右起，陸續有科學家採用機器學習方法開發預測模式，也就是「DWP模式」（Data Science Based Weather Prediction），但當時尚未造成全面性的轟動。
直到生成式AI問世，近一兩年來，DWP模式蓬勃發展，包括Google Deep Mind推出的AI預測模型「GraphCast」、輝達的「FourCastNet」等，成為氣象界矚目的焦點。
「當我擁有全球氣象資料後，（使用DWP）只需要傳統氣象模式運算資源的萬分之一，它的準確度更比過去好20％至30％！」陳柏孚說。
問題來了，這些全球氣象資料都是使用25公里解析度的資料進行訓練，台灣因面積太小，難以直接用其來處理天氣現象。用CorrDiff來「降尺度」（也就是提高解析度）的重要性由此而生。
事實上，過去並非沒有降尺度的方法，但傳統的「統計降尺度」、「動力降尺度」，兩者都有不足之處。
程家平說明，由於大氣現象非常複雜，如小尺度的雷陣雨和大尺度的鋒面系統會交互影響，地形也會產生干擾，這些皆為「非線性現象」，但統計降尺度只能處理單純的線性資料，就會產生預測不夠精準的問題。
動力降尺度雖然足以處理非線性資料，卻難在需耗費非常大量的電腦運算資源和時間成本，「這就是為什麼AI降尺度的方式會被凸顯出來，」程家平強調，「它既可以處理很多非線性資料，又不用花那麼多時間、資源。」
延伸閱讀：輝達、美超微在台建AI算力中心，引爆再生能源售電商戰
氣象署與輝達攜手打磨「AI降尺度」，創造雙贏
有感於AI將大幅提升作業效率，這也是為什麼，氣象署早從三年前就找上輝達了解各種AI應用，開啟合作。
以CorrDiff來說，便是由氣象署提供四年份、以每小時計的2公里氣象資料，共含四個變數，而輝達則拿出25公里氣象資料，並負責演算法及提供超級電腦運算資源，採「監督式學習」（Supervised learning）進行訓練，共同打磨出這款模型。
其實換個角度看，台灣之於輝達發展氣候AI模型的進程上，也有其重要意義。
「輝達在做CorrDiff之前，其實已經在全球天氣預報有非常好的成果，所以他接著就要找一個小尺度、天氣最困難最複雜的地方，」陳柏孚分析，台灣處在最大季風區、有複雜地形，又有颱風、梅雨，本身就夠挑戰、夠有特色，雙方合作是雙贏。
「這（CorrDiff）是我們做的諸多AI專案中比較大型的，」程家平透露，其實氣象署內部過去三年早已發展出大大小小共30多種AI應用，如地震預警、雲量辨識、空氣品質預報等，甚至還在去年底獨立成立有10個分組、達20人以上的AI工作小組，統整過去散落在不同單位的資源，全力發展AI。
這一年，也碰巧搭上「黃仁勳熱潮」，首度讓外界關注起氣象界的AI應用。「黃仁勳他給了很好的vision（願景）、非常好的vision，AI應用這件事情是很有未來性的，」程家平強調。
終極目標是打造台版「氣象數位孿生」，提供個人化決策建議
但CorrDiff還只是第一步，氣象署的終極目標，是要訓練更多台版資料，發展自己的區域模型，也就是真正將AI應用到最核心的「預報」上，提供更高解析的氣象預報給台灣人，甚至是打造出「台灣的氣象數位孿生」。
這意味著，未來將可以用電腦模擬任何天氣現象。輝達上月推出的全新AI模型、用以預報美國大平原的強烈颶風的「StormCast」，就起了重要的示範性作用。
「以前的氣象預報做得再準，永遠有一個很大的gap是，一般人其實沒有能力去詮釋氣象資料，這就要靠AI和數位孿生來補，」陳柏孚說，「未來它就會直接告訴你要不要帶雨傘、應該把防水板拿出來、出門要戴口罩，將氣象和個人化的生活決策貼合在一起。」
廣義來看，這更會大幅影響各行各業，如降低颱風的衝擊、在寒流前精準預估流感疫苗儲備量等，外界對此也樂觀看待。富邦產險資深副總經理林國鈺便分享，若未來能應用AI技術，協助農業與一般企業提早進行防災準備，減少災害發生，也能減少保險理賠，長期來看將創造雙贏。
更甚之，這也將開啟新一波國際間的合作。程家平指出，雖然訓練氣象AI很複雜、但應用很容易，對於資源不豐、沒有部署高速電腦做氣象預測的國家而言，使用少量電腦資源就能快速上手應用。
一場由黃仁勳掀起的AI熱潮，持續在台灣各個角落發酵，看在程家平眼裡，願景很美好，但路還很長、還得經過各種嚴謹認證，「不是CorrDiff做完就好了。」但，這也讓他對透過AI探索更多未知，充滿期待，「不論成功或失敗，科學就是一條不斷去摸索、嘗試的路。」