微软开源机器学习工具 PBC，提升两周至六周天气预报准确性

微软的这项研究并非从头构建新的天气模型，而是用机器学习给已有模型“纠偏”。传统物理模型和 AI 模型在预测两周以上天气时都会出现可靠性下降的问题，原因在于模型用近似值填补数据空白——比如缺乏气象站的地区或尚未被完全理解的大气现象——这些近似会变成系统偏差，且预测时间越长，误差累积越严重。PBC 就是识别这些偏差并加以修正。

一个例子是气候变化带来的偏差：化石燃料排放使地球变暖，但基于历史数据的模型可能偏向于预测比现在更冷的温度。PBC 可将此类系统性错误校正过来。研究人员称，PBC 提升了欧洲中期天气预报中心（ECMWF）一个领先物理模型的准确性，对 98% 的降水目标和 92% 的温度目标指标有效；在分析中，它还将 ECMWF 新 AI 预报系统的准确性提升了一倍。ECMWF 此前已在其中 AI 天气预报竞赛中表彰过这项研究。

该工具以开源软件形式发布，硬件要求低。微软新英格兰研究院高级首席研究员 Lester Mackey 表示，它只用 CPU 就能运行，不像物理建模依赖超级计算机，也不像生成式 AI 依赖强大的 GPU。论文作者之一 Genevieve Flaspohler 说，PBC 轻量、易于训练，资源有限的研究人员也能针对特定地区调整模型。她所在的非营利机构 Rhiza Research 正与肯尼亚气象局合作，在盖茨基金会资助下测试包括 PBC 在内的方法，以在预期的极端雨季前改进预警。