微软开源机器学习工具 Probabilistic Bias Correction，用 CPU 就能改进天气预报

微软研究院联合 MIT、ECMWF 等机构在《自然》发表研究，提出 Probabilistic Bias Correction（PBC）。它不另建独立预报模型，而是用机器学习识别现有模型的系统性偏差并加以校正，例如让模型不再因历史记录偏冷而低估当前升温趋势。测试中 PBC 将 ECMWF 主流物理模型 98% 的降水目标和 92% 的温度目标准确度提升，并把 ECMWF 新 AI 预报系统的准确度提高一倍。该工具已开源，且只需 CPU 即可训练和运行，不依赖 GPU 或超算。 对经费有限的天气机构影响最直接：经济欠发达地区的预报部门过去因算力门槛难以采用 AI 方法，现在可以在本地硬件上针对特定区域微调模型。论文作者之一 Genevieve Flaspohler 所在非营利组织 Rhiza Research 正与肯尼亚气象局合作，在预计更极端的厄尔尼诺雨季前测试 PBC 提前预警效果。 ECMWF 机器学习战略负责人 Matthew Chantry 表示，把这类新想法落地到实际业务运行仍是最难的一步。