2014年微软研究院押注神经网络天气预报,如今登上 Nature

LesterMackey · x · 2026-10-19

Aditya Grover 回顾:2014 年深度学习只在计算机视觉领域展现希望,他在微软研究院实习时与 Anil Kapoor、Eric Horvitz 打赌,认为天气数据与视觉数据类似——只是把像素换成行星尺度网格上的物理变量。如今深度学习已成为跨尺度天气预报的主流方法。

Eric Horvitz 引用指出,当年的 KDD 论文是微软等机构后续大量天气 AI 工作的「远祖」;最新发表于 Nature 的研究提出 probabilistic bias correction 方法,通过从误差中学习,改进 2-6 周次季节尺度这一困难区间的预测。作者认为随着 world models 兴起,通用于广泛物理尺度的 AI 系统前景更大。