英国谷歌深度思想科学家Ilan Price与合作者报导了一个机器学习模型，该模型名为“GenCast”，能依据当时和未来气候进行牢靠的概率气候预告。该模型的体现超越了最好的传统中程气候预告，还能更好地猜测

　　精确的气候预告关于个人、政府和安排的日常要害决议计划必不可少，这些决议计划包含是否带雨伞、评价风能产值或是极点气候规划。气象预告传统上运用数值气候预告法，这种办法估量当时气候，并基于此猜测未来一段时间的气候（称为确定性预告）。这会产生很多潜在情形，经过结合这些情形就能进行气候预告。

　　研究者表明，GenCast机器学习气候猜测办法能生成概率性猜测，即依据当时和之前的气候状况猜测未来气候的可能性。他们用40年（1979至2018年）的气候产生最佳估量剖析数据训练了GenCast，使其能在8分钟内对超越80个外表和大气变量进行以12小时为单位的15天全球预告。相较于欧洲中期气候预告中心的调集预告（ENS），他们发现GenCast 在用于评价体现的1320个目标的97.2%的目标上都优于ENS。他们还发现，GenCast在猜测极点气候、热带气旋道路和风能产值时更有用。

　　研究者指出，GenCast或能供给更高效、有用的气候预告，以支撑实践规划。（来历：我国科学报 冯维维）