想象一下，數以萬計的高爾夫球以超過每小時100英里的速度從天而降會是怎樣的情形，而冰雹所能造成的破壞正與其相當。

在短短幾分鐘的時間內，冰雹就會摧毀莊稼，讓車身凹陷，粉碎擋風玻璃，甚至會讓房屋和建筑物傷痕累累，造成數十億美元的損失。

“由于冰雹有很大的破壞性，我們希望能夠更準確地對它進行預測，從而提前做好防御，避免人身及財產損害，”美國國家大氣研究中心（NCAR）博士后研究員David Gagne II說道。

為更準確地預測冰雹可能發生的地點以及冰雹大小，Gagne與NCAR的其他科學家正在使用GPU加速的深度學習進行研究。

目前冰雹預測能力不足

當雷暴中的上升氣流強到足以將水滴帶到結冰層以上的高空時，冰雹便會產生。這些凍結的水滴變成冰雹，且會隨著水分凍結的增加而不斷變大。當冰雹太重以致上升氣流無法托住時，它們便會降落到地面。

Gagne指出，氣象學家與其他科學家有多種預測風暴的方法，但是這些方法均存在缺陷，可能會導致風暴預測漏報與誤報的情況。科學家們也曾嘗試基于機器學習進行預測。

Gagne表示：“機器學習可對惡劣天氣進行準確預測，但它需要不斷努力學習空間格局。”這些格局可顯示哪些地區會受到降雨或冰雹的影響。

AI預測潛能

根據Gagne及其他科學家在《American Meteorological Society》期刊上發表的一篇論文，相比之下，將空間格局、時間、以及對條件的物理理解集成至深度學習模型之中更為容易。

AI還可能從數據中發現新知識，例如從多普勒雷達地圖（即電視上的天氣預報中所顯示的彩色地圖）所示數據中得出結論。

“我想知道通過深度學習能否看到這些圖像，看到氣象學家所看到的情況，或者通過深度學習是否能發現某些不同的現象。”Gagne說道。

冰雹使車身凹陷。科學家希望通過更精準的冰雹預測，讓人們（以及他們的車）能夠及時轉移到風暴范圍以外的保護區。

預測可破壞車身的冰雹

Gagne與其團隊使用NVIDIA Tesla GPU與cuDNN加速的TensorFlow深度學習框架，訓練他們的模型預測直徑大于25毫米或約四分之一英寸大小的冰雹。

Gagne說：“這就是足以導致汽車凹陷或屋頂損壞的冰雹尺寸。”

在迄今為止的實驗中，相比其他模型而言，他們的模型通常誤報率更低、準確性更高。Gagne 說，更準確的冰雹預測可讓人們有充足的時間轉移到保護區，將車輛停到風暴范圍之外，也可讓機場及時改變飛機航線或取消航班。

Gagne與其他科學家同時也在利用AI進行預測降水類型、強風及風暴持續時間的試驗。