这些传统方法面临的问题在于计算量极为庞大，尤其是模拟法需要计算大量的物理效果。像美国联邦机构为天气预报所做的模拟，每天需要处理来自不同气象站多达100TB的数据量，并且需要花费数小时在昂贵的超级计算机上进行模拟。按照一次计算6小时算，一天顶多也只能计算3-4次。

相比之下Google的方法只需要数分钟，因为它们不是尝试进行复杂的天气建模，而是通过对简单的雷达数据进行计算预测。研究人员使用了美国国家海洋和大气管理局（NOAA）在2017-2019年间在美国附近收集的历史雷达数据来训练他们的AI模型。

研究人员表示，他们的方法与使用相同数据的现有的三种方法一样好甚至还要更好。但是该AI模型在预测6小时以上的远期预测时表现就不如人意了。目前来看这是机器学习在天气预报中的最佳选择：快速的进行短期预测，而较长时间的预测交给功能更强大的模型，像NOAA可以创建出10天的天气预报。

虽说目前还没有看到AI在天气预报中的实际应用，但现在已经有很多公司在进行该领域的工作，包括IBM和Monsanto等一些我们所熟知的公司。就像Google的研究人员所说。随着人类和气候之间的相互影响，这种预测技术在未来会变得越来越重要。