DeepMind称其AI能比其他机构更早预测飓风

# DeepMind 称其 AI 能比其他人更早预测飓风 来源：https://www.wired.com/story/deepmind-ai-model-can-predict-hurricanes-earlier/ 2025 年 10 月，一场风暴在加勒比海酝酿。各天气模型对其路径预测不一。它会保持较弱强度并最终影响海地，还是增强并朝牙买加移动？由 [Google 的 DeepMind](https://www.wired.com/tag/deepmind/) 和 Google Research 开发的人工智能模型 WeatherNext 选择了后者。在登陆前五天，它就以 80% 的置信度[预测](https://deepmind.google/blog/how-weathernext-helped-the-national-hurricane-center-better-predict-hurricane-melissas-historic-landfall-in-jamaica/)该风暴系统将以 5 级飓风的强度袭击牙买加。 [Hurricane Melissa](https://www.wired.com/story/hurricane-melissa-has-meteorologists-terrified/) 造成了灾难性影响，在牙买加全境引发洪水和山体滑坡。但该 AI 模型帮助预报员更早地向风暴路径上的社区发出预警，使他们能够更好地做好准备。 在周四发表于 *Nature* 的一篇论文中，研究人员展示了 [WeatherNext AI 模型](https://www.wired.com/story/google-deepmind-ai-weather-forecast/) 能够以前所未有的准确度预测气旋。平均而言，它比现有模型多为预报员争取一天提前量；这意味着它提前三天的预测，与之前模型提前两天的预测同样准确。在实际中，多出的这一天可能意义重大。 “哪怕是几个小时都可能产生影响，”美国国家飓风中心主任 Mike Brennan 表示。组织[疏散](https://www.wired.com/2016/10/move-2-million-people-hurricane-matthews-way/)、调配物资、调动资源以应对飓风风险，这些都是对时间敏感的任务——而做出错误决定可能带来严重后果。“在做此类决策时，时间确实如黄金般宝贵，因此能够将预报准确度比我们以往所能做到的再提前一天，真的非常有价值。”他说。 研究人员表示，从以往情况来看，将预报提前一天需要十年时间的工作。 对 AI 来说，对极端事件建模可能颇具挑战。机器学习需要充足的训练数据才能做出未来预测，但极端事件本质上很少发生。“我们没有那么多气旋数据，但我们有大量天气数据，”Google DeepMind 研究科学家、论文主要作者之一 Ferran Alet 说，“所以我们所做的是训练一个模型，使其既擅长预测天气，也擅长预测气旋。” 大气研究合作研究所热带气旋组负责人、论文作者之一 Kate Musgrave 表示，飓风之所以特别难以预测，是因为它们涉及多个空间尺度。预测风暴路径——即其行进方向——需要全球范围的天气数据，包括冷锋位置和盛行风等信息。然而，预测风暴强度则需要更小尺度的数据，专门聚焦于当地的大气和海洋条件。 “这正是我们从这些全球模型中无法获得的信息，”Musgrave 说。尽管早期的 AI 模型在预测风暴路径方面表现出色，但“强度预测它们完全做不好。” 两者都预测至关重要：强度的变化可能意味着相对较弱的风暴与强烈飓风之间的差别。有时——比如在 Hurricane Melissa 的案例中——一个风暴系统会迅速增强，一夜之间演变成紧急情况。Melissa 标志着国家飓风中心首次在风暴仅处于 1 级阶段时就预测到它将发展为 5 级飓风。 在 WeatherNext 模型用于实时预报之前，研究人员曾用回顾性数据对其测试。“结果太好了，以至于我们怀疑在实时演示中是否能真正看到这样的表现，”Musgrave 说。但当预报员开始将该模型应用到实际工作中时，这种表现依然成立。“我想所有人都对其出色表现感到惊讶，”Musgrave 说。 即使是参与该模型的 DeepMind 研究人员，也不完全理解 AI 模型为何能产生如此准确的预测，因为它使用的低分辨率大气数据远低于传统模型预测风暴强度所需的数据。“当我们告诉学界，我们的模型只使用相对粗糙的分辨率时，他们感到震惊，因为这意味着低分辨率输入捕捉到的未来信号比以往认为的更多，”Alet 说。 AI 模型一定是从低分辨率数据中捕捉到了某些信息，使其能够对风暴强度做出预测，但研究人员并不知道那是什么。“说到底它是一个黑盒，但这给了物理学家一个信号：有某些此前未被理解的事情正在发生，”Alet 说。 该模型不只是给出一个预测；它会为发展中的风暴生成一系列可能的情景。Alet 说，这有助于捕捉任何潜在的“蝴蝶效应”，即趋势中的微小偏差可能引发后续更大的变化。预报员可以将这些输出，连同其他模型的输出，用于完善他们对风暴系统可能如何发展的预测。去年，该 AI 模型每场风暴生成 50 个情景；现在，它能生成 1000 个。 “这是我们现有的数值模型凭借我们的计算能力根本无法做到的，”Musgrave 说。 Brennan 表示，DeepMind 的模型是预报员工具箱中一个很棒的新工具，但他强调它只是众多工具之一。“不能保证某个模型因为去年表现好，或对某场特定风暴表现优异，就一定会是下个季节或下一场风暴的最佳模型，”他说。他补充说，人的因素仍然至关重要。“飓风预报不只是路径或强度预报，”他说，“还需要专家将其转化为可能造成的影响——而正是影响本身会夺走生命。” Google DeepMind 还宣布，将开源飓风季节期间使用的 WeatherNext 模型，以便研究人员使用和改进它们。Alet 希望，向研究界开放这些模型能有助于揭示关于气旋运行机制的新见解。 “我对科学发现感到非常兴奋，”他说，“我认为 AI 正在为我们提供新的工具，去探索宇宙的规律。”