DeepMind 表示其人工智能可以比其他人更早预测飓风

2025年10月，加勒比海上空酝酿着一场风暴。天气模型对其轨迹有所不同。它会保持弱势并最终到达海地，还是会加强并前往牙买加？由谷歌旗下 DeepMind 和谷歌研究院开发的人工智能模型 WeatherNext 就选择了后者。登陆前五天，它以 80% 的置信度预测风暴系统将以 5 级飓风袭击牙买加。飓风梅丽莎是灾难性的，在牙买加造成洪水和山体滑坡。但人工智能模型帮助预报员提前向沿途社区发出警告，以便他们能够更好地做好准备。在周四《自然》杂志上发表的一篇论文中，研究人员表明，WeatherNext 人工智能模型可以以前所未有的准确度预测气旋。平均而言，它为预报员提供了比现有模型多一天的提前时间；这意味着它三天后的预测与之前模型两天后的预测一样准确。在实地，额外的一天意义重大。美国国家飓风中心主任迈克·布伦南 (Mike Brennan) 表示：“即使几个小时也能产生影响。”组织疏散、调动物资和转移资源以应对飓风风险都是时间敏感的任务，做出错误的决定可能会产生严重后果。 “对于此类决策来说，时间确实是黄金，因此能够将预测准确性比我们以前能够做到的时间延长一天的能力非常有价值，”他说。研究人员表示，从历史上看，将预测提前一天需要花费十年的时间。对人工智能来说，对极端事件进行建模可能具有挑战性。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。 “我们没有那么多的气旋数据，但我们有很多天气数据，”谷歌 DeepMind 的研究科学家、该论文的主要作者之一费兰·阿莱特 (Ferran Alet) 说。 “所以我们所做的就是训练一个模型，让它既擅长天气又擅长飓风。”大气合作研究所热带气旋小组负责人、该论文的作者凯特·马斯格雷夫 (Kate Musgrave) 表示，飓风特别难以预测，因为它们在多个空间尺度上运行。预测风暴的路径（行进方向）需要全球范围内的天气数据，并考虑冷锋位置和盛行风等信息。然而，预测风暴的强度需要专门针对当地大气和海洋条件的小规模数据。 “这是我们无法从这些全球模型中得到的东西，”马斯格雷夫说。虽然早期的人工智能模型在预测风暴路径方面做得很好，但“它们根本无法预测风暴的强度。”预测两者至关重要：强度的变化可能意味着相对较弱的风暴和大型飓风之间的差异。有时，就像梅丽莎飓风一样，风暴系统可能会迅速增强，在一夜之间发展成为紧急情况。梅丽莎标志着国家飓风中心首次能够在风暴仅处于 1 级阶段时预测 5 级飓风。在 WeatherNext 模型用于实时预报之前，研究人员使用回顾性数据对其进行了测试。 “结果非常好，以至于我们怀疑是否能在实时演示中看到这一点，”马斯格雷夫说。但当预测者开始将该模型应用到他们的操作中时，这种表现就成立了。 “我想每个人都对它的表现感到惊讶，”马斯格雷夫说。即使是研究该模型的 DeepMind 研究人员也没有完全理解人工智能模型如何产生如此准确的预测，因为它使用的大气数据分辨率比传统模型预测风暴强度所需的要低得多。 “当我们告诉社区我们的模型仅使用相对粗糙的分辨率时，他们感到震惊，因为这意味着较低分辨率的输入捕获的有关即将发生的事情的信号比之前认为的要多，”阿莱特说。