DeepMind AI 模型可提前一天预测飓风路径与强度

2025年10月，加勒比海上空酝酿着一场风暴。各天气模型对其路径的预测存在分歧：它会保持较弱强度并最终抵达海地，还是会增强并转向牙买加？由谷歌DeepMind和谷歌研究开发的人工智能模型WeatherNext给出了后一种答案。

在登陆前五天，它就以80%的置信度预测该风暴系统将以5级飓风的强度袭击牙买加。飓风梅丽莎造成了灾难性影响，在牙买加各地引发洪水和山体滑坡。但这一AI模型帮助预报员向风暴路径上的社区提前发出预警，使他们能够更好地做好准备。

在周四发表于《自然》杂志的一篇论文中，研究人员展示了WeatherNext AI模型能够以前所未有的准确度预测气旋。平均而言，它比现有模型多给预报员一天的提前量；这意味着它提前三天的预测准确度与旧模型提前两天的预测相当。

在实际操作中，多出的这一天可能意义重大。美国国家飓风中心主任迈克·布伦南表示：“即使多几个小时也能带来改变。”组织疏散、调配物资和调动资源以应对飓风风险都是时间敏感的任务，而做出错误决策可能带来严重后果。

他说：“在做这类决策时，时间确实非常宝贵，因此能将预报准确度比以往提前一天，这非常有价值。”

研究人员表示，从历史上看，将预报提前一天需要十年的努力。对AI来说，模拟极端事件可能颇具挑战。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。

“我们没有那么多飓风数据，但我们有大量天气数据，”谷歌DeepMind研究科学家、论文主要作者之一费兰·阿莱特说，“所以我们训练了一个模型，让它既擅长天气预测，也擅长气旋预测。

”大气合作研究所热带气旋小组负责人、论文作者凯特·马斯格雷夫指出，飓风特别难以预测，因为它们在多个空间尺度上运作。预测风暴路径（即其移动方向）需要全球尺度的天气数据，包括冷锋位置和盛行风等信息。

然而，预测风暴强度则需要专门针对当地大气和海洋状况的更小尺度数据。“这是我们从这些全球模型中无法获得的，”马斯格雷夫说。早期AI模型在预测风暴路径方面表现良好，但“在强度预测上完全不行”。预测两者都至关重要：强度的变化可能意味着相对较弱的风暴与大型飓风之间的天壤之别。

有时——就像飓风梅丽莎那样——风暴系统会迅速增强，一夜之间演变成紧急情况。梅丽莎标志着国家飓风中心首次在风暴仅为1级时就能预测到它将发展为5级飓风。在WeatherNext模型用于实时预报之前，研究人员用回顾性数据对其进行了测试。

“结果好到我们怀疑在实时演示中是否真能重现，”马斯格雷夫说。但当预报员将该模型投入实际使用后，其表现依然出色。“我想所有人都对它表现之好感到惊讶，”马斯格雷夫说。

即使是开发该模型的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，因为它使用的大气数据分辨率远低于传统模型预测风暴强度所需的分辨率。

“当我们告诉业界，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所捕捉到的关于未来情况的信号比之前认为的要多，”阿莱特说。AI模型必定从低分辨率数据中捕捉到了某种信息，使其能够预测风暴强度，但研究人员尚不清楚具体是什么。

“归根结底它是一个黑箱，但这给物理学家一个信号：有些此前未被理解的现象正在发生，”阿莱特说。

该模型并非只给出一个预测；它会为发展中的风暴生成一系列可能的情景。阿莱特说，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导致后续更大的变化。预报员可以将这些输出与其他模型的输出结合，来形成对风暴系统可能如何演变的判断。

去年，该AI模型每次风暴生成50个情景；现在，它生成1000个。“以我们的计算能力，现有数值模型根本无法做到这一点，”马斯格雷夫说。布伦南表示，DeepMind的模型是预报员工具箱中一个很棒的新工具，但他强调这只是众多工具之一。

“不能保证一个模型因为去年表现好或对某场特定风暴表现好，就一定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。“飓风预报不仅仅是路径或强度预测，”他说，“还需要专家将其转化为可能的影响——而正是这些影响夺走生命。

”谷歌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。阿莱特希望向研究界开放这些模型，能帮助揭示关于气旋运作机制的新见解。

“我对科学发现感到非常兴奋，”他说，“我认为AI正在为我们提供探索宇宙规律的新工具。”