天气与气候科学中的AI革命并非真正革命性

感觉现在人工智能无处不在，无论你是想在不被数字“助手”打断的情况下输入一句话，还是努力寻找一台不需要Wi-Fi连接的新冰箱。如果你想知道我们是否正处于技术的巨大飞跃之中，或者人们只是在炒作一堆垃圾，这是情有可原的。

那么，我们应该如何看待人工智能在天气和气候建模中日益广泛的应用呢？今年早些时候，当美国国家气象局的一个办公室发布了一张预测地图，上面显示了爱达荷州不存在的城市，比如“Whata Bod”和“Orangeotild”，这场对话的开局并不好。

幸运的是，那只是为社交媒体生成的人工智能图像，并非实际的预报模型。气象学家和气候科学家尚未被大型语言模型提示工程师取代。但人工智能正通过研究人员研究多年、优缺点已充分了解的技术被用于这些领域。

由于充分的原因，天气和气候模拟模型之间的这些技术有所不同。ML，而非LLM在所有这类模型中，“AI”指的是机器学习。无需深入探讨机器学习众多变体的技术细节，其核心思想很简单：利用计算机识别数据中的模式。

将一条直线趋势线拟合到数据（即线性回归）是一种非常简单的模式识别方法。

我们也可以用更复杂的曲线和方程进行回归。机器学习的力量（以及潜在陷阱）在于，算法可以处理更高层次的复杂性，找出我们很难手动识别的关系。机器学习从从头训练模型开始。模型被赋予某种结构（如神经网络），这为我们提供了许多可以独立调整的旋钮，以微调算法的行为。

然后给它大量示例数据，通常附有答案，例如数千张按物种标记的鸟类照片。模型随后迭代地确定最佳的旋钮值组合，以将照片内容与正确的物种联系起来。