预报升级

通过整合人工智能技术，气象模型有望实现重大突破。图片来源：COURTESY OF GOOGLE DEEPMIND

20世纪60年代，美国国家航空航天局（NASA）与苏联竞争对手将首批气象卫星送入太空，自此，全球天气预报发生了永久性的变革。借助这组“太空之眼”，气象预报员突然间能够监测海洋与偏远陆地的天气状况，填补了气象模型中的关键空白，也针对远距离形成的潜在风暴搭建了早期预警系统。

如今，气候变化使天气预测难度增加，极端天气事件的频率和强度不断上升，气象学家们正在期待另一项重大技术突破可以为他们带来优势。

人工智能正在为天气预报模型注入全新力量，使科学家能够更迅速、更精准地探测极端天气事件。今年8月，谷歌（Google）的DeepMind的飓风预测技术在飓风“艾琳”（Hurricane Erin）测试中，不仅在最初72小时内超越美国国家飓风中心（U.S. National Hurricane Center）的“官方”预报，还击败多款基于物理原理构建的预报模型。

英伟达（Nvidia）、华为等科技巨头，以及美国国家海洋和大气管理局（U.S. National Oceanic and Atmospheric Administration）等政府机构，均已经启动人工智能驱动的气象模型测试工作。人工智能在气象预报的两大核心任务中表现尤为出色：处理海量数据集，并识别数据的潜在规律。与主要依赖实时大气观测数据的传统模型不同，谷歌的人工智能系统通过分析历史飓风数据，发现人类预报员可能未曾察觉的规律。

诚然，人工智能预报模型仍然存在局限性。在飓风“艾琳”的首次实时测试中，谷歌的预测模型在72小时内的预报中表现最为出色。但对气象预报员而言，三天至五天的预报窗口期最为关键，原因是疏散指令发布与飓风应对准备工作，正是在这一阶段展开的。

即便是最乐观的技术专家也承认，世间不存在可以解决所有问题的“灵丹妙药”，这类模型必然存在权衡与局限。例如，历史数据显示，人工智能模型往往倾向于“平滑数据”：为呈现更规整的数据结果，可能会将那些细微却至关重要的细节模糊化。

但人工智能与气象学结合的潜力不容小觑——这种结合因为有望提升公共安全水平、优化企业规划与供应链物流而受到高度关注。

更智能的飓风预测

汤姆·安德森（Tom Andersson）之所以对气象模型产生兴趣，源于他听闻专家提及：尽管人工智能天气预报技术发展迅猛，但这类模型在现实场景中对风暴强度进行预测时，可靠性依然欠佳。

“如果极端天气毫无征兆地突然来袭，可能就会在几小时甚至几分钟内颠覆人们的生活。”参与谷歌DeepMind于今年6月推出的热带气旋实验模型研发的研究工程师安德森表示。（“气旋”是对强气旋性热带风暴的统称，“飓风”主要指发生在大西洋的热带气旋。）“我们研发这项技术的初衷，是助力气象机构更好地向公众传达风险信息。”

该模型能够同时预测风暴路径（包括风暴移动路径及可能的登陆地点）与强度（包括风暴的强弱程度及危险等级），被气象界视为重大突破。目前，美国国家飓风中心及其他国际专家正在对此展开积极评估。

“此前，没有任何一个模型可以同时精准预测气旋的移动路径与强度。”安德森说，“这可能是首个实现同步预测的模型。”

飓风应对对时间极为敏感。如果有关部门需要调配应急资源或发布疏散指令，就必须尽可能掌握飓风的移动路径信息。

“相较于以往基于物理原理的模型，我们能够提前一天半发布同等精度的预警。”领导气旋模型研发工作的谷歌DeepMind研究科学家费兰·阿莱特（Ferran Alet）表示，“我们期望借此进一步增强人类预报员的能力。”

传统方法基于物理方程，而人工智能模型则从海量数据集中学习规律，这有助于量化不确定性、辅助识别极端天气事件，并使模型随时间推移持续优化。

诚然，人工智能模型的性能最终取决于其训练数据的质量。谷歌DeepMind的优势在于，既拥有全球历史气象数据集，也掌握着可以追溯至40余年前的专项气旋数据集。

“人们总爱抱怨天气预报连降雨量都预报不准……但事实上，如今我们能够预测大西洋（Atlantic Ocean）的飓风在未来三天至五天的移动路径，这本身就已经是一项非凡成就了。”安德森说道，“几十年前，根本做不到这一点。我们如今可以取得这样的成果，要归功于整个气象学界极为彻底且具有革命性的技术开放特性。”

尽管从理论上看，这一切都令人振奋，但谷歌DeepMind的这款模型仍然处于初期阶段，在实时飓风精准预报方面尚未经过充分验证。机器学习模型不太可能完全取代基于物理原理的模型，因为两者各有优势与局限。对气象预报员来说，人工智能是工具箱中新增的“性能极强的工具”，而非实现气象预报工作自动化的手段。

应对商业风险

借助更精准、及时且贴合区域特点的天气预报，企业能够更有效地预判运营中断风险、调配所需资源，进而降低供应链面临的风险。

人工智能还有望将天气预报与现实数据更直接地结合，打造高度专业化预测服务。比如，货运公司可以将天气数据与自身运营数据相结合，规划出更高效的运输路线。

“通过整合道路状况信息、传感器数据、库存信息及气象数据，企业能够针对天气与人力因素交织作用下的价值链，实施优化举措。”美国国家海洋和大气管理局的气象项目办公室（Weather Program Office）的副主任约翰·滕·霍夫（John Ten Hoeve）解释道。

更重要的是，人工智能有望降低整体预报成本。虽然人工智能模型的训练成本高昂，但一旦研发完成，其运行速度快且成本低。这与传统模型形成鲜明对比：传统模型如果要进行多次模拟运算，成本便会急剧攀升。

“这些模型一旦训练完成，便极易获取，只需要几分钟就可以在笔记本电脑上运行。”滕·霍夫表示，“这将以前所未有的方式实现气象建模民主化。”

译者：Zhy