人工智能天氣預(yù)報模型相較于傳統(tǒng)的物理模型，確實有一些明顯優(yōu)勢。但面對氣候變暖帶來的日益加劇的不穩(wěn)定性，這類模型仍顯得準(zhǔn)備不足。

1970年11月12日，博拉氣旋猛烈襲擊了當(dāng)時東巴基斯坦的海岸。風(fēng)暴的最大持續(xù)風(fēng)速達(dá)到每小時205公里，風(fēng)暴潮高達(dá)10．5米，造成約30萬至50萬人死亡。

直到今天，博拉氣旋仍是有記錄以來致死人數(shù)最多的熱帶風(fēng)暴。但如果它發(fā)生在十年之后，后果或許不會如此慘重。20世紀(jì)70年代，氣象學(xué)家開始采用基于物理規(guī)律的計算機(jī)模型，天氣預(yù)報能力由此發(fā)生巨大變化，風(fēng)暴預(yù)測也明顯改善。

隨著人工智能興起，天氣預(yù)報正在經(jīng)歷新一輪演變。但這一次，專家擔(dān)心，面對前所未有的極端天氣，新模型的可靠性可能反而更低。

研究人員把這稱為“灰天鵝”問題。所謂“灰天鵝”天氣極端事件，是指在物理上完全可能發(fā)生，但因為極其罕見，在訓(xùn)練數(shù)據(jù)中幾乎沒有得到充分體現(xiàn)的事件。問題在于，氣候變化正在帶來更多前所未有的極端天氣。

例如2021年美國太平洋西北地區(qū)熱浪。這場事件的強(qiáng)度之高，以至于如果沒有氣候變化，幾乎不可能發(fā)生。

物理預(yù)報模型可以模擬像太平洋西北地區(qū)熱浪這樣的“灰天鵝”事件，盡管它們會把這類事件標(biāo)記為極端罕見。這是因為物理模型建立在物理定律之上。相比之下，人工智能模型依賴歷史天氣數(shù)據(jù)訓(xùn)練，而在這些數(shù)據(jù)中，“灰天鵝”幾乎不存在。

芝加哥大學(xué)地球物理科學(xué)副教授佩德拉姆·哈桑扎德赫對媒體表示：“它們在‘灰天鵝’面前會失靈。”他和同事去年4月發(fā)表的一項研究，將所有三級至五級颶風(fēng)從某個人工智能模型的訓(xùn)練數(shù)據(jù)中剔除，隨后再用五級颶風(fēng)對其進(jìn)行測試。結(jié)果顯示，人工智能模型無法準(zhǔn)確預(yù)測此前從未見過的事件，因為這需要進(jìn)行外推。

加利福尼亞大學(xué)圣迭戈分校計算機(jī)科學(xué)與工程副教授羅斯·余在發(fā)給媒體的郵件中表示：“真正令人擔(dān)心的，不是它偶爾預(yù)測失誤，而是人工智能模型可能會悄無聲息地出錯：一邊自信地給出平平無奇的天氣預(yù)報，另一邊破紀(jì)錄的極端事件卻正在發(fā)生。”

她還表示：“其他風(fēng)險同樣不容忽視。人工智能模型可能會以非常細(xì)微的方式違反守恒定律，而這些問題未必會在常規(guī)指標(biāo)中暴露出來。一旦預(yù)報失敗，追查原因也更困難。它們依賴穩(wěn)定的觀測系統(tǒng)，而在當(dāng)前衛(wèi)星項目承壓的背景下，這一點尤其令人擔(dān)憂。從制度層面看，如果我們過快轉(zhuǎn)向人工智能，讓基于物理的基礎(chǔ)設(shè)施逐漸萎縮，就會失去目前用于識別人工智能失誤的那套冗余機(jī)制。”

盡管存在這些隱患，氣象界仍在迅速采用人工智能預(yù)報模型，原因其實并不難理解。它們更快、更便宜，對計算基礎(chǔ)設(shè)施的要求也遠(yuǎn)低于物理模型。在預(yù)測常見天氣形勢和一般天氣事件時，也就是不涉及“灰天鵝”的情況下，它們的準(zhǔn)確性已可與物理模型相比，而且提升速度很快。

雷丁大學(xué)氣象學(xué)教授、數(shù)學(xué)、物理與計算科學(xué)學(xué)院院長安德魯·查爾頓－佩雷斯對媒體表示：“大多數(shù)最先進(jìn)物理模型的進(jìn)步速度，通常是每十年把準(zhǔn)確預(yù)報時效延長一天。聽起來不算多，但這其實意義重大。”

他說：“機(jī)器學(xué)習(xí)模型的準(zhǔn)確率提升速度遠(yuǎn)遠(yuǎn)超過了這個水平。它們現(xiàn)在已經(jīng)具備競爭力，而在兩三年前，甚至還完全不在一個量級上。”

例如，在2025年大西洋颶風(fēng)季，谷歌“深層思維”的模型在風(fēng)暴路徑和強(qiáng)度預(yù)測上，表現(xiàn)優(yōu)于幾乎所有物理模型。余表示，自2023年以來，圖譜播報、盤古天氣以及歐洲中期天氣預(yù)報中心的人工智能預(yù)報系統(tǒng)等領(lǐng)先模型，在中期預(yù)報指標(biāo)上，已經(jīng)能夠與最好的物理模型持平，甚至超過后者。

人工智能模型在缺乏傳統(tǒng)預(yù)報資源的地區(qū)尤其顯示出價值，而這些地區(qū)往往正處在氣候變化沖擊的前線。哈桑扎德赫曾共同主持一項計劃，為印度3800萬農(nóng)民提供基于人工智能的季風(fēng)預(yù)報，使他們最多能提前4周獲知雨季開始時間。

哈桑扎德赫解釋說：“在天氣預(yù)報的第一次革命中，很多國家被甩在了后面，因為傳統(tǒng)天氣預(yù)報需要超級計算機(jī)、數(shù)億美元投入、跨學(xué)科團(tuán)隊、專業(yè)勞動力和專家支持。”相比之下，人工智能模型對低收入國家而言更容易獲得。

她在發(fā)給媒體的郵件中表示：“要真正理解這些模型的邊界、它們可以在哪些方面補(bǔ)充物理模型以及原因何在，仍有大量工作要做。”

納特說：“不過，我們需要更有組織性，確保能夠遵循恰當(dāng)?shù)某绦颍⒂烧麄€研究共同體建立并持續(xù)維護(hù)穩(wěn)健的安全保障。這件事并不容易，因為當(dāng)下正處于高度追捧階段，誰都不想錯過這股熱潮。”

另一些研究人員，比如哈桑扎德赫，則在探索如何教會人工智能預(yù)報模型識別“灰天鵝”。他和同事正在研究，能否把人工智能系統(tǒng)與“相關(guān)采樣”方法結(jié)合起來，通過生成“灰天鵝”事件樣本，提升模型對前所未有極端事件的外推能力。

理解并解決人工智能天氣預(yù)報局限性的努力將至關(guān)重要，因為這條路已經(jīng)無法回頭。人工智能正在重塑天氣預(yù)報的方式，而隨著氣候變得愈發(fā)不穩(wěn)定，氣象學(xué)家需要手中每一種工具都足夠鋒利、足夠可靠。

盡管這些系統(tǒng)目前仍有局限，繼續(xù)推動其發(fā)展，并探索如何將其與物理預(yù)報更好結(jié)合，仍然大有可為。

余表示：“當(dāng)前的研究議程，是讓人工智能模型在物理上保持一致、校準(zhǔn)充分，并能在數(shù)據(jù)分布發(fā)生變化時保持穩(wěn)健。如果因為‘灰天鵝’問題就放棄這一路徑，等于放棄了這一代天氣預(yù)報技術(shù)中最大的一次提升。”