AI天气预报的瓶颈：无法预测最危险的极端气候
摘要：
近年来，人工智能（AI）在短期天气预报中展现出惊人的准确性，但其预测能力仍受限于历史数据范围，难以应对前所未有的极端天气事件。美国芝加哥大学、纽约大学和加州大学圣克鲁兹分校的科学家在《美国国家科学院院刊》（PNAS）发表的研究指出，AI模型无法准确预测超出训练数据范围的极端天气，如两百年一遇的洪水、史无前例的热浪或超强飓风。
AI天气预报模型的工作原理类似于ChatGPT，通过分析历史天气数据识别规律，进而预测未来天气。虽然其效率远超传统超算模型，但局限性在于仅依赖约40年的观测数据。例如，当研究人员删除训练数据中所有二级及以上飓风记录后，AI模型即使面对可能引发五级飓风的大气条件，仍只能预测出二级飓风。这种低估极端事件的“假阴性”误差可能带来严重后果，如未能预警超强飓风，导致防灾不足。
与传统气象模型不同，AI缺乏对物理规律的直接理解，仅依赖统计规律预测。不过，研究发现，若训练数据中包含其他地区的类似事件（如用太平洋飓风数据预测大西洋飓风），AI仍能部分外推预测。这表明，扩大数据多样性可提升模型对罕见事件的捕捉能力。
为突破这一局限，研究团队建议将数学工具和大气物理原理融入AI模型，例如通过“主动学习”方法，利用AI优化传统物理模型生成极端事件样本的能力。此外，单纯增加数据量并非最佳方案，关键在于智能选择训练数据以提高对极端事件的预测性能。
