谷歌旗下的DeepMind團隊近日宣布，在颶風預測領域取得了革命性的進展，成功開發出一款人工智能系統，該系統能夠以前所未有的精確度預測熱帶氣旋的行進路徑和強度。這一創新解決了傳統氣象模型長期以來面臨的預測難題。

同時，DeepMind還推出了一個名為“Weather Lab”的互動平臺，用于展示其氣旋預測模型的實驗成果。該平臺能夠生成未來15天內多達50種可能的風暴情景。尤為DeepMind與美國國家颶風中心（NHC）建立了合作關系，這是該聯邦機構首次將實驗性的人工智能預測納入其官方預測流程。

DeepMind研究科學家、項目負責人Ferran Alet在新聞發布會上透露，他們此次展示了三項重要成果。首先是專為氣旋預測定制的全新實驗模型。其次，他們宣布了與美國國家颶風中心的合作，使得專業預報員能夠實時獲取AI預測結果。

這一突破標志著人工智能在天氣預報領域的應用邁出了重要一步。熱帶氣旋，包括颶風、臺風和氣旋，在過去50年里造成了高達1.4萬億美元的經濟損失，因此準確的預報對于保護沿海地區的數百萬居民至關重要。

傳統天氣模型在預測風暴路徑和強度時一直存在局限性。全球性的低分辨率模型擅長預測風暴的大致走向，但在預測強度方面力不從心；而區域性的高分辨率模型雖然能更好地預測強度，卻無法全面捕捉大氣模式。Alet解釋說，熱帶氣旋預測之所以困難，是因為它涉及兩個不同方面的預測：路徑預測，即氣旋將移動到哪里；以及強度預測，即氣旋將達到何種強度。

DeepMind的實驗模型旨在同時解決這兩個問題，并在遵循NHC標準的內部評估中展現出顯著優勢。在路徑預測方面，該AI系統的五天預報比歐洲領先的物理集成模型ENS更接近實際風暴位置，平均誤差減少了140公里。更令人矚目的是，在強度預測方面，該系統的表現也優于美國國家海洋和大氣管理局（NOAA）的颶風分析和預報系統（HAFS），而以往AI模型在強度預測上一直難以取得進展。

除了準確度的提升，該AI系統還具備顯著的速度優勢。傳統的物理模型可能需要數小時才能生成預測結果，而DeepMind的模型只需一分鐘就能在專用計算機芯片上生成未來15天的預測。Alet指出，新模型的速度比DeepMind之前的版本快了約8倍。

這種速度優勢使得AI系統能夠滿足緊迫的預測需求。DeepMind氣象團隊的研究工程師Tom Anderson解釋說，NHC要求在數據收集后六個半小時內提供預測，而AI系統已經提前實現了這一目標。

與美國國家颶風中心的合作進一步驗證了AI天氣預報的有效性。DeepMind氣象團隊高級主管Keith Battaglia表示，此次合作正在從非正式對話發展為更正式的伙伴關系，使預報員能夠將AI預測與傳統方法相結合。隨著2025年大西洋颶風季的臨近，NHC預報員將能夠實時查看AI預測，并結合傳統的物理模型和觀測數據，從而提高預測準確性并提前發出預警。

科羅拉多州立大學大氣合作研究所的研究科學家Kate Musgrave博士一直在獨立評估DeepMind的模型。她發現，該模型在軌跡和強度預測方面的表現堪比甚至超越了最佳的傳統模型，并表示期待在2025年颶風季的實時預報中進一步驗證這些結果。

該AI模型的有效性得益于其對兩個不同數據集的訓練：一個是基于數百萬次觀測重建的全球天氣模式再分析數據，另一個是包含過去45年觀測到的近5000次氣旋詳細信息的專門數據庫。Alet解釋說，這種雙重方法與以往主要關注一般大氣條件的人工智能天氣模型不同，因為它使用了特定的氣旋數據進行訓練。

該系統還融入了DeepMind最新的概率建模技術——“功能生成網絡（FGN）”，該技術通過學習擾動模型參數來生成預測集合，從而創造出比以往方法更具結構化的變體。

Weather Lab已經啟動，并包含了兩年多的歷史預測數據，供專家評估模型在所有海盆中的性能。Anderson利用2024年的颶風貝麗爾和2023年的颶風奧蒂斯展示了該系統的功能。特別是颶風奧蒂斯在襲擊墨西哥前迅速增強，令許多傳統模型措手不及。當DeepMind向NHC預報員展示這一案例時，他們表示，如果當時能夠獲取到相關數據，該模型很可能會更早地發出這場颶風潛在風險的預警。