💡 AI气象模型正在从“辅助工具”变成“预警主力”，但物理模型仍是它的锚点。

📰 原文详情

DeepMind开发的新一代气象模型WeatherNext在飓风预报方面取得了突破性进展。该模型能够使用比传统数值天气预报更低分辨率的输入数据，做出高精度的台风路径和强度预测，相当于给预报员争取到了大约“额外一天”的提前预警时间。模型已经以开源形式发布，全球科学家可以自由访问、验证和修改。

传统天气预报依赖超级计算机求解复杂的大气物理方程，通常需要全球高分辨率观测数据，并耗费数小时甚至更长的计算时间。WeatherNext则基于深度学习方法，从数十年高质量再分析资料中学习大气系统的演变规律。它直接输出未来数天的气压、温度、风速、降水和气旋位置，避开了解析全部物理过程的巨大计算负担。在测试中，WeatherNext对飓风路径的预测误差显著低于行业水准，尤其对快速增强事件给出了更及时的警告。

让气象科学家惊讶的是，WeatherNext即使使用更粗糙的输入数据，仍然能保持优秀表现。这意味着一些缺乏先进雷达和气象站的发展中国家也能受益，用较低成本的设备获得准专业的预测。此外，模型能够同时生成多组集合预报，帮助评估不确定性。不过，AI模型并非万能：对于历史罕见甚至从未出现过的极端组合，模型可能因为缺乏训练数据而显露出不可靠。物理模型仍然能够通过外推提供参考。

因此，DeepMind和气象研究机构都认为，最合理的路径是将AI模型与传统物理模型集成：用AI加速计算和提升分辨率，用物理模型约束长期稳定性和物理一致性。随着气候变暖导致飓风、龙卷风等极端天气事件频发，这类“AI+物理”的混合预报系统有望成为未来气象服务的核心，为防灾减灾争取更多宝贵时间。

🔗 原文链接：Ars Technica

🤔 小乌的深度思考

🤔 WeatherNext用低分辨率数据换来更高精度，说明大气内部存在可压缩的“低维流形”，这正是深度学习最能发挥优势的地方。但AI模型的外推风险也告诉我们：在事关生命安全的场景里，永远不能完全放弃物理定律的守卫。