几十年来，早晨天气报告一直依赖于相同类型的传统模型。现在，天气预报有望加入人工智能革命性的行业行列。

研究人员说，周三发表在科学杂志《自然》上的两篇论文吹捧了两种新的人工智能预测方法的潜力——这些系统可以比传统模型产生更快、更准确的结果。

它们是席卷全球气象界的新一波人工智能模型的一部分。它们有潜力改变预测行业。

但专家警告说，气候变化可能会对新兴的人工智能天气模型构成独特的挑战。

人工智能系统依靠历史天气数据来教他们如何产生准确的预测。但某些类型的天气事件，如热浪和飓风，随着地球变暖而变得越来越强烈 - 在某些情况下，它们变得如此极端，以至于历史记录中几乎没有这样的例子。这可能使人工智能天气模型难以准确模拟前所未有的破纪录事件。

这些都是人工智能专家仍在调查的问题。尽管如此，新的自然论文表明，人工智能天气预报的世界正在迅速发展。

第一篇论文描述了一个名为Pangu-Weather的模型 - 它提前一周左右预测不同的全球天气变量，如温度和风速。该模型由中国科技公司华为技术有限公司的研究人员开发，其结果速度比传统模型快10，000倍。

研究人员发现，它能够准确跟踪热带气旋的路径。它甚至比世界领先的气象中心之一欧洲中期天气预报中心更准确。

尽管如此，盘古天气还是有一些局限性。研究人员没有调查它在降水方面的表现 - 降水是一个主要的天气变量，也是模型中最难准确捕获的变量之一。

另一方面，第二篇论文主要涉及降雨。它描述了一个名为NowcastNet的人工智能系统，这是一个专门研究短期预测的程序，这些预测在未来几个小时内达到最大值。研究人员发现，NowcastNet能够超越许多主要竞争对手。

Pangu-Weather和NowcastNet是最近一波新的AI天气模型中的最新模型，其中许多是由私营公司开发的，而不是传统上主导天气的政府实体。这些程序在某些基本方面与传统预测系统不同。

传统的预报依赖于一种称为数值天气预报的系统。它是一种数学模型，使用复杂的方程来预测天气系统随时间和空间的变化方式。这些方程描述了大气和海洋中空气和水运动背后的实际物理学。

由于涉及如此多的数学和物理，数值天气模型需要极高的计算能力。这使得它们的运行既昂贵又耗时。它还限制了这些模型可以准确捕获的精细过程。例如，像单个云的物理特性这样的东西，很难在进行大规模全球预测的模型中进行模拟。

科学家们已经想出了各种方法来绕过传统模型中的这些困难。一种策略是一种称为参数化的方法——即科学家用简化的程序替换模型中的实际物理方程，该程序通常捕获过程，而不会强迫模型表示实际物理。

但狂热者认为，人工智能可以取代这些变通方法，并可能获得更快、更准确的结果。

人工智能模型不必以数学方程的形式表示实际的物理学。相反，他们摄取大量历史天气数据并学习识别模式。然后，当呈现有关当前天气状况的新数据时，他们使用这些模式进行预测。

几十年来，科学家们一直致力于将人工智能组件集成到传统的天气模型中，试图使它们运行起来更快、更便宜。一些公司现在正在开发全人工智能模型，如Pangu-Weather和NowcastNet，可以完全取代数值模型系统。

这是一个快速发展的领域。就在两年前，在皇家学会期刊上发表的一篇论文中，科学家们表示，人工智能天气模型“可能有潜力”产生与数值模型相同或更好的结果。

“我们认为数值天气模型有一天可能会过时并非不可想象，但在实现这一目标之前需要一些根本性的突破，”研究人员表示。

Pangu-Weather和NowcastNet等新兴方法表明，这种突破正在进行中。科罗拉多州立大学的研究人员Imme Ebert-Uphoff和Kyle Hilburn在周三发表在《自然》杂志上的这项新研究的评论中说，该领域具有潜力。

他们写道，原则上，Pangu-Weather等模型所表现出的更快的计算速度“可以产生巨大的好处”。

另一方面，人工智能系统仍然存在一些潜在的障碍——尤其是随着地球变暖。

专家警告说，人工智能模型在模拟极端天气事件时可能会遇到问题，因为它们由于气候变化而变得更加强烈。

随着气温上升，热浪、干旱、飓风、野火和无数其他与气候相关的事件都变得越来越极端，其中一些正在转向前所未有的领域。仅在上周，全球的热量记录就发生了翻滚，而科学家警告说，地球可能正在经历人类历史上最热的日子。

准确预测极端天气事件是天气模型最重要的功能之一，使决策者能够发布公共安全公告或促进疏散，并有足够的时间保护弱势群体。但是人工智能模型学习如何使用历史天气数据生成预报——随着天气变得更加极端，历史记录中这种强烈事件的例子可能会越来越少。

这意味着人工智能系统可能没有足够的数据来准确模拟未来前所未有的极端情况。事实上，如果他们看到的天气条件对他们来说完全陌生，可能很难预测他们会如何反应。

人工智能系统的行为“当程序在以前从未遇到过的条件下运行时通常是不可预测的，”Ebert-Uphoff和Hilburn在他们的评论中警告说。“因此，极端天气事件可能会引发高度不稳定的预测。

其他专家也提出了类似的担忧。

2021年皇家学会论文的作者指出，历史记录中“极端事件的稀缺性”对人工智能天气模型构成了挑战。他们还指出，虽然一些研究试图评估人工智能系统在用有限的数据捕捉极端情况时的性能，但他们产生了好坏参半的结果——有些表现良好，而另一些则步履蹒跚。

“人工智能模型在气候变暖中的表现是一个非常有趣的问题，据我所知，目前还没有被非常彻底地探索，”科罗拉多州气候学家、科罗拉多州立大学科学家拉斯舒马赫在给E&E News的电子邮件中说。 舒马赫自己的研究小组已将人工智能应用于预测风暴和其他危险天气条件的模型。

他建议，同时包含AI组件和数值模型组件的混合模型在破纪录事件中遇到的困难可能会更少。但对于完全由人工智能驱动的模型，他说，“目前还不完全清楚它将如何应对完全超出历史记录的情况。

他补充说，随着研究人员继续开发人工智能天气模型，这些都是需要考虑的重要评估。他们不仅要调查模型在日常天气预报中的表现，还要调查危险的高影响事件。

总的来说，他认为人工智能天气模型具有潜力。但他指出，它们也可能不能完全取代传统方法。数值模型和人工智能模型最终可能会有不同的优势，人类经验对于综合和传达有关天气的信息仍然很有价值。

“在我看来，理想情况下，我们达到了气象学领域可以利用所有方法的优势的地步，”他说。