这个AI“学”了物理，竟学会了预测极端天气

去年4月，迪拜一天的降雨量超过了往年全年平均水平（图片来源：Giuseppe Cacace/法新社 via Getty图片社）。人工智能工具已经改变了天气预报，这得益于它们能从观测数据中学习过去的模式，并预测未来模式的演变。但到目前为止，模型有时难以预测那些前所未见、但随着地球变暖而愈发频繁的极端天气事件。马萨诸塞州波士顿大学的数据科学家雅各布·兰茨贝格（Jacob Landsberg）称，这就像“用昨日的气候预测未来”。

一种新方法已显示出成功，它将人工智能（AI）模型、传统气候模型与描述罕见事件的数学工具相结合，能更有效地预测极端天气。在早期测试中，这种混合方法模拟极端热浪概率的准确性与旧的非AI方法相当，而后者运行时间要长得多。

“我们认为这是未来的方向，”伊利诺伊州芝加哥大学的气候物理学家佩德拉姆·哈桑扎德（Pedram Hassanzadeh）表示，他参与了多项早期研究。研究团队今年在arXiv上发表了一系列预印本，并将在即将召开的会议上讨论这项工作，包括本月的美国地球物理联合会会议。

极端天气若超出人们日常经历，可能尤其危险。例如2021年得克萨斯州的严寒导致数百人死亡，2010年莫斯科的热浪造成超1万人死亡。哈桑扎德说，很难重现此类罕见事件的统计数据，也难以准确预测它们未来可能如何变化。人工智能模型的训练数据可能只有40年，却需要预测千年一遇的极端天气。

以2024年4月迪拜遭遇的史无前例的降雨为例，一天的降雨量超过了全年总量。由芝加哥大学大气科学家孙强和哈桑扎德领导的研究人员用两个AI模型分析了这一事件。他们惊讶地发现，其中一个由伦敦谷歌DeepMind开发的GraphCast模型，本可以在该事件发生前8天准确预测到它。

但当研究热带气旋时，情况就没那么理想了。美国加州圣克拉拉的英伟达公司开发的另一个AI天气模型FourCastNet，在其训练数据中没有极端风暴时，难以预测最强的热带气旋。不过研究人员也看到了一线希望：该模型似乎能从一个海洋盆地（如大西洋）发生的风暴中学习，并将这种学习应用到其他海洋盆地（如太平洋）。它基本上可以通过将信息“翻译”到全球不同地区来改进区域预报。“它们能做到这一点，这赋予了它们强大的能力，”哈桑扎德说。

在最新研究中，研究人员借助中国深圳华为云开发的另一个AI模型“盘古气象”（Pangu-Weather）找到了新进展。科学家们将其与基于物理的全球气候模型，以及分析罕见事件统计数据的数学方法相结合，以观察能否预测中纬度热浪。