2025年大西洋飓风季已经接近尾声，随着热带气旋逐渐进入冬季休眠期，气象预报专家们开始评估这一季节各项技术的表现。今年的结果令人震惊：Google DeepMind的AI气象预测服务虽然仅在6月开始发布热带气旋路径预报，但其表现却异常出色；相比之下，美国国家气象局运营的全球预报系统(GFS)模型则表现糟糕。
预测模型的性能对比
国家飓风中心通常需要几个月才能发布官方的模型性能对比数据。然而，迈阿密大学高级研究员Brian McNoldy已经进行了一些初步的数据分析，结果令人震惊。
上图总结了本季节大西洋盆地所有13个命名风暴的路径预测准确性，测量了从0到120小时（五天）内不同时间点的平均位置误差。图表中，线条越低，表示模型表现越好。
新的冠军诞生
图表中的黑色虚线显示了2022至2024年官方预报的平均预测误差。最引人注目的是，美国最先进的全球模型GFS（图中标记为AVNI）表现最差。而在图表底部，用深红色标记的Google DeepMind模型（GDMI）则在几乎所有预测时间点都表现最佳。
美国GFS模型与Google DeepMind模型之间的误差差异显著。在五天预测时，Google模型的误差为165海里，而GFS模型则为360海里，是前者的两倍多。这种误差差异导致预报员完全倾向于使用一种模型而忽略另一种。
更令人惊讶的是，Google模型的表现甚至经常超过国家飓风中心(NHC)的官方预报(OFCL)，后者是由人类专家基于广泛模型数据综合判断得出的。AI模型还击败了备受推崇的"共识模型"，包括TVCN和HCCA产品。
值得注意的是，这一早期模型比较尚未包含欧洲中期天气预报中心(ECMWF)生产的"黄金标准"传统物理模型。然而，ECMWF模型在飓风路径预测上通常不会优于飓风中心或综合多种模型输出的共识模型。因此，它不太可能超越Google的DeepMind模型。
预测技术的永久性变革
值得注意的是，DeepMind在强度预测方面也表现出色，能够准确预测飓风强度的波动。在其首个飓风季节，DeepMind就同时掌握了飓风路径和强度的预测能力。
作为一名依赖传统物理模型长达25年的预报员，这些结果令人难以置信。可以肯定的是，未来我们将严重依赖Google和其他AI气象模型，这些模型作为相对新兴的技术，仍有很大的改进空间。
"DeepMind和其他类似的数据驱动、AI气象模型的美丽之处在于，与传统物理模型相比，它们能更快地生成预报，而传统模型需要世界上一些最昂贵和先进的超级计算机，"飓风专家、《Eye on the Tropics》通讯作者Michael Lowry评论道。"此外，这些具有神经网络架构的'智能'模型能够从错误中学习并进行即时修正。"
北美模型的困境
至于GFS模型，很难解释为什么它在本季节表现如此糟糕。在过去，它至少值得在预报中考虑。但今年，我和其他预报员经常忽视它。
"目前尚不清楚为什么GFS在本次飓风季节表现如此不佳，"Lowry写道。"一些人猜测，今年与DOGE相关的政府削减导致的数据收集暂停可能是影响因素，但 presumably这样的因素也会影响其他全球物理模型，而不仅仅是美国的GFS。"
由于美国政府处于关闭状态，我们可能无法很快得到答案。但似乎可以确定的是，该模型动态核心的重大升级——始于2019年——基本上是失败的。如果GFS在十年前只是略微落后于一些竞争对手，那么现在它正以更快的速度进一步衰落。
AI气象模型的技术优势
DeepMind模型的出色表现并非偶然，这背后反映了AI技术在气象预测领域的独特优势。
计算效率与速度
传统物理模型需要复杂的数学方程来模拟大气行为，这些方程需要超级计算机进行大量计算。而DeepMind的AI模型通过神经网络学习历史气象数据模式，能够以更快的速度生成预测。这种效率提升意味着更长的预警时间和更频繁的更新频率。
数据处理能力
AI模型能够处理比传统模型更多的数据源，包括卫星图像、雷达数据、海洋温度和大气压力等。这种多源数据融合能力使AI模型能够捕捉到传统模型可能忽略的微妙模式。
自适应学习能力
与传统模型不同，AI模型能够从每次预测中学习并持续改进。随着更多数据的积累，DeepMind模型的预测准确性有望进一步提高，而传统物理模型则需要重新设计其核心算法才能实现类似改进。
对气象科学的影响
DeepMind的成功不仅仅是一个技术突破，它正在从根本上改变气象科学的研究方法和实践。
研究范式的转变
传统气象学依赖于物理定律的数学表达，而AI气象模型的成功表明，数据驱动的方法在某些方面可能比基于物理模型的方法更有效。这可能导致气象学研究更加注重数据分析和模式识别。
模型融合的新方法
未来，气象预报可能不再依赖于单一模型，而是将AI模型与传统物理模型相结合，形成更全面的预测系统。这种"混合方法"可以结合两种技术的优势，提供更准确的预报。
公共安全的影响
更准确的飓风预测意味着更有效的疏散计划和更少的生命损失。DeepMind模型的优异表现可能在未来几年内显著提高极端天气事件的预警能力，从而保护更多生命和财产。
行业未来的发展方向
随着AI在气象预测领域的成功，我们可以预见以下几个发展方向：
全球AI气象模型的兴起
Google DeepMind的成功将激励更多科技公司和研究机构开发AI气象模型。未来几年，我们可能会看到多个竞争性的AI气象模型出现，每个模型都可能专注于不同的预测领域或地区。
传统模型的革新
面对AI的挑战，传统气象模型可能会进行重大改革，可能采用混合方法，结合物理模拟和AI技术。一些机构可能会重新设计其模型的核心架构，以提高预测准确性。
开源与协作
AI气象模型的开发可能促进气象领域的开源协作。研究人员和机构可能会共享数据、算法和模型，以加速整个领域的进步。
结论
Google DeepMind在2025年飓风季节的出色表现标志着气象预测领域的一个转折点。AI模型不仅在准确性上超越了传统物理模型，还展示了计算效率、自适应学习和多源数据融合等独特优势。这一突破不仅改变了气象预报的实践，也为未来极端天气预警带来了新的可能性。
随着AI技术的不断进步，我们可以期待更准确、更及时的天气预报，这将有助于提高公共安全，减少自然灾害带来的损失。同时，这一技术革命也将推动气象科学的研究范式转变，促进传统模型与AI技术的融合创新。
在气象预测的未来，AI技术将扮演越来越重要的角色，而DeepMind的成功只是这一变革的开始。随着更多数据和算法的优化，AI气象模型有望进一步提高预测准确性，为人类应对气候变化和极端天气事件提供更强大的工具。
