大西洋飓风季节逐渐接近尾声，随着热带气旋活动进入冬季休眠期，预报专家们开始评估本季度哪些预报方法有效，哪些则表现不佳。
今年的答案异常明确。尽管Google DeepMind的Weather Lab直到6月份才开始发布气旋路径预报，但这家公司的AI预报服务表现异常出色。相比之下，由美国国家气象局运营、基于传统物理学原理并在强大超级计算机上运行的全球预报系统(GFS)模型，则表现糟糕透顶。
美国国家飓风中心需要几个月时间才会发布正式的预报模型性能比较数据。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：
这张图表总结了本季度大西洋盆地所有13个命名风暴的路径预报准确性，测量了从0到120小时（五天）内不同预报时长的平均位置误差。在图表中，线条越低，代表模型表现越好。
新的领军者
图中黑色虚线显示了2022至2024季度官方预报的平均误差。引人注目的是，美国顶级全球模型GFS（图中标记为AVNI）是表现最差的模型。与此同时，图表底部的深红色线条代表Google DeepMind模型(GDMI)，在几乎所有预报时长的表现都最佳。
美国GFS模型与Google DeepMind之间的误差差异显著。在五天预报中，Google模型的误差为165海里，而GFS模型则为360海里，后者是前者的两倍多。这种误差水平导致预报专家完全忽视一个模型而选择另一个。
但不仅如此。Google模型表现如此出色，以至于它经常超越美国国家飓风中心(NHC)的官方预报（该预报由人类专家综合多种模型数据得出）。基于AI的模型还击败了备受推崇的"共识模型"，包括TVCN和HCCA产品。有关各种模型及其指定代码的更多信息，请点击这里。
这一早期模型比较不包括欧洲中期天气预报中心(ECMWF)生产的"黄金标准"传统物理学模型。然而，ECMWF模型在飓风路径预报上通常不优于飓风中心或共识模型（后者综合了几种不同模型的输出）。因此，它不太可能超越Google的DeepMind。
将永久改变预报领域
值得注意的是，DeepMind在强度预报方面也表现出色，即飓风强度的波动。因此，在其首个季节，它准确预测了飓风路径和强度。
作为一名依赖传统物理学模型长达25年的预报员，很难用言语形容这些结果的震撼性。可以肯定的是，未来我们将 heavily依赖Google和其他AI气象模型，这些模型在未来几年可能会进一步改进，因为它们相对较新，仍有提升空间。
"DeepMind和其他类似的数据驱动、基于AI的气象模型的优点在于，它们比需要世界上最昂贵和最先进超级计算机的传统物理学模型快得多地生成预报，"飓风专家和《Eye on the Tropics》通讯作者Michael Lowry在评论模型表现时指出，"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纠正。"
北美模型怎么了？
至于GFS模型，很难解释为什么本季度表现如此糟糕。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在本飓风季节表现如此糟糕，"Lowry写道，"有人推测，今年与DOGE相关的政府削减导致的数据收集中断可能是影响因素，但 presumably这种因素也会影响其他全球物理学模型，而不仅仅是美国的GFS。"
美国政府处于关闭状态，我们可能无法很快得到许多答案。但似乎清楚的是，该模型动力核心的重大升级（始于2019年）基本上是失败的。如果GFS在十年前就略逊于一些竞争对手，那么它现在正以更快的速度进一步落后。
AI气象模型的技术优势
DeepMind的成功并非偶然，其技术架构具有多方面优势：
- 计算效率：传统气象模型需要超级计算机进行复杂计算，而AI模型可以在普通硬件上运行，大幅降低计算成本。
- 学习能力：神经网络能够从历史数据中学习模式，不断优化预测结果。
- 实时调整：AI模型可以根据最新观测数据即时调整预报，无需重新运行整个计算过程。
- 数据整合：能够有效整合多源异构数据，包括卫星图像、地面观测和历史气象数据。
行业影响与未来展望
DeepMind的突破性表现对气象行业产生了深远影响：
- 预报准确性提升：更准确的飓风路径和强度预报可显著提高预警时间，拯救生命和财产。
- 资源优化：政府和应急机构可以更有效地分配防灾资源。
- 行业变革：传统气象预报机构可能需要重新思考其技术路线，加速AI与传统方法的融合。
- 全球合作：AI气象模型的发展可能促进国际气象数据共享与合作。
未来几年，我们可以预期看到更多AI气象模型的出现，这些模型将不断学习和改进，最终可能成为气象预报的主流方法。这一转变不仅将提高预报准确性，还将使气象服务更加普及和可及。
挑战与机遇并存
尽管AI气象模型前景光明，但仍面临一些挑战：
- 数据依赖：AI模型的性能高度依赖于训练数据的质量和数量。
- 可解释性：AI决策过程难以解释，这对需要明确预报依据的气象学家构成挑战。
- 极端事件预测：AI模型在处理罕见极端天气事件时可能缺乏足够的历史数据支持。
- 基础设施需求：虽然计算需求较低，但大规模部署仍需相应基础设施支持。
然而，这些挑战也为技术创新提供了机遇。随着研究的深入，这些问题将逐步得到解决，使AI气象模型更加可靠和实用。
结语
DeepMind在2025年飓风季节的表现标志着气象预报领域的一个重要转折点。AI不仅展示了其在处理复杂气象系统方面的能力，还证明了其能够超越传统物理学模型的限制。随着技术的不断进步和数据的积累，我们可以期待AI在气象预报中发挥越来越重要的作用，最终可能彻底改变我们理解和预测天气的方式。这一变革不仅关乎科技进步，更关系到公共安全和灾害应对能力的提升，将对人类社会产生深远影响。
