飓风梅丽莎造成了牙买加大范围的洪水和山体滑坡灾害。然而，DeepMind开发的AI模型帮助气象预报员提前向受影响社区发出警报，使他们能够更好地做好准备。

周四发表在《自然》杂志上的一篇论文显示，WeatherNext AI模型能够以前所未有的准确度预测气旋。平均而言，该模型比现有模型提前一天给出预报，这意味着它对三天后飓风的预测准确度相当于传统模型对两天后预测的准确度。对于实际应对来说，这额外的一天意义重大。

美国国家飓风中心主任迈克·布伦南表示：“即使提前几个小时也能产生显著差异。”组织疏散、调配物资和资源应对飓风风险都是时间敏感的任务，错误决策可能带来严重后果。“时间在这类决策中极为宝贵，因此能够将预报准确度提前一天，是非常有价值的。”

研究人员指出，过去要实现提前一天的预报准确度提升，通常需要十年的努力。

极端天气事件的建模对AI来说极具挑战。机器学习需要大量训练数据以预测未来，但极端事件本质上是罕见的。谷歌DeepMind研究科学家、论文主要作者费兰·阿莱特说：“我们没有太多气旋数据，但拥有大量天气数据。因此，我们训练了一个既擅长天气预测又能预测气旋的模型。”

合作大气研究所热带气旋组负责人、论文作者凯特·马斯格雷夫指出，飓风预测特别困难，因为它涉及多个空间尺度。预测风暴路径需要全球范围的天气数据，如冷锋位置和主导风向；而预测风暴强度则需更小尺度、专注于局部大气和海洋条件的数据。

马斯格雷夫说：“这些是全球模型无法提供的。”此前的AI模型虽然能较好预测风暴路径，但“对强度预测几乎无能为力”。

强度预测至关重要，因为强度变化决定了风暴是相对较弱还是成为重大飓风。比如飓风梅丽莎，风暴在一夜之间迅速增强，成为紧急情况。梅丽莎是国家飓风中心首次在风暴仅为一级时就预测出其将达到五级飓风。

在WeatherNext模型投入实时预报前，研究人员用历史数据进行了测试。马斯格雷夫说：“结果非常好，我们甚至怀疑实时表现是否能达到同样水平。”但当预报员开始使用该模型时，表现确实如此。“大家都对它的表现感到惊讶。”

DeepMind的研究人员也不完全理解该AI模型为何能如此准确，尤其是它使用的低分辨率大气数据远低于传统模型预测风暴强度所需的分辨率。阿莱特说：“当我们告诉社区模型只用较粗分辨率数据时，大家都震惊了，因为这意味着低分辨率输入包含了比之前认为的更多的预报信号。”

模型一定是从低分辨率数据中捕捉到了某些信息，使其能预测风暴强度，但具体是什么尚不清楚。“归根结底它是个黑箱，但这给物理学家提供了信号，表明存在之前未被理解的现象。”

该模型不仅输出单一预测，而是生成多个潜在风暴发展情景，帮助捕捉“蝴蝶效应”，即微小偏差可能导致后续巨大变化。预报员可以结合这些结果和其他模型的输出，综合判断风暴可能的演变。去年，该AI模型每个风暴生成50个情景；现在已提升至1000个。

马斯格雷夫说：“以我们的计算能力，现有数值模型无法做到这一点。”

布伦南表示，DeepMind模型是预报员工具箱中的一项重要新工具，但强调它只是众多工具之一。“不能保证某个模型去年表现好或对某场风暴表现优异，就一定是下一季或下一场风暴的最佳模型。”他补充说，人类专家的作用依然关键。“飓风不仅仅是路径或强度预报，还需要专家将其转化为可能的影响，而正是这些影响导致人员伤亡。”

谷歌DeepMind还宣布将开源WeatherNext模型，供研究人员使用和改进。阿莱特希望开放模型能帮助科学界深入理解气旋机制。

他说：“我对科学发现非常兴奋，AI正为我们提供探索宇宙规律的新工具。”