DeepMind hurricane forecasting model incorporated into official forecasts by the US National Hurricane Center

10月初，飓风“伊萨亚斯”（Isaias）以二级飓风强度在美国佛罗里达州德斯廷附近登陆。常规预报模型最初判断它将继续向西，扑向路易斯安那州东南部。而GoogleDeepMind的人工智能模型从一开始就判断正确：这场飓风将袭击佛罗里达州狭长地带的西部。

“尤其是Google DeepMind，过去几年确实证明了自己是黄金标准模型。”迈阿密资深气象学家、飓风专家迈克尔·劳里说，他曾为美国联邦应急管理署和国家飓风中心提供咨询。“那个模型是我们见过表现最好的计算机模型，遥遥领先。就是这样。”

美国国家飓风中心从去年开始首次将Google DeepMind模型纳入官方预报。迈阿密大学飓风研究员布赖恩·麦克诺尔迪说，到2025年大西洋飓风季结束时，它已经是预测风暴路径和强度最好的模型之一。通常新模型在引入后需要数年打磨。“这是我们不习惯的情况——一个初来乍到的新模型很快就成了最好的模型。”麦克诺尔迪说，“它几乎一登场就排名第一，这是相当了不起的成就。”

传统的基于物理规律的飓风模型，依赖卫星和飞机实时测量的大气数据，如温度、湿度、气压和风切变，再用复杂方程推算风暴可能的路径和强度。人工智能模型的运作方式截然不同：它更依赖历史，通过分析数千场过去的飓风及伴随的大气数据来识别规律。

“AI模型除了当前这张图景之外，其实对大气一无所知。”劳里说，“除此之外，它并不依靠大气运动的主导方程、也就是物理规律来做预测。”劳里指出，设计和开发这些模型的大多数人甚至不是气象学家：“他们是软件工程师，在做神经网络的开发。”所谓“神经网络”，是一组模仿人脑、经过训练能在海量数据中寻找规律的计算机算法。

由此，这些模型看起来像一个“黑箱”。劳里说：“我们不知道它们为什么能预报正确，也不知道它们为什么会预报错误。”对气象学家而言，依赖一个自己并不完全理解的系统会令人不安，尤其是在数百万人可能正仰赖其预报的风暴期间。“这让我们有点不舒服，因为我们想知道你为什么能得出正确答案。”麦克诺尔迪说，“而我觉得我们不知道——至少我不知道。”

不过，并非所有AI模型都表现良好。劳里说，市面上有大量未经检验的天气预报AI模型。目前被证明最准确的两个，尽管各有缺陷，是Google DeepMind和总部位于英国的欧洲中期天气预报中心开发的模型。

在预报“伊萨亚斯”的路径上，Google DeepMind的AI模型击败了传统的物理模型，但在预测风暴强度方面做得并不好。美联社10月10日拍摄的照片显示，在“伊萨亚斯”过后的德斯廷，人们从坍塌的船屋中取回物品。

国家飓风中心的预报员在制作官方预报时会使用多个经过验证的模型，既有人工智能模型也有传统模型。“每场风暴都有不同的预报难题。”国家飓风中心主任迈克尔·布伦南说，“这就是我们采取集合式方法、混合使用最佳模型的原因。”而且，仍须由人来解读这些模型的结果，再决定告知公众什么。飓风活跃期间，国家飓风中心每六小时发布一次更新。模型本身有时会在两次更新之间出现剧烈变化，预报员必须把这些摇摆的预测转化为人们可以据以行动的清晰指引。

“人类预报员提供的一大价值就是连续性。”布伦南说，“我们用自己的专业知识和理解，把飓风预报转化为灾害信息，这才是人们真正需要关注的东西。”

科学家预计相关技术会快速进步。布伦南说，Google DeepMind模型仍需改进。它在追踪“伊萨亚斯”路径上胜过其他模型，但在判断风暴强度方面不如国家飓风中心的混合预报。布伦南团队定期向Google DeepMind提供反馈以帮助改进模型。Google未回应NPR就此事的提问。

布伦南说，预报的“未来一直在变化”，“从来不是某一样东西在推动这些进步”。他指出，不久前预报员还无法在两天之内预测风暴会有多强；这一局面因预测模型的进步以及卫星和飞机采集到更好的数据而改变。“就强度预报而言，误差大约只有‘卡特里娜’飓风时期的一半。”布伦南说。

气象学家劳里认为，AI令人兴奋之处在于改进速度。AI模型的更新只需数月甚至数周，而传统模型最多一年更新一次。“它们在一年之内取得的技巧和飓风预测进步，是我们过去需要10年、甚至十几年才能做到的。”劳里说。