发布时间：2025.05.19
源地址：https://www.ft.com/content/a1b6ab08-9703-45fb-b967-a40b4855bc17
快速发展的技术正帮助气象学家做出更准确、更详尽且预测时间更长的天气预报
英国气象局于1965年开始用一台被昵称为“彗星”的房间大小的处理器进行气象预报。六十年后，这个国家的国家气象机构正参与另一场由人工智能驱动的技术革命。
人工智能正在为不断变化的云层、降水和温度模式注入强大动力，这些动态变化被映射在该机构位于西南城市埃克塞特总部的一块巨型屏幕上。
“我们看到了预报方式实现真正飞跃的潜力……这在某种程度上类似于我们开始使用计算机时的情景，”气象局首席人工智能官柯斯汀·戴尔说，她提到了数据量的快速增长、处理这些数据的计算能力以及相应的模型。“一切都变得更大了——可能性也随之大幅提升。”
人工智能能够从海量数据中识别模式，使大气物理中复杂的旋转系统成为试验这项技术的理想场景。更准确的预报和恶劣天气警报不仅能提升公众安全和健康，还能提高全球经济的整体效率。
人工智能有能力让未来天气模式的预测更加精准和细致，为从农民到金融公司等各类群体开辟新的可能性。
天气预报常被用来帮助行人做好防雨准备，但随着各国采用依赖天气的可再生能源，这类预测对电网运营商来说将变得越来越重要 © Valery Hache/AFP/Getty Images
剑桥大学机器学习教授理查德·特纳表示，这项技术正在“加快时间尺度的推进”，已经重塑了“即时预报”，即对未来几小时的超精准预测。“你会看到中期预报——三到十五天——开始发生变化。现在我们正着手开发亚季节预报”，大约是两周到两个月的时间范围。特纳在英国国家人工智能中心——艾伦·图灵研究所从事人工智能天气模型的研究。
这些机遇吸引了包括谷歌 DeepMind、英伟达、微软、IBM 以及专注于人工智能气象的初创公司（如美国的 Brightband 和 Silurian）在内的科技公司大量投资。
预测生态系统中的各类组织都在积极探索如何更好地应用人工智能，以提升我们对天气的理解。这些组织包括公共气象机构——如成立于 19 世纪的英国气象局——以及大学和专业公司，如 AccuWeather、The Weather Company 和 DTN 等。它们为能源、建筑、农业、交通、零售、旅游等多个行业的用户提供定制化的天气预报，同时通过新闻媒体向公众发布信息。
但普遍乐观的前景却因 AI 模型所依赖的数据获取可能受限而蒙上阴影。
特朗普政府正寻求大幅削减美国国家海洋和大气管理局（NOAA）的资金和人员编制。该联邦机构专注于气候、天气、海洋和海岸变化的研究与预测。NOAA 的卫星、海洋浮标、气球和雷达是重要的数据来源，这些数据对全球气象学家免费开放，并被纳入全球预报模型。
唐纳德·特朗普总统提议的 2026 年预算将削减美国国家海洋和大气管理局（Noaa）15 亿美元资金，约占 24%。自他 1 月上任以来，国家气象局——Noaa 的预报部门已有 550 名员工离职。本月，其五位在世前任局长联名发表公开信，警告称这些削减导致美国各地预报办公室严重人手不足，可能引发不必要的生命损失。
与此同时，有人担心日益加剧的地缘政治紧张局势可能威胁到全球气象预报员赖以依赖的公共气象数据的自由流通。
尽管气象界普遍对 NOAA 数据可能丢失表示遗憾，但也有人指出一个相反的因素——新的信息来源的出现。
下一代 AI 模型有望通过纳入大量来自本地气象传感器（如温度计和雨量计）的数据来提升准确性，而这些数据目前尚未被全球预报系统采纳。阿兰·图灵研究所从事天气预测的斯科特·霍斯金表示：“突然之间，我们进入了一个新阶段，可以快速搭建新的传感器，并迅速将数据输入模型。”
Hosking 估计，目前大约有 20 到 30 种不同的 AI 天气模型处于不同的发展阶段，其中一些已经被气象预报员投入实际运行。“一年后，这个数字将会更多，”他补充道。
“这项技术在气象预报领域的迅速发展实在令人惊叹，”全球领先的气象预报公司 The Weather Company 的科学与预报运营高级副总裁 Peter Neilley 说。“这变化主要发生在过去五年，而且还在加速。”
直到最近，天气预报主要依赖数值天气预报，这种方法是将来自卫星以及陆地、海洋和空中传感器的数百万实时观测数据输入超级计算机，并通过基于物理的方程进行计算。
这个过程可以分为两个步骤。第一步是数据同化，用于准备大气状态的估计；接下来是预测阶段，负责预测接下来会发生什么。
2022 年孟加拉国 Companiganj 地区暴雨和洪水后发放了食品援助。据说机器学习模型能够预测极端和异常事件 © Maruf Rahman/AFP/Getty Images
新一代开创性的人工智能天气系统投入运行，仍然需要大量计算资源进行数据同化，但随后它们利用机器学习来推进模型的时间演进。
初步结果令人振奋。总部位于英国雷丁的政府间组织——欧洲中期天气预报中心表示，其于二月推出的首个实用 AI 模型 ，在关键指标上如热带气旋路径预测的准确率提升了约 20%，从而提供了宝贵的额外预警时间。
欧洲中期天气预报中心总干事弗洛伦斯·拉比耶认为，随着计算机性能不断提升和气象数据日益丰富，新的 AI 技术将在过去几十年天气预报准确率大幅提升的基础上继续发展。如今七天后的预报准确度，相当于 2000 年五天后和 1980 年三天后的水平。
她指出，这一进展具有全球意义。“20世纪末，由于北半球观测数据远多于南半球，我们对北半球天气的预测明显更准确，”拉比耶说，“自21世纪初以来，随着更先进的卫星数据的引入，南北半球之间的准确率差距已逐渐消失。”
但第二代实验性“端到端”AI 系统正在崭露头角，带来更令人兴奋的可能性。这些新系统摒弃了数据同化，直接利用来自卫星、气象站及其他传感器的原始观测数据，生成全球及局部的天气预报。
今年三月，图灵研究所与欧洲中期天气预报中心及其他合作伙伴联合发布了一款名为 Aardvark 的实验性端到端系统，该系统能效极高，甚至可以在普通台式机上运行，而无需依赖超级计算机。
天气预报变得更加精准，南北半球之间的准确度差距也已消失
异常相关系数（ACC）*；每个范围内的不同线条代表北半球和南半球
图灵的霍斯金表示，全球大约还有10个来自科技公司和公共部门的研究团队正在开发自己的端到端模型，预计很快会有更多团队加入。
他们的成果有望进一步“普及”天气预报，尤其是在发展中国家和数据稀缺地区，当地观测数据可以以相对较低的计算需求被纳入预测中。
欧洲中期天气预报中心副主任弗洛里安·帕彭伯格表示，由于 AI 模型是基于多年历史观测数据训练的，因此外界对其在未来，尤其是在气候变化背景下的表现存在疑虑。但他否定了这种批评。
“我们已经证明，机器学习模型能够预测极端和异常事件，比如去年阿联酋的创纪录降雨和今年新奥尔良的降雪，”他说。“机器学习不仅仅是学习某地过去的类似模式，而是对物理规律有更广泛的理解，因此它比一些人所说的要强大得多。”
所谓的“集合技术”已经提升了数值天气预报的准确性。它通过从略有不同的初始条件多次运行计算机模型，而不是只生成单一的“确定性”预报。这种方法为气象学家提供了关于不确定性程度和可能结果范围的重要信息。
天气预报的准确度不断提升，如今对未来七天的预测，其准确性已相当于 2000 年对未来五天的预测和 1980 年对未来三天的预测 © H Armstrong Roberts/ClassicStock/Getty Images
但这种做法资源消耗极大，难以实际操作出超过大约 50 个不同预报的集合，Nvidia（美国芯片巨头）加速数据中心解决方案总监 Dion Harris 表示。
哈里斯表示，人工智能在这里大有用武之地。“利用人工智能技术，你实际上可以进行成千上万次的集合预报，这不仅让你对可能的结果有更深入的了解，还能更早地预警极端天气事件。”
如果新一波的人工智能模型要发挥其潜力，增强的天气观测数据流将是必不可少的。
大部分原始数据仍来自公共部门，通过气象预报员和卫星运营商，如美国国家海洋和大气管理局（NOAA）及欧洲气象卫星组织，这些数据在全球范围内免费共享。
剑桥的特纳说：“国际间的数据共享水平真是太棒了。比如，你可以直接获取中国卫星的数据。所有观测数据都会汇集到一个共享池中，因为它们有助于提升其他人的预报系统，同时也促使大家互相回馈数据。”
特纳表示，无论是由于日益紧张的地缘政治局势，还是特朗普政府对 NOAA 活动的削减，全球数据可用性的任何减少“都是极大的担忧”。“令人惊讶的是，业界至今还没有真正意识到这一危险……是的，大家对此非常担心，我认为在气候确实发生变化的关键时刻，这些削减非常危险。”
强风和巨浪袭击法国西海岸。更准确的预报和恶劣天气警报有助于提升公众安全 © Fred Tanneau/AFP/Getty Images
一些公共部门的人士正在思考如何保护或提升数据采集方式。随着建设、发射和运营低地球轨道观测卫星的成本迅速下降，私营气象公司开始投资自有的卫星群或星座。
波士顿初创公司 Tomorrow.io 表示，已发射两颗雷达卫星和七颗微波探测卫星，这些卫星能穿透云层探测降雨和降雪。自 2016 年成立以来，该公司已从投资者处筹集 3 亿美元，计划今年再发射四颗探测卫星，并在明年继续扩充其卫星星座。
Tomorrow.io 首席执行官 Shimon Elkabetz 表示，每颗微波卫星仅重 12 公斤，包含发射费用在内成本不到 1000 万美元。“刚开始时，大家都说自建卫星星座成本太高，但新太空经济让我们能实现以前不可能做到的事情。”
但 Elkabetz 表示，虽然私营企业能提升公共部门预报的“效率和影响力”，但无法替代像美国国家海洋和大气管理局（Noaa）这样的大型国家机构。
尽管前景广阔， 气象学家们仍对人工智能将如何彻底改变天气预报感到不确定。
在某些标准上，比如预测风暴强度，人工智能的表现还无法媲美最先进的数值天气预报系统。
雷丁大学研究季节内天气模式的气象学家罗伯特·李表示，大气本身的不可预测性使得无论技术多先进，超过两周的逐日准确详细预报都无法实现。“但我们可以预测出将会有几天的暴风雨天气，或者几天的寒冷冬季天气。”
"对冲基金通过准确的预测赚钱。他们雇佣了大量我们的气象学毕业生。"
能够更远地预测未来带来巨大的好处。随着各国越来越依赖风能或太阳能等受天气影响的清洁能源系统，这一点尤为重要。
“即使你不知道哪一天会最冷，你也想知道会有一整周的寒冷天气，这样才能确保能源不会短缺，”Lee 说。“你可能会选择在期货市场上买入天然气作为预防措施。”
同时，在提前预警即将到来的雨风天气后，“你可能会卖出天然气期货，因为风力发电会增加，电力需求会减少，”他补充道。“这就是一些对冲基金赚钱的方式。他们雇佣了大量我们的气象学毕业生。”
人工智能的支持者表示，相较于传统方法，另一个巨大优势是它能够对特定地点做出非常详细的预测。利用生成式人工智能，Nvidia 的 CorrDiff 系统可以将传统数值模型的数据精度从 25 公里提升到 2 公里。
CorrDiff 最初是在台湾的数据上训练的，目前已在当地用于严重天气预警的实际操作。Harris 表示，该模型已被调整应用于美国大陆，并计划推广到世界其他地区。
英国气象局的 AI 负责人 Dale 表示，实现精度达到 100 米尺度的天气预报是可行的——去年他们就完成了一项关于超本地温度预测的研究。“这就像是街道级的预报，”她说。
上个月法兰克福的一个春日，树木纷纷绽放。人工智能支持者称，其相较于其他预测方法的最大优势在于能够对特定地点做出详细预测 © Kirill Kudryavtsev/AFP/Getty Images
天气公司（The Weather Company）的尼利表示，更加详尽的天气预报将使企业能够为客户提供全新的服务。更准确的雷暴来临预警将为机场争取更多时间，合理安排飞机的起降。
虽然有人担心数据密集型的 AI 模型会消耗越来越多的能源，但 AI 天气预报的长期环境影响却较为复杂。其效果取决于生成和传播预报所需的能耗与由此带来的节能效果之间的平衡。
正如其他行业一样，关于人工智能和更高程度自动化的讨论也变成了一个关乎生存的问题。如果世界开始依赖人工智能来预测天气，那么气象学家还剩下什么角色呢？
气象局官员怀疑人工智能的兴起会终结人们在解读从洪水到太空天气等现象中的就业。
气象学家仍然不可或缺，甚至可能比以往任何时候都更重要。他们需要在相互竞争的人工智能模型之间做出判断，发挥关键作用，将原始的预测数据置于具体背景中，并传达风险等级及建议的应对措施。
原始数据仍需收集，有时还要进行审核以排除异常情况。气象局自己也曾撤销过2018年创下的苏格兰“纪录”气温，因为传感器靠近了一辆冰淇淋车。
英国气象局的人工智能主管 Dale 认为，这项技术正在改变我们对天气的认知——但它是传统预测方法的强大助力，而非替代品。
“我看到一种日益共生的关系，”她说。“我们需要他们像一个团队一样协同工作。”
图示由 Ian Bott