跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

研究发现:AI模型难以准确预测飓风强度

2026年10月2日《华盛顿邮报》报道的一项新研究发现,AI模型缺乏准确预报飓风峰值强度所需的物理一致性,其输出结果常常违反热力学基本定律。

科学分析郑雪莉发布: 2026年10月3日6 分钟阅读资料来源 15
研究发现:AI模型难以准确预测飓风强度

机器学习在飓风预报最难的一环上掉了链子。《华盛顿邮报》10月2日报道,AI模型给出的强度预测违背物理定律。对应急规划来说,这是个严重问题。

神经网络中的物理不一致

《华盛顿邮报》分析指出的核心问题在于,神经网络不受物理定律约束。传统数值天气预报模型求解流体力学和热力学方程。AI模型是统计近似器,学习输入变量与观测结果之间的相关性。当飓风出现在罕见海域,或具有罕见结构时,模型没有物理框架可供参照,只能根据训练数据中最接近的匹配去猜。

这就导致科学家所说的“非物理”状态。比如,AI模型可能预测出中心气压低于周围环境理论上允许的最低值,也可能给出需要超过海面所能提供的能量才能维持的风速。这些错误不只是统计噪声,它们暴露出模型内部逻辑与大气物理现实之间的根本脱节。

传统模型也有缺陷,但它们建立在守恒定律之上:质量、动量和能量在模拟过程中守恒。这不能保证准确,却能把输出限制在物理上可能的范围内。AI模型没有这层安全网。《华盛顿邮报》指出,这让它们在最极端的情景下不可靠。而预报失误代价最大的,恰恰是这些情景。

极端事件的数据缺口

极端事件本就稀少。四级和五级飓风发生得不够频繁,深度学习模型拿不到足够多的高质量数据去学习其中的细微规律。

机器学习模型在有海量数据时表现最好。它们能学会常见天气系统中的细微模式,却应付不了离群样本。近期的气候数据表明,气候变化正让极端天气事件越来越频繁。例如,北卡罗来纳大学教堂山分校2026年10月3日的一项研究追踪了气候驱动的迁移,认为极端天气正越来越频繁地迫使人们流离失所。同样,Phys.org在2026年10月2日的报道中提到,林业专家正在编写国家层面的灾害防范指南。这反映出社会整体正在转向适应更恶劣的天气模式。这些趋势意味着,AI模型难以预测的“极端”事件正变得越来越常见,而不是相反。

如果气候正朝更强飓风的方向变化,用来训练AI模型的历史数据可能不再代表未来的状况。这是机器学习中的经典难题:分布漂移。模型用过去的数据训练,却要预测未来。如果未来在统计上与过去不同,模型的表现就会下降。物理模型可以纳入海表温度、大气二氧化碳浓度等新的物理参数,因而更有能力应对这种变化。

混合方法与前进方向

研究人员并没有放弃用AI做天气预报,而是在开发混合模型,把神经网络的速度与传统模型的物理一致性结合起来。这类方法用AI加速物理模型的计算步骤,或校正数据中已知的偏差。不过,《华盛顿邮报》报道的这项研究认为,纯数据驱动的AI模型还不足以在强度预报上取代物理模型。

研究强调,在关键基础设施和公共安全领域部署AI需要谨慎。AI能提供有用的洞见,加快处理速度,但不能让它独立决定极端天气事件的强度。能解读预报背后物理背景的人类专家必须留在决策环节中。目标不是取代物理模型,而是把AI当作提升其表现的工具。

这项研究的影响超出气象学。AI正越来越多地用于其他复杂系统,比如金融市场或气候建模。物理一致性和数据稀缺的问题在那里同样会出现。飓风预报给出的教训是,AI必须扎根于物理现实。缺少这一根基,它就可能给出自信却错误的预测,后果可能很严重。

目前,《华盛顿邮报》专栏中引述的专家一致认为,物理模型仍是预报极端天气强度的黄金标准。AI是有前景的工具,但还不是替代品。前进的道路包括严格测试、混合建模,以及清楚认识每种方法的局限。随着气候变化不断推高“极端”的门槛,对准确可靠预报的需求只会增加。科学家的挑战在于,开发出既快速高效、又在物理上站得住脚、值得信赖的AI系统。

近期气候报告提供的背景

近期报告显示了极端天气的经济影响。《洛杉矶时报》2026年10月2日指出,极端天气冲击收成,牛肉、西红柿和海藻正在涨价。Mexico Business News同日报道,随着气候压力加大,食品价格正在攀升。这些经济指标说明,极端天气的社会成本已经显现,准确预报因此更加紧迫。

Earth.com在2026年10月2日的一项研究提出,单靠运动或许就能帮助身体适应极端高温。这反映出个体适应策略正在兴起。它并不直接解决预报问题,却说明气候变化带来的挑战是多方面的。《华盛顿邮报》关于AI预报的研究正处在这一大背景中。它提醒我们,即便能够适应极端天气的后果,首先仍要知道接下来会发生什么。

把AI引入气候科学是一把双刃剑。一方面,它有望带来更快、更准确的预测;另一方面,如果模型没有受到恰当约束,也会带来新的风险。《华盛顿邮报》的这项研究对科学界和政策制定者都是一记警钟。随着我们更深地进入气候变化时代,用来预测未来的工具必须像支配大气的物理定律一样可靠、稳定。研究结果表明,要让AI承担极端天气预报中最关键的部分,我们还有很长的路要走。

评论 0

资料来源

15
  1. 01Anthropic's super bug-hunting model Mythos is hardcore good at mathEN
  2. 02Anthropic claims popular Chinese AI model has Mythos-class hacking abilitiesEN
  3. 03OpenAI alerts 100 orgs that its 'misaligned models' attempted to break inEN
  4. 04A Beginner's Guide to Running AI Models LocallyEN
  5. 05Cube Rule food classifier using Cloudflare Clef classification modelEN
  6. 06Training an open decision model to replace a closed one, in shadow on prodEN
  7. 07The right side of the brain shows more signs of aging than the leftEN
  8. 08When Normal Becomes the ExtremeEN
  9. 09Changes to Gemini model access and limitsEN
  10. 10Open 10-player CS:GO dataset for multiplayer world modelsEN
  11. 11What does the advent of powerful AI models mean for mathematicians like me?EN
  12. 12Twelve AI clay films for $184EN
  13. 134.5 Ideogram 4.5: The most precise edit modelEN
  14. 14Kolibri: A Sovereign Open-Weight ModelEN
  15. 15New in Llama.cpp: Decision ModelsEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

郑雪莉

郑雪莉

科学与健康

郑雪莉负责FLASH24科学与健康版块,日常从论文预印本、期刊官网和机构通报中抓取信息,只盯数据来源和实验设计是否站得住。她习惯把每项统计数字与原始数据集交叉比对,遇到百分比先算清分母再决定是否采用。她常联系一线研究人员核实细节,也会在日历上标记大型队列研究的发布节点,提前比对不同团队的结果。私下她学材料物理,还自己架望远镜观测,这让她对测量误差和观测条件格外敏感。她有一条硬规矩:样本量、利益冲突或方法说明缺一项,稿子就不发。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。