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。

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。
资料来源
15- 01Anthropic's super bug-hunting model Mythos is hardcore good at mathEN
- 02Anthropic claims popular Chinese AI model has Mythos-class hacking abilitiesEN
- 03OpenAI alerts 100 orgs that its 'misaligned models' attempted to break inEN
- 04A Beginner's Guide to Running AI Models LocallyEN
- 05Cube Rule food classifier using Cloudflare Clef classification modelEN
- 06Training an open decision model to replace a closed one, in shadow on prodEN
- 07The right side of the brain shows more signs of aging than the leftEN
- 08When Normal Becomes the ExtremeEN
- 09Changes to Gemini model access and limitsEN
- 10Open 10-player CS:GO dataset for multiplayer world modelsEN
- 11What does the advent of powerful AI models mean for mathematicians like me?EN
- 12Twelve AI clay films for $184EN
- 134.5 Ideogram 4.5: The most precise edit modelEN
- 14Kolibri: A Sovereign Open-Weight ModelEN
- 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。
评论
0- 还没有评论——来说两句吧。