氣象學界認為，未來應結合AI與傳統數值預報，發揮兩者優勢。最合理的方式應該還是讓AI與數值預報共存。(日經新聞 Joel來談日本 )

 

Joel來談日本

氣象學的傳統預報方法，現在正逐漸被人工智慧（AI）技術超越。美國Google開發的最新氣象預測AI，其準確度已超過全球最先進的傳統預測模型。這項技術不僅降低對大型超級電腦的依賴，還可能更有效應對因地球暖化而日益極端的天氣變化。

Google旗下的AI研究部門DeepMind，由Ilan Price領導的團隊，開發了名為「GenCast」的AI氣象預測系統。這項技術的研究成果已於2024年12月發表在英國科學期刊《自然》（Nature）上。GenCast的預測準確度優於歐洲中期預報中心（ECMWF）使用的全球最高水準數值預報模型「ENS」，並且能迅速產出天氣預測結果。

研究團隊讓AI學習了1979年至2018年的全球氣象數據，並用它來預測2019年的天氣變化。結果顯示，在地表溫度、降水量等1300多項指標中，GenCast的預測有97%優於ENS。與傳統基於物理氣象學的「數值預報」相比，AI方法的主要優勢在於速度。數值預報需透過方程式解析大氣流動，計算複雜且耗時，而AI只需學習歷史數據，便可透過統計方法預測未來的天氣變化。

使用Google開發的AI專用晶片「TPU」，GenCast可透過雲端運算，在約8分鐘內計算出未來15天的天氣變化，包括颱風的行進路徑。相比之下，傳統數值預報需要使用超級電腦，計算相同範圍的預測則需數小時。AI技術不僅能大幅縮短預測時間，還能降低計算成本。此外，在2019年重創福島縣等地的台風19號案例中，GenCast成功計算出與實際觀測結果極為接近的颱風路徑，顯示其高精確度。

目前，全球多家企業與研究機構正積極開發AI氣象預測技術。除了Google之外，美國國家海洋暨大氣總署（NOAA）也已開始試驗AI預測模型。此外，中國華為（Huawei）推出的「盤古氣象模型」在2024年6月獲歐洲中期預報中心認可，研究指出其預測極端天氣事件的精準度與傳統方法相當，並具備發展潛力。

然而，AI氣象預測仍面臨挑戰，最大問題是「可解釋性」不足。當AI預測結果與實際天氣發生明顯誤差時，很難判斷錯誤來源，無法像傳統數值預報般透過修正計算方法來改進。AI的運算主要依賴統計模式，當數據不足或公式存在瑕疵時，難以找出錯誤根本原因。此外，AI預測適用於大型氣象系統，如颱風與低氣壓移動的預測，但對於短時間內的局部天氣變化，如降雨機率等，準確度仍待提升。

氣象學界認為，未來應結合AI與傳統數值預報，發揮兩者優勢。最合理的方式應該還是讓AI與數值預報共存。例如，理化學研究所的三好建正團隊正研發結合AI與數值預報的系統，來提升預測極端降雨的能力。研究顯示，相較於純數值預報，該系統的有效預測時間可延長五倍，有助於應對短時間內可能引發洪災的「爆發性豪雨」。

資料來源：日經新聞

Joel來談日本

公眾人物

發送訊息