人工智能擅长天气预报。它能预测异常天气事件吗？

作者表示，这一局限性在研究人员将神经网络纳入操作性天气预报、早期预警系统和长期风险评估时尤为重要。但他们也表示，通过将更多数学和物理整合到人工智能工具中，可以解决这个问题。

“人工智能天气模型是科学中人工智能最大的成就之一。我们发现它们非常出色，但并非神奇，”芝加哥大学地球物理科学副教授、该研究的通讯作者佩德拉姆·哈萨扎德说。“我们仅拥有这些模型几年，所以仍有很多创新的空间。”

灰天鹅事件

天气预测人工智能的工作方式类似于许多人目前使用的其他神经网络，例如ChatGPT。

实际上，模型是通过将大量文本或图像输入模型进行“训练”，并要求它寻找模式。然后，当用户向模型提出问题时，它会回顾之前看到的内容，并利用这些信息预测答案。

在天气预测的情况下，科学家通过提供几十年的天气数据来训练神经网络。然后，用户可以输入当前的天气条件，并要求模型预测未来几天的天气。

哈萨扎德表示，这些人工智能模型在这方面表现非常出色。通常，它们的准确性可以达到顶级超级计算机天气模型的水平，而这些模型使用的时间和能量是其10,000到100,000倍。

“这些模型在日常天气预测方面表现得非常好，”他说。“但如果下周出现异常天气事件呢？”

人们担心的是，神经网络仅依赖于我们目前所拥有的天气数据，而这些数据可以追溯到大约40年前。但这并不代表可能出现的天气的全部范围。

“2017年哈维飓风导致的洪水被认为是千年一遇的事件，”哈萨扎德说。“这样的情况是可能发生的。”

科学家有时将这些事件称为“灰天鹅”事件。它们并不完全等同于黑天鹅事件——像导致恐龙灭绝的小行星——但它们在局部造成了重大破坏。

研究小组决定以飓风为例测试人工智能模型的极限。他们使用几十年的天气数据训练神经网络，但删除了所有强度超过二级飓风的记录。然后，他们输入一种会在几天内导致五级飓风的气象条件。模型能否推断出飓风的强度？

答案是否定的。

“它总是低估这个事件。模型知道有风暴即将来临，但它总是预测只有二级飓风，”芝加哥大学研究科学家、该研究的另一位通讯作者孙永强说。

这种错误被称为假阴性，在天气预报中非常重要。如果预测告诉你风暴将是五级飓风，但实际上却仅为二级，那意味着人们可能不必要地撤离，这并不理想。然而，如果预测低估了一个结果为五级的飓风，后果将更加严重。

飓风警报 及物理学的重要性

神经网络与传统天气模型之间的最大区别在于，传统模型“理解”物理学。科学家们设计他们以纳入对大气动态、喷流及其他现象的数学和物理理解。

神经网络并没有做到这一点。与基本上是预测文本机的ChatGPT一样，它们仅仅是查看天气模式，并根据过去发生的情况推测接下来可能发生的事件。

目前没有主要服务仅使用人工智能模型进行预测。但随着它们的使用扩展，这种趋势需要被纳入考虑，哈萨扎德说。

从气象学家到经济学家，研究人员开始使用人工智能进行长期风险评估。例如，他们可能会要求人工智能生成许多天气模式的示例，以便我们看到未来每个地区可能发生的最极端事件。但如果人工智能无法预测比它以前见过的更强的事件，它在这个关键任务中的实用性将受到限制。尽管如此，他们发现，如果训练数据中存在任何先例，即使在世界其他地方，模型也“可以”预测更强的飓风。例如，如果研究人员删除所有大西洋飓风的证据，但保留太平洋飓风，模型仍能推断出大西洋飓风的预测。

“这是一个令人惊讶和令人鼓舞的发现：这意味着模型可以预测在一个地区没有出现过的事件，但在另一个地区偶尔发生过，”哈萨扎德说。

合并方法

研究人员建议的解决方案是开始将数学工具和大气物理原则合并到基于人工智能的模型中。

“希望如果人工智能模型能够真正学习大气动态，它们将能够了解如何预测灰天鹅事件，”哈萨扎德说。

如何实现这一点是一个热门研究领域。该团队正在追求的一种前景广阔的方法称为主动学习——即人工智能帮助指导传统基于物理的天气模型生成更多极端事件的示例，这些示例可以用来改善人工智能的训练。

“更长的模拟或观察数据集将无法奏效。我们需要考虑更智能的生成数据方式，”纽约大学Courant数学科学研究所的教授、研究的共同作者乔纳森·维尔说。“在这种情况下，这意味着回答‘我应该将训练数据放在哪里才能在极端情况中取得更好的表现’的问题。幸运的是，我们认为，当人工智能天气模型与合适的数学工具结合时，可以帮助回答这个问题。”

芝加哥大学的多里安·阿博特教授和计算科学家穆赫森·赞德也是该研究的共同作者，加利福尼亚大学圣克鲁斯分校的阿舍什·查托帕迪亚也参与了研究。

该研究使用了芝加哥大学研究计算中心维护的资源。