新智元報道

編輯：傾傾

颶風Melissa撕裂加勒比海岸前五天，一臺AI已經預言了它的狂暴生長。這不是奇跡，而是DeepMind的算法在45年、5000場風暴的數據中學會了「讀懂海洋」。在人類與自然的博弈中，AI第一次站到上帝的位置上。

在古老的神話里，掌控風暴的是神。

他們掀起海浪、放下雷霆，讓人類在恐懼中祈禱。

兩千年后，一臺AI在倫敦的機房里靜默運算。

它沒有情感，也不懂信仰，卻能在颶風尚未成形時，預言災難的走向。

DeepMind的模型預言——Melissa將快速增強。

這一次，風暴的預告，不再來自上帝，而來自算法。

風暴初聲：當機器預見狂暴

10月21日，加勒比海上空的衛星云圖逐漸浮現暗影。海面溫度暖意仍在，氣壓只是輕微下降。

但在倫敦的DeepMind機房中，一條颶風強度預測曲線驟然上揚——模型顯示，一場還未來得及命名的風暴將有50%–60%的概率升級為五級。

10月23日，該模型將這一概率提升至80%以上。

那時，人們還未意識到，這場被命名為Hurricane Melissa的風暴，將橫掃牙買加、撕裂海岸。

從氣象學視角看，「路徑預測」雖有進展，但「強度變化」長期被視為難題——氣旋內部渦旋、海溫、氣壓、濕度等多重微妙交互，令傳統數值模型疲于奔命。

而DeepMind的模型這次在強度預測上交出亮眼答卷：訓練中采用兩套數據集──一是全球氣象觀測數據庫，二是45年約5000場氣旋專屬觀測數據。

這樣的氣旋記憶庫被認為是其突破的關鍵點。這意味著：在風暴來臨之前，機器已經標記了「爆發」的契機。

NHC將其投入實戰，今年13場風暴中，該模型「路徑及強度預測均表現良好」。

這一刻，時間軸被拉長——從風暴可能變成風暴將至。

人類與機器，在大氣亂流中共同監視那條曲線，大自然的規律也被一點點揭開。

算法記憶：AI如何破解風暴的「盲點」？

氣象學家能較準確地預測颶風往哪兒走，但它會有多強，這一直是一個盲點。

傳統的數值模擬模型依賴龐大算力和復雜方程，往往難以在短時間內捕捉到颶風強度的突變。

而Melissa這樣的風暴，往往就在短短兩天里，從三級升至五級。

DeepMind想解決的，就是這一問題。

在官方項目Weather Lab中，團隊用兩類數據訓練模型：全球再分析氣象數據集和過去45年、約5000個氣旋事件的歷史觀測數據庫。

這讓模型擁有一套「氣旋記憶」，能主動識別那些往往預示快速增強的信號。

DeepMind表示，系統能在一次預測中生成多達50種可能未來場景，預見未來15天內氣旋的形成、路徑和強度變化。

DeepMind在實驗中展示了模型對氣旋Alfred的預測過程。

模型準確預判了Alfred減弱并在澳大利亞昆士蘭附近登陸的過程。

它生成多條可能路徑（藍色細線），再以一條「平均路徑」（粗藍線）給出最有可能的結果。

這意味著，AI不再只輸出單一結果，而是告知氣象員全部可能性。

在馬達加斯加以南與印度洋區域，模型同樣成功預測了多場氣旋。

它不僅在活躍期準確追蹤氣旋Honde與Garance，還提前近一周捕捉到Jude與Ivone的形成與增強趨勢。

實驗性氣旋模型的預測動畫。模型（藍色）準確預測了馬達加斯加以南的氣旋Honde和Garance在活躍時的路徑。模型還捕捉了印度洋中氣旋Jude和Ivone的路徑，幾乎提前七天，穩健地預測了最終會增強為熱帶氣旋的風暴天氣區域。

這種跨海域、多氣旋的穩定預測能力，讓模型真正具備了「全球可用性」——不依賴地區經驗，而是靠長期模式學習來理解氣候系統。

DeepMind公開的實驗數據顯示，在5天預測窗口內，該模型的路徑誤差與強度誤差均顯著低于主流系統（ECMWF、NOAA HAFS-A）。

DeepMind AI模型在路徑與強度預測中的誤差對比。橙線為ECMWF全球模式，灰線為NOAA區域模式，藍線為DeepMind實驗性氣旋模型。橫軸為預測提前天數，縱軸為誤差值。可以看出，AI模型在五天預報中明顯優于傳統模型。

相比傳統模型需要數小時高算力運行，AI模型幾分鐘內即可完成全流程計算，并支持實時更新。

正因如此，它被認為是首個兼顧路徑精度與強度預測的氣旋專用AI系統。

前NHC颶風專家James Franklin評價說：

我從沒見過一個新模型上線得這么快、表現還這么好。

DeepMind的研究也被認為是AI氣象學的「臨界點」。它不是替代人，而是第一次讓人類在風暴形成之前，就能看清風暴的上升趨勢。

AI上崗：氣象局迎來一位「新同事」

對NHC的科學家來說，AI預測模型的出現，一開始只是一個實驗項目。

他們在颶風季啟動前，把DeepMind的模型悄悄納入工作系統，作為「對照組」和傳統的數值模擬模型并行運行。

結果顯而易見。

在今年已命名的13場風暴中，DeepMind模型在路徑和強度預測上的表現都居于前列，尤其在風暴突然暴漲為高等級的關鍵階段表現最突出。

邁阿密大學氣象研究員Brian McNoldy評價說：

在所有被使用的颶風預測模型中，它已經處在最前列，甚至可能是最好的。

傳統系統需要依賴高性能計算中心、消耗數小時算力，對比下來，這套AI模型在幾分鐘內即可給出結果，而且可以連續更新。

在Hurricane Melissa的案例中，這個模型第一次被正式寫入NHC的內部預報。

10月21日，它預測Melissa有50%以上概率成為五級颶風；10月23日，這個概率上調至80%。

次日， NHC在公告中引用這條數據——「存在成為5級風暴的明顯可能性」。

這條引用，成了AI預測實戰的歷史性時刻。AI在這一刻被寫入氣象史，但科學家依然保持謹慎。

在NHC的控制室里，算法與人類預報員并肩工作——屏幕上，一邊是傳統物理模擬的彩色云圖，一邊是AI模型的概率分布圖，兩種相互印證。

對研究員們來說，這種共事不只是新奇，更是一種釋放：當機器能在幾分鐘內識別出風暴的爆發趨勢，人類終于可以把更多精力用在決策和應對上。

預言的代價：AI能算出風暴，卻不能理解

當Hurricane Melissa如AI預測的那般在牙買加登陸，帶來高達75厘米的降雨、數十萬人斷電時，DeepMind團隊并沒有第一時間慶祝。

他們在論文里寫下了一句很冷靜的話：

我們很高興能為NHC提供有用的參考，但不應以單一案例來評估模型的整體能力。

論文地址：https://arxiv.org/abs/2506.10772

AI的預言是準確的，但它并不理解災難到底是什么。它只能看到數據的異常波動，而不能阻止風暴的到來、理解風暴意味著摧毀與恐慌。

這也是所有科學家都清楚的一點：預測，并不等于掌控。

過去幾十年，氣象學家試圖靠更密集的觀測、更強的算力來理解大氣。如今，AI提供了一個全新的入口。

它不再追求物理完備，而是靠模式識別去捕捉前兆。

但正因如此，它也有天然的邊界。

算法可以在數千個樣本中找出規律，卻無法決定哪個港口需要先撤離；它能識別風暴正在形成，卻無法判斷人類該怎么應對。

對于NHC的預報員來說，AI的加入既是減負，也是責任。他們必須判斷，哪些預測足夠可靠、哪些只是幻象。

因為每一次預警，背后都意味著經濟停擺、人員疏散、恐慌擴散。

DeepMind的研究員Ferran Alet在接受采訪時說：

AI的目標是幫助人類更早地做出反應，而不是取代人類。

這句話聽起來溫和，卻道出了一個更現實的前提——算法的力量，只有在人類理解它的前提下，才真正有意義。

Hurricane Melissa的陰影早已散去。加勒比海重新歸于平靜，海水的溫度在衛星圖上慢慢回落，新聞推送換上了下一場風暴的名字。

在邁阿密的氣象中心，DeepMind的模型仍在后臺運行。它接收新的衛星數據、更新概率分布、重新計算未來十五天的氣旋路徑。

沒有情緒，沒有休止。

這一季的風暴讓科學家第一次意識到：預報不再只是預測天氣，而是管理不確定性。

而在這場與自然的長跑里，AI已經成為新的觀察者——它既不會感到害怕，也不會感到驕傲。

也許未來的某一天，所有災難的第一個預警，都將來自算法。但決定如何回應、如何挽救，仍然只能由人來完成。

風暴的聲音已經消散，而人類與機器之間的對話，才剛剛開始。

參考資料：

https://www.nature.com/articles/d41586-025-03539-x

https://arxiv.org/abs/2506.10772

https://deepmind.google/discover/blog/weather-lab-cyclone-predictions-with-ai/?utm_source=chatgpt.com