2025 年 10 月，一場風暴在加勒比海形成。當時氣象模型對其路徑意見分歧，不確定它會保持微弱並影響海地，還是會增強並轉向牙買加。由 Google DeepMind 和 Google Research 開發的人工智慧模型 WeatherNext 預測了後者。在登陸前五天，它以 80% 的信心預測該風暴系統將以五級颶風的強度襲擊牙買加。

颶風 Melissa 造成了災難性的洪水和山崩，重創牙買加。然而，這個 AI 模型幫助預報員提早向受影響社區發出警告，讓他們能更好地進行準備。

在週四發表於《Nature》期刊的一篇論文中，研究人員指出 WeatherNext AI 模型能以史無前例的準確性預測氣旋。平均而言，它比現有模型多提供一天的預警時間；這意味著它三天前的預測，其準確度相當於傳統模型兩天前的預測。在實務上，多出的一天意義重大。

美國國家颶風中心主任 Mike Brennan 表示：「即使是幾個小時也能帶來改變。」組織疏散、儲備物資以及調動資源以應對颶風風險，這些都是時間緊迫的任務，而錯誤的決策可能導致嚴重後果。他補充說：「在這些決策上，時間真的非常寶貴，因此能將預報準確度往前推進一天，超越我們以往的能力，這真的非常有價值。」

研究人員表示，從歷史上看，將預報時間提前一天通常需要十年時間的努力。

對 AI 而言，模擬極端事件可能極具挑戰性。機器學習需要大量的訓練資料才能進行未來預測，但極端事件本質上是罕見的。Google DeepMind 研究科學家兼論文主要作者之一 Ferran Alet 表示：「我們沒有那麼多的氣旋資料，但我們有很多天氣資料。」「所以我們做的是訓練一個模型，使其既擅長天氣預測，也擅長氣旋預測。」

大氣研究合作機構熱帶氣旋小組負責人兼論文作者 Kate Musgrave 指出，颶風特別難以預測，因為它們在多個空間尺度上運作。預測風暴的路徑（它行進的方向）需要全球尺度的天氣資料，包括冷鋒位置和盛行風等資訊。然而，預測風暴強度則需要更小尺度的資料，專注於局部大氣和海洋條件。

Musgrave 說：「這正是我們無法從這些全球模型中獲得的。」雖然早期的 AI 模型在預測風暴路徑方面表現良好，但「它們在強度預測方面完全不行。」

預測兩者都至關重要：強度的變化可能意味著一場相對較弱的風暴和一場主要颶風之間的差異。有時，就像颶風 Melissa 的情況一樣，風暴系統會迅速增強，一夜之間演變成緊急情況。Melissa 標誌著國家颶風中心首次能在風暴仍處於一級颶風階段時，就預測到它將發展成五級颶風。

在 WeatherNext 模型用於即時預報之前，研究人員對其進行了回溯性資料測試。Musgrave 表示：「結果好到我們懷疑是否能在即時演示中真正看到這種表現。」但當預報員開始將該模型納入其操作時，這種性能依然保持不變。Musgrave 說：「我想每個人都對它的表現感到驚訝。」

即使是 DeepMind 參與該模型的研究人員，也無法完全理解這個 AI 模型是如何產生如此準確的預測的，因為它使用的氣象資料解析度遠低於傳統模型預測風暴強度所需。Alet 表示：「當我們告訴社群我們的模型只使用相對粗糙的解析度時，他們感到震驚，因為這意味著較低解析度的輸入捕捉到的關於未來事件的訊號，比之前認為的還要多。」

這個 AI 模型一定是在較低解析度的資料中捕捉到了什麼，使其能夠預測風暴強度，但研究人員尚不清楚是什麼。Alet 說：「歸根結底，它是一個黑盒子，但這給了物理學家一個訊號，表明有些以前不了解的事情正在發生。」

該模型不只產生一個預測；它會為發展中的風暴產生一系列潛在情境。Alet 表示，這有助於捕捉任何潛在的「蝴蝶效應」，即趨勢的微小偏差可能導致後續更大的變化。預報員可以利用這些輸出，以及其他模型的輸出，來為他們對風暴系統可能如何發展的預測提供資訊。去年，這個 AI 模型為每場風暴創建了 50 個情境；現在，它能生成 1,000 個。

Musgrave 說：「這是在我們現有的數值模型中，以我們的計算能力根本無法做到的。」

Brennan 表示，DeepMind 的模型是預報員工具箱中一個很棒的新工具，但他強調這只是眾多工具之一。他說：「沒有任何保證說，一個模型因為去年表現良好，或對某個特定風暴表現出色，就一定會是下一個季節或下一個風暴的最佳模型。」

他補充說，人為因素仍然至關重要。他說：「颶風不只是一個路徑或強度預報。」「它需要專家將其轉化為可能造成的影響，而正是這些影響會導致人員傷亡。」

Google DeepMind 也宣布將開源在颶風季節使用的 WeatherNext 模型，以便研究人員可以利用並改進它們。Alet 希望將模型開放給研究社群，能有助於揭示氣旋運作方式的新見解。他說：「我對科學發現感到非常興奮。」「我認為 AI 正在為我們提供新的工具，以探索宇宙的法則。」