（来源：中国环境网）

转自：中国环境网

近日，牛津大学专家在《自然》杂志发表评论文章《人工智能（AI）模型能否可靠地预测极端天气？》，探讨 AI模型在预测极端天气事件中的可靠性，并呼吁全球气象界建立统一的评估标准。

文章指出，自20世纪70年代以来，基于物理规律的数值预报模式大幅提升了预报准确率，使热带气旋等灾害造成的死亡人数显著下降。如今，AI模型直接利用经过历史气象数据训练的算法，将当前天气状况映射至可能的未来状态，其计算速度远超传统模式——生成一次14天的 AI全球预报，可比基于物理模型的系统提前两小时完成。然而，这一速度优势背后隐藏着巨大风险：AI系统高度依赖历史数据训练，在面对气候变化背景下从未出现过的破纪录极端事件时，其预测能力尚不明确。

目前，欧洲中期天气预报中心等机构已开始将 AI技术融入业务系统。但研究表明，AI模型在预测训练集之外的风暴或极端温度时，往往存在区域性偏差，且倾向于低估破纪录事件的强度。

针对这一困境，文章提出“AI重新训练排除标志性事件”框架。该框架建议气象界达成共识，编制具有全球代表性的“标志性”极端事件数据库。具体要求为，在训练 AI模型前，需从再分析数据集中剔除这些事件及其前后各约五天的信息，随后要求建模中心在精简后的数据集上重新训练模型，并对被移除的事件进行回顾性预报测试。

这一框架旨在通过社区驱动的标准化流程，客观评估 AI模型捕捉极端事件物理特征的能力。文章强调，在 AI推动天气建模日益普及的当下，建立透明化的测试标准，对于建立预报员与公众之间的信任至关重要。（来源：自然杂志官网编译：何静怡）