• DeepMind 的 AI 程序 GraphCast 正确预测了飓风伯里尔在德克萨斯州的登陆，表现优于传统预报方法。
  • 该技术提供快速准确的天气预报，有望改变全球天气预报实践。

本刊观点
像 GraphCast 这样的 AI 模型成功预测飓风伯里尔路径，体现了气象预报的重大进步。这种新方法不仅加快了预测速度，还提高了准确性，为改善灾害防备和应对提供了宝贵见解。
—— BTW 记者 Zoey Zhu

事件回顾

今年 7 月初，当飓风伯里尔逼近加勒比海时，传统的欧洲气象机构基于大量全球数据和超级计算机，预测其可能在墨西哥登陆。然而，DeepMind开发的 AI 模型GraphCast仅依靠先前学习的大气模式，给出了在德克萨斯州登陆的另一种预测。

飓风伯里尔于 7 月 8 日袭击德克萨斯州，带来毁灭性影响，导致洪水、停电以及至少 36 人死亡。该 AI 模型在几分钟内生成的准确预报，突显了天气预报向更快速、更精确方向的转变。GraphCast 在预测风暴路径方面比欧洲中期天气预报中心（ECMWF）的传统模型更准确。这一表现凸显了人工智能在天气预报领域日益增长的潜力，因为 GraphCast 接受了 40 年气象数据的训练，并且生成预报的速度比传统超级计算机更快。

延伸阅读：TSMC 因人工智能热潮上调营收预期

延伸阅读：AI 预测英超冠军，这是运气吗？

为何重要

人工智能驱动的天气预报代表气象学的变革性转变。传统预报依赖超级计算机和大量数据输入，这既耗时又难以适应快速变化的环境。相反，像 GraphCast 这样的 AI 模型通过学习历史数据并高精度识别模式，提供更快、更准确的预测。

AI 预报的速度和准确性可以极大增强灾害防备和应对能力，在极端天气事件中可能拯救生命、减轻损失。例如，更快的预报可以促使更及时的疏散和更明智的公共安全决策。此外，AI 模型可以在标准台式计算机上运行，使得先进天气预测比传统使用的昂贵超级计算机更容易获取。这种可及性可以普及天气预报，并推动先进预测技术的更广泛使用。