Google DeepMind WeatherNext: 氣旋預測的突破

Google DeepMind 推出了 WeatherNext，這是一款旨在以最先進的準確度預測熱帶氣旋路徑、強度和風場結構的 AI 模型。該模型為預報員提供了平均額外一天的預測準確度，這意味著現在的三天預報與先前模型的兩天預報同樣準確。根據 DeepMind 的說法，這項進步相當於大約十年的氣象學進展。

低解析度下的高精度氣旋預測

WeatherNext 彌合了全球大氣環流（引導氣旋路徑）與局部熱力學過程（驅動強度）之間的差距。傳統上，這需要兩種不同的建模技術：用於路徑的粗略全球模型和用於強度的細粒度局部模型。WeatherNext 則是一個能同時處理兩者的單一 AI 模型。

研究中的一個驚人發現是，該模型儘管使用顯著較低的解析度數據，仍能保持高準確度。WeatherNext Cyclones 的運作解析度為 28x28km——比傳統模型粗糙 100 倍。一個較小的版本 WeatherNext 2-mini，運作解析度甚至更粗糙，達到 111x111km，但仍展現出強大的性能。該模型在這種解析度下產生準確預測的確切機制仍是一個開放的研究課題。

訓練數據與模型架構

WeatherNext 是透過兩種不同的數據模態進行共同訓練，以學習通用的大氣模式和極端天氣事件：

• Global Weather Dynamics: 幾乎 20 TB 的全球大氣數據。
• Historical Cyclone Observations: IBTrACS 資料庫，其中包含來自近 5,000 場歷史風暴的數據。

為了處理天氣固有的不確定性，該模型利用 Functional Generative Networks (FGNs) 來產生預測集合（ensembles）。這使得系統能夠在 TPU 上於一分鐘內生成 15 天的預測。集合規模已擴展到 1,000 個成員，能夠捕捉罕見但影響重大的「尾部風險」（tail-risks），例如 2025 年颶風 Melissa 期間觀察到的快速增強事件。

真實世界影響與開源釋出

WeatherNext 已投入實際運作。在 2025 年颶風季期間，它幫助了國家颶風中心 (NHC) 預測了颶風 Melissa 在牙買加的快速增強和登陸，從而實現了更早的預警。

DeepMind 開源了以下模型和代碼：

• WeatherNext Cyclones: 在颶風季期間使用的模型。
• WeatherNext 2: 於 10 月發布的運作更新版本。
• WeatherNext 2-mini: 一個緊湊版本，可以透過公開的 Colab notebook 運行。

社群洞察與技術觀點

雖然研究人員強調了這一突破，但技術社群也指出了一些關鍵的依賴關係和考量因素：

"The impression that industry can predict weather better than the government agencies totally misses that the industrial models utterly rely on government data for inputs."

觀察者強調，像 WeatherNext 這樣的 AI 模型完全依賴於由 NOAA 和 UK Met Office 等機構管理的政府基礎設施（例如天氣氣球和衛星）所提供的關鍵地面實況數據（ground-truth data）。

其他討論集中在 AI 驅動的預報與數值天氣預報 (NWP) 模型相比的效率，一些用戶指出，特定問題的模型比通用型 LLM 更具影響力。此外，對於模型的解釋性以及如何處理高風險政府撤離命令中的不確定性估計，也存在持續的討論。