当热带风暴梅丽莎在海地南部肆虐时，国家飓风中心 (NHC) 气象学家菲利普·帕潘 (Philippe Papin) 相信它即将发展成为一场巨大的飓风。
作为值班的首席预报员，他预测风暴将在短短 24 小时内升级为 4 级飓风，并开始转向牙买加海岸。NHC 的预报员从未发布过如此大胆的预测以达到快速强化的目的。
但帕平有一张王牌：谷歌新的 DeepMind 飓风模型形式的人工智能，该模型于 6 月首次发布。而且，正如所预料的那样，梅丽莎确实成为了一场席卷牙买加的力量惊人的风暴。
NHC 的预报员越来越依赖 Google DeepMind。10月25日上午，帕潘在公开讨论中解释道以及在社交媒体上那个谷歌的模式是他如此自信的主要原因： – 大约 40/50 的 Google DeepMind 合奏成员显示 Melissa 成为第 5 类。虽然考虑到赛道的不确定性，我还没有准备好预测这种强度，但这仍然是一种可能性。
“当风暴在非常温暖的海水上缓慢移动时，很可能会出现一段快速加强的时期，这是整个大西洋盆地海洋热含量最高的。”
谷歌 DeepMind 是第一个专门研究飓风的人工智能模型，现在是第一个在自己的游戏中击败传统天气预报的人。经历了今年迄今为止的全部 13 场大西洋风暴，谷歌的模型是最好的——甚至在预测方面击败了人类预测者。
梅丽莎最终以 5 级强度在牙买加登陆，这是近两个世纪的跨大西洋盆地记录中记录的最强登陆之一。帕平的大胆预测可能为牙买加人民提供了额外的时间来应对灾难，从而可能挽救生命和财产。
谷歌 DeepMind 一直在做天气预报几年来，以及衍生新飓风模型的父预报系统也表现出色去年诊断大规模天气模式。
谷歌模型的工作原理是发现传统的基于时间密集型物理的天气模型可能会错过的模式。
“它们的速度比基于物理学的同类要快得多，而且计算能力更便宜、更耗时，”前 NHC 预报员迈克尔·洛里 (Michael Lowry) 说。
“这个飓风季节很快就证明了，新出现的人工智能天气模型与我们传统上依赖的速度较慢的基于物理的天气模型具有竞争力，在某些情况下甚至更准确，”洛瑞说。
可以肯定的是，Google DeepMind 是机器学习的一个例子，这种技术多年来一直在气象学等数据密集型科学中使用，而不是像 ChatGPT 这样的生成式人工智能。
机器学习获取大量数据并从中提取模式，其模型只需几分钟即可得出答案，并且可以在台式计算机上完成此操作，这与政府几十年来使用的旗舰模型形成鲜明对比，后者可能需要数小时才能运行并要求世界上一些最大的超级计算机。
尽管如此，谷歌的模型能够如此迅速地超越以前的黄金标准遗留模型，对于那些一生都在努力预测世界上最强风暴的气象学家来说，这无疑是令人惊讶的。
时事通讯促销后
“我印象深刻，”退休的 NHC 预报员詹姆斯·富兰克林 (James Franklin) 说道。“样本现在足够大，很明显这不是初学者的运气。”
富兰克林表示，尽管谷歌 DeepMind 今年在预测全球飓风未来路径方面击败了所有其他模型，像许多人工智能模型一样，它偶尔会出现高端强度预测错误。今年早些时候，它与飓风“艾琳”作了斗争，因为它在加勒比海北部也正在迅速增强至 5 级。它还与台风“卡尔玛吉”作斗争— 周一在菲律宾登陆。
富兰克林表示，在即将到来的休赛期，他计划与谷歌讨论如何通过提供额外的幕后数据来使 DeepMind 的输出对预测者更有帮助，他们可以使用这些数据来准确评估 DeepMind 给出答案的原因。
“让我烦恼的一件事是，虽然这些预测看起来非常非常好，但模型的输出有点像黑匣子，”富兰克林说。
从来没有一家私营营利性公司能够制作出顶级的天气模型，让研究人员能够了解其方法，这与几乎所有其他模型不同，这些模型是由设计和维护这些模型的政府完全免费向公众提供的。而谷歌已经做出了DeepMind的顶级输出在专门网站上实时公开，其方法在很大程度上仍然是隐藏的。
谷歌并不是唯一一家开始使用人工智能来解决天气预报难题的公司。美国和欧洲政府也正在开发自己的人工智能天气模型，这些模型也表明比之前的非 AI 版本提高了技能。
人工智能天气预报的下一步似乎是初创公司在以前难以解决的问题上采取了行动，例如次季节前景和更好地提前预警龙卷风爆发和山洪— 他们正在接受美国政府的资助来做到这一点。WindBorne Systems 等公司甚至发射自己的气象气球填补美国天气观测网络的空白，该网络最近被特朗普政府缩减规模。