DeepMind 开放源代码的 WeatherNext 模型提前一天预测飓风路径与强度

2025 年 10 月，WeatherNext 在加勒比海生成的一次风暴预测上做出与其他模型不同的判断：该模型在登陆前五天以 80% 置信度预测风暴会加强并袭击牙买加，实际形成的飓风 Melissa 导致牙买加出现洪水与山体滑坡，但 AI 的预测帮助气象预报员提前发出警告。发表于 Nature 的论文显示，WeatherNext 在预测气旋方面达到了前所未有的准确度，平均比现有模型多给出一天预警；也就是说其三天预报的精度相当于传统模型的两天预报。研究人员指出，在实际应急响应中，这一天的时间差很重要，可用于组织撤离、调配物资和部署资源。

研究团队表示，极端事件对机器学习构成挑战，因为样本稀少。为此他们训练模型既能处理一般天气，又能识别气旋特征。论文作者和合作的气象专家指出，预测风暴路径需要全球尺度的信息，而强度预测依赖更小尺度的局地大气与海况，传统全球模型在强度预测上不足。WeatherNext 不仅能给出单一结论，还会生成一系列可能情形，用来体现“蝴蝶效应”。去年每次风暴产生 50 个情景，现在能生成 1,000 个情景，这在现有数值模式下因计算代价难以实现。

团队也坦言尚不清楚模型为何能用较低分辨率数据就准确预测强度，研究人员称这意味着低分辨率输入中包含了比先前认识更多的信号，但具体是什么还没弄明白。美国国家飓风中心负责人 Mike Brennan 称该模型是预报员的有力工具，但只是众多工具之一，人工专家仍需将预测转化为具体影响评估。DeepMind 已将飓风季使用的 WeatherNext 模型开源，研究者可据此继续使用与改进。