24小时暴增为五级风暴，AI算准路线却漏掉威力
2026年9月下旬，沿海居民在手机天气软件里关注着飓风「波洛」（Polo）的轨迹。预测画面上，人工智能气象模型表现优异。这类系统利用计算机算法和历史数据预测天气。它把风暴从太平洋吹向墨西哥海岸的路线，算得几乎没有偏差。然而到了9月21日，原本只是一场普通热带风暴的波洛，在24小时内忽然风速飙升到每小时290公里，猛增为五级飓风。
每小时290公里的风速，相当于一辆最高速行驶的高铁迎面吹来的狂风。气象学界将这种一天内风速提升至少35公里的现象称为爆发性增强。这是风暴由于热力与动力条件配合，威力在短时间内急剧飙升的现象。面对这种狂暴变化，人工智能模型与传统物理预报系统都未能提前预警。物理预报系统是指基于物理方程计算大气的传统模型。
类似的剧烈变异在历史中多次发生。2018年飓风「迈克尔」（Michael）逼近佛罗里达沿海时，也在短时间内暴增为五级飓风。这导致当地居民根本来不及撤离。近年来，人工智能技术迅速迭代，赶上了传统气象系统数十年的进步。算法预测风暴走向的准确率提升明显。然而一旦涉及风暴到底会有多猛，算法依然经常陷入困境。
茫茫大海缺少气象站，AI喂不到精细三维数据
预测路径和预测强度是两套难度截然不同的任务。全球风暴走向主要受大尺度环流牵引。几十年来积累的气象数据足够全面，足以训练出精密的路径算法。但要判断飓风何时陡然变猛，模型需要风暴内部高分辨率的三维结构数据。
现实中这类高质量数据十分稀缺。飓风最容易爆发性增强的阶段，往往发生在远离陆地的深海洋面上。气象站、陆基雷达和浮标大多分布在近海，辽阔的大海中央只有零星的观测仪器。这就如同在几千公里的海面上扔下了几个孤零零的漂流瓶。尽管气象卫星可以从高空俯瞰云层，却无法同时穿透全球每一个飓风的内部三维细节。
为了弥补漏洞，研究人员尝试用数值模式模拟生成训练数据。数值模式模拟是指在计算机中用物理方程模拟大气变化的方法。但计算机模拟本身包含近似处理与计算误差，依然无法精准还原风暴微观尺度的热力过程。缺少高质量、完整的三维风暴训练集，成了人工智能面临的第一道屏障。
图：卫星视角下飓风结构的切片数据可视化。来源：The Conversation / NASA Scientific Visualization Studio
飓风风暴藏着混沌效应，微小起伏引发剧烈变化
除了数据不足，更深层的瓶颈来自于大气运动本身的物理特性。印第安纳大学的大气科学家钱·基乌（Chanh Kieu）在期刊《Tellus A》上发表了研究。他指出飓风强度的变化过程蕴含着混沌效应。所谓混沌效应，是指初始状态的微小变化在随后演化中被迅速放大的现象。水温或气流的微小扰动，都会在后续演变中引发风暴威力的剧烈起伏。
在气象学中，暖海水是风暴的燃料。风切变则是风暴的抑制力。风切变是指高空和低空风速或风向的差异，相当于横向拉扯风暴的刹车片。环境海温越高，风暴能达到的潜在强度就越高，其内部强度的波动范围也随之扩大。潜在强度是指根据海面水温与大气条件推算的风暴威力上限。
基乌团队的研究显示，这些强度波动运行在气象学的混沌吸引子之上。混沌吸引子是指风暴演化状态的可能集合，类似于弹珠在凹陷碗里沿复杂轨道滚动。风暴沿着混沌轨道运动时，哪怕 0.1 度的初始测量误差都会随时间快速放大。美国国家飓风中心的数据验证显示，飓风强度的预测准确率在几天后就会急剧恶化。
追求最小误差算法，反而抹平了突发狂风波动
这种混沌特性直接撞上了人工智能的核心训练机制。主流机器学习模型的构建逻辑，是通过调整参数来最小化预测误差。最小化预测误差是指算法在训练时努力缩小预测值与事实的平均偏差。面对海量历史数据，算法最稳妥的策略就是输出最可能出现的平均演化趋势。
当模型习惯于输出平滑的平均预测，罕见而剧烈的突发增强波动就会被当作噪声抹掉。如果模型强行捕捉每一次暴增风险，整体数据上的平均数学误差反而会增加。减少整体偏差与捕捉混沌突变风险，在数学目标上形成了内在竞争。
纯数据驱动的预测路径在此遇到了天花板。只要观测数据保留着不确定性，且气象系统受混沌支配，追求单一平均值的算法就无法在风暴暴增前夕做出预警。仅靠堆砌算力和训练数据，无法跨越大气物理学的内在不确定性。
图：预报时间越长，不同 AI 与物理模型对飓风强度的预测分歧越明显。来源：The Conversation / Chanh Kieu
放弃单一确定数字，气象预测转向概率区间
面对混沌系统的局限，气象预测思路正在发生转变。下一代预报系统开始放弃输出形如「风速每小时45米」的单一确定数字，转而提供一系列可能出现的强度区间及其对应的概率分布。这种概率预报能够将爆发性增强的潜在风险提前呈现给防灾决策者。
对于住在海岸附近的普通人来说，理解这一转变至关重要。当气象部门发布飓风预警时，概率区间提醒人们不能只看当前的平均数值，更要为可能发生的剧烈突变留足防护裕度。认识到预测的局限性，本身就是防灾的重要一环。
人工智能革新了人们对全球天气走势的掌控。然而在面对飓风强度的突然爆发时，纯数据驱动模式展现出了明确的边界。爆发性增强受混沌过程支配，而追求最小误差的算法倾向于抚平剧烈波动。当海面上积聚起未知的风暴力量时，自然界提醒着人类，天气预测依然需要对物理定律保持敬畏。
参考链接：
- The Conversation 报道
- Tellus A 研究论文
