飓风预报领域正经历人工智能带来的快速变革。在今年大西洋飓风季首个飓风形成期间，一款人工智能模型在路径预测上击败了传统模型。
10月初，二级飓风“伊萨亚斯”在佛罗里达州德斯汀附近登陆。传统预报模型最初预测其将向西移动至路易斯安那州东南部，但谷歌DeepMind的人工智能模型从初始阶段便准确判断：飓风将袭击佛罗里达州西部狭长地带。
长期居住在迈阿密的气象学家迈克尔·洛里曾向美国联邦紧急事务管理署（FEMA）和国家飓风中心（NHC）提供咨询。他指出：“尤其是谷歌DeepMind，在过去几年已证明自己是黄金标准模型。毫无疑问，这是目前表现最好的计算机模型，没有之一。”
打破常规的“新手”模型
国家飓风中心去年首次将谷歌DeepMind模型纳入官方预报体系。迈阿密大学风暴研究人员布莱恩·麦克诺尔迪表示，截至2025年大西洋飓风季结束，该模型在预测风暴路径和强度方面已成为最佳模型之一。
通常，新模型需要数年完善，但麦克诺尔迪指出：“我们不太习惯这种情况——一个新手模型几乎一出场就位居第一，这是一项令人印象深刻的成就。”
传统基于物理学的飓风模型依赖卫星和飞机测量的实时大气数据（温度、湿度、气压、风切变），并通过复杂方程推演风暴路径。相比之下，人工智能模型运作逻辑截然不同：它不依赖大气控制方程或物理学原理，而是通过分析数千场历史风暴及大气数据来识别模式。
洛里解释称，开发这些模型的多为软件工程师而非气象学家，他们构建的是受人脑启发的神经网络算法。这也导致模型呈现“黑匣子”特性：“我们不知道它们为何给出正确预报，也不知道为何出错。”这种不可解释性让部分气象学家感到不安，毕竟数百万人依赖这些预报进行避险。
尽管市面上存在大量未经证实的气象AI模型，但目前公认最准确的是由谷歌DeepMind和欧洲中期天气预报中心（ECMWF）开发的模型。
人机协作的“混合”预报
国家飓风中心在制定官方预报时，采取共识方法，结合经过验证的人工智能和传统模型。NHC主任迈克尔·布伦南表示：“每场风暴面临不同挑战，因此我们使用最佳模型组合。”
最终决策仍需人类介入。在活跃飓风期间，NHC每六小时更新一次预报。仅靠模型可能导致更新间出现剧烈波动，预报员需运用专业知识，将不断变化的预测转化为公众可执行的清晰指导，确保信息的连续性并评估灾害影响范围。
迭代加速与未来展望
布伦南指出，谷歌DeepMind模型仍有改进空间。虽然在追踪“伊萨亚斯”路径上表现优异，但在风暴强度判定上，其准确性尚不及NHC的混合预报。NHC团队定期向谷歌DeepMind提供反馈以优化模型，截至发稿，谷歌未予回应。
回顾过去，预报员曾难以在几天内预测风暴强度。随着模型进步及数据采集能力提升，目前的强度预报误差约为飓风“卡特里娜”时期的一半。
洛里强调，人工智能的核心优势在于迭代速度。传统模型最好每年更新一次，而AI模型只需几周或几个月即可更新。“它们在一年内取得的技能进步，是我们过去需要十年甚至更长时间才能实现的。”
尽管发展迅猛，洛里并不认为人工智能会带来存在主义危机或取代人类：“相反，我认为这对我们的业务是一种助力。”