人工智能为何难以精准预测飓风强度

人工智能近年来已重塑全球气象预报体系，其模型输出精度在部分领域已媲美传统物理预报系统。然而，在面对飓风强度预测，尤其是热带气旋快速增强现象时，AI技术仍面临显著瓶颈。研究表明，该难题主要源于数据缺陷与大气混沌特性的双重制约。 在数据层面，当前AI训练主要依赖气象观测记录与数值模拟结果。卫星与地面设备提供的观测数据在开阔洋面覆盖稀疏，且难以捕捉飓风的三维结构；而数值模型虽能提供高分辨率大气画像，却因物理参数化方案存在固有近似与不确定性，无法完全还原微小尺度过程。这导致训练数据缺乏完整、精准的三维飓风样本。 更为根本的障碍在于大气系统的混沌本质。飓风强度受海温、风切变等环境因子控制，并在开放洋面上呈现受激发的随机波动。研究表明，这种波动可能受控于混沌吸引子，即风暴状态在特定范围内无序演化。AI模型若单纯以最小化预报误差为目标进行训练，往往会过度平滑掉不可预测的混沌波动，导致多日后的预测精度断崖式下降。 学界指出，突破当前局限不能仅依赖算力提升或数据堆砌，而需深入解析飓风强度演变的混沌机制。未来的气象预报系统应转变评估范式，从提供单一强度数值转向输出强度概率分布，从而为沿海社区争取更充裕的防灾准备时间。