人工智能正在迅速改变天气预报，将原本需耗时数小时的超级计算预测缩短至几分钟。然而，莱斯大学的一项新研究表明，尽管 AI 模型在路径预测上表现出色，但在模拟风暴物理结构方面仍存在关键局限。该研究发表于《地球物理研究杂志：大气》，由助理教授前蒂卡·戈里和博士生翁延默领导，评估了盘古天气和 Aurora 两款主流 AI 模型在 2020 至 2025 年间生成的约 200 次热带气旋。 研究发现，AI 模型在预测风暴路径和登陆地点方面表现优异，能高度一致地复现风暴轨迹，这对疏散决策至关重要。在强度预测方面，两款模型表现参差不齐。Aurora 模型在风暴强度分布上与观测数据更为接近，而盘古天气模型对超强风暴存在较大偏差。不过，由于背景数据本身也可能低估极端强度，与数据吻合并不完全等同于绝对准确。 研究最关键的发现在于风暴内部风场的物理真实性。尽管模拟图像看似逼真，但深入分析显示，这些风场往往违反基本的物理约束，如地转风平衡关系。特别是在风暴中心附近，模型存在显著偏差。此外，两款模型普遍高估了强风暴的内核尺寸，这直接影响对风灾、降雨和风暴潮的评估。 戈里教授强调，AI 并非自我验证的工具，不能完全替代人类专家。这些系统的强大能力需要科学家与开发者的紧密合作，通过人为干预和偏差修正来确保输出符合物理规律。未来，AI 应作为人类专业知识的有力补充，而非替代品，共同推动气象预报技术的负责任发展。