天气科学中的AI有用但并不革命
Ars Technica AI··作者 Scott K. Johnson
关键信息
文章指出，今年早些时候美国国家气象局的一条社交媒体帖子使用了AI生成图片，图中出现了虚构的爱达荷州城市名称，但那并不是实际的预报模型。文章还解释说，机器学习模型会利用带标签的大型数据集，例如图像或天气观测数据，来学习模式并做出预测。
资讯摘要
文章开头指出，如今人们几乎躲不开AI炒作，从数字助手到各种带AI功能的消费电子产品无处不在。随后文章提出一个问题：AI在天气和气候建模中的广泛使用，究竟意味着什么。年初曾出现一个令人困惑的例子，美国国家气象局一条社交媒体帖子上的地图出现了虚构的爱达荷州城市名，比如“Whata Bod”和“Orangeotild”。文章强调，这只是用于社交媒体的AI生成图片，并不代表真正的预报模型已经被提示词驱动的系统取代。相反，天气和气候科学家使用的是已经研究多年的机器学习方法。
文章把这种趋势描述为实用研究工具的扩展，而不是一场戏剧性的技术断裂。文中解释，在这里“AI”通常指机器学习，而不是大语言模型。机器学习通过寻找数据中的模式来工作，从简单的线性回归到更复杂的神经网络都包括在内。模型会利用大量带标签的数据进行训练，并通过反复调整内部参数来提高预测能力。文章的核心观点是，这些方法虽然强大，但并不神秘，其优点和缺点研究界早已相当清楚。
资讯正文
眼下似乎无处可逃离 AI：无论你是在试图打一句话却不断被数字“助手”打断，还是莫名其妙地为了一台不需要 Wi‑Fi 连接的冰箱而苦苦寻找新产品。人们完全可以理解自己是否会怀疑，我们究竟正经历一场技术上的量子飞跃，还是大家只是在把一堆糟粕炒得沸沸扬扬。
那么，我们该如何看待 AI 在天气和气候建模中的日益广泛应用？
今年早些时候，这场讨论并没有一个很好的开端——当时美国国家气象局的一个办公室发布了一张预报地图，图中出现了爱达荷州一些并不存在的城市，名字像“Whata Bod”和“Orangeotild”。所幸，那只是为社交媒体制作的 AI 生成图像，并不是实际的预报模型。气象学家和气候科学家目前还没有被大型语言模型提示词工程师所取代。
但 AI 确实正在通过一些研究人员已经研究多年的技术被用于这些领域，而这些技术的优点和缺点都已相当明确。出于很好的理由，这些技术在天气与气候模拟模型之间也并不相同。
不是 LLM，而是 ML
在所有这些模型中，“AI”指的是机器学习。这里不展开许多不同机器学习变体的技术细节，其思路很直接：利用计算机识别数据中的模式。
用直线趋势线拟合数据，也就是线性回归，是识别模式的一种非常简单的方法。我们也可以对更复杂的曲线和方程做回归。机器学习的强大之处——也是它潜在的陷阱——在于，算法能够处理高得多的复杂度，找出那些我们很难靠手工直接指出的关系。
机器学习从零开始训练模型。模型会被赋予某种结构——比如神经网络——从而得到一组可以独立调整的“旋钮”，用来微调算法的行为。然后，它会获得一大堆示例数据，通常还附带答案，比如数千张按物种标注的鸟类照片。接着，模型会通过迭代，确定一组最优的“旋钮”数值，把照片中的内容与正确的物种对应起来。
来源与参考
收录于 2026-06-09