科技腾讯新闻·科学有故事汪诘··AI 生成
台风巴威还没上岸，AI已经替它写好了剧本
文章通过2015年台风苏迪罗与2026年台风巴威的对比，展示了气象预报从“猜天气”到AI“算天气”的11年革命。核心变化在于：AI通过学习海量数据实现概率预报，以统计思维取代确定性断言，使预报真正可证伪。作者认为，这项技术让航空公司、防灾部门乃至普通民众都获得了“提前量”，从被动应对转向从容有序。适合对AI应用、气象科技或公共灾害管理感兴趣的非专业读者，用具体案例清晰说明了技术落地的实际价值。原文 ↗原文 ↗
核心观点
- ▍AI技术让气象预报从确定性断言转向概率预报，实现了真正的可证伪性，从而为防灾和公众决策提供了关键“提前量”。
- 012015年台风苏迪罗期间，预报不确定性高，导致数百航班取消，旅客在机场滞留超24小时；2026年台风巴威，AI预报在距陆地千公里时就发出预警，使旅客提前改签，避免了大规模混乱。
- 02AI预报不同于传统数值预报的物理公式“演算”，而是通过机器学习在历史海量数据中自动识别影响台风路径和强度的关键特征（如海表温度26.5℃阈值、高空急流位置等）。
- 03中国气象部门2024年上线AI-TRANS系统，可自动识别卫星云图中台风强度变化，预报未来6-12小时内的突然增强，配合风云四号B星实现方圆几百米级的精准监测。
- 04概率预报（如“80%概率登陆某区域”）虽然看似模糊，但统计上可证伪：一段时间内，所有预报“70%降雨概率”的案例中，实际降雨比例应逼近70%，而“局部地区可能有雨”则永远无法被证伪。
- 05AI能快速处理数十甚至数百套预报方案，生成真实的概率分布，这在人力手工计算时代完全不可能。
反方 / 局限
- — 文章未讨论AI预报的局限性，例如：极端或罕见天气下历史数据不足时，AI模型可能表现不佳；模型对“黑天鹅”事件的预测能力未知；以及气象部门对AI预报的过度依赖可能带来的风险。
- — 文章将技术进步归因于AI，但未明确量化AI相比传统集合预报的具体提升幅度，也未提及传统数值模型在同期是否也有显著改进。
概念锚点
前置背景
平行视角
未来推演
延伸追问