編按：本文綜合整理自 Ars Technica 報導、Google DeepMind 官方部落格 與 Wired 原文，並加入 Siami 編輯部觀點與分析。
事件：WeatherNext 提前 5 天預測 Melissa 颶風登陸
2025 年 10 月，一個風暴在加勒比海成形。當時的傳統氣象模式在它的路徑上意見分歧：究竟會維持弱勢、掃過海地，還是會增強並直撲牙買加？Google DeepMind 與 Google Research 共同開發的 AI 模型 WeatherNext 押注了後者。它在登陸前整整五天，就以 80% 的信心預測這個系統將以 Category 5 颶風之姿登陸牙買加。
後來的事實證明 WeatherNext 是對的。颶風 Melissa 在牙買加造成嚴重洪水與山崩，但 AI 模型讓預報單位能提早對路徑上的社區發出警報，讓他們有更充裕的時間準備。
這份成果已於 2026 年 8 月 7 日發表在《Nature》期刊。論文中，研究人員展示 WeatherNext 預測氣旋的準確率已達前所未有的水準：平均而言，它為預報員多爭取了一整天的領先時間——也就是說，三天前的預報已經和過去兩天前的預報一樣準。在地面上，這多出來的一天意義重大。
為什麼這件事重要
美國國家颶風中心主任 Mike Brennan 直言：「光是幾個小時就能決定一切。」組織撤離、調度補給、預先部署救援資源，全都是高度時間敏感的任務；決策錯誤的代價極高。「在這類決策中，時間真的非常寶貴，能把預報準確度比過去多推進大約一天，是非常珍貴的。」
研究人員指出，按歷史經驗，要把預報時間往前推進一天，通常需要十年的研究累積。
「大家都對它實際表現得多好感到意外。」—— Kate Musgrave，CIRA 颶風研究組組長、論文共同作者
更關鍵的是，WeatherNext 並不是只在「事後回測」中表現優異。Musgrave 提到，在把模型用於即時預報之前，研究人員先用回溯性資料測試，「結果好到我們都懷疑，即時操作時還能不能看到同樣水準的表現。」但當預報單位真的開始把模型納入作業流程時，效能不減反增。颶風 Melissa 是國家颶風中心史上第一次在風暴還只是 Category 1 時，就成功預測它會達到 Category 5。
這背後的科學意涵遠超過「AI 又贏了一次」。它代表 AI 開始能處理「極端事件」這個傳統機器學習的死穴——因為機器學習需要大量訓練資料，而極端事件本質上稀少。研究人員 Ferran Alet 解釋：「我們沒有那麼多氣旋資料，但我們有大量天氣資料。所以我們的做法是訓練一個模型，讓它同時擅長一般天氣與氣旋預報。」
數據解讀：低解析度輸入，為什麼能打敗高解析度？
WeatherNext 最讓氣象社群震驚的一點，是它用「相對粗糙」的解析度資料，竟然能預測出比傳統高解析度數值模式更準的風暴強度。
「當我們告訴社群，模型只用了相對粗糙的解析度時，大家都嚇了一跳——因為這代表低解析度輸入所捕捉到的訊號，比過去以為的還要多。」—— Ferran Alet，Google DeepMind 研究員、論文共同第一作者
颶風之所以特別難預測，是因為它「同時」發生在多個空間尺度上。要預測路徑（風暴往哪走），需要全球尺度資料，掌握冷鋒位置、盛行風等資訊；要預測強度，卻需要小尺度、聚焦於當地大氣與海洋條件的資料。過去這兩種預報幾乎是分開做的，全球模式擅長路徑但看不見強度，區域高解析度模式擅長強度但缺乏全球脈絡。
WeatherNext 用單一模型同時處理兩者。它還能輸出每個風暴多達 1,000 種可能的發展情境（去年是 50 種），讓預報員評估「蝴蝶效應」風險。這是傳統數值模式在現有運算資源下根本做不到的事。
開源策略與後續影響
Google DeepMind 已宣布開源 WeatherNext 系列模型，包括：
- WeatherNext Cyclones：2025 年颶風季實際使用的版本，也就是《Nature》論文的實驗對象
- WeatherNext 2：2025 年 10 月部署到營運端的更新版本
- WeatherNext 2-mini：精簡版本，可在單顆 TPU 上運行，並提供免費 Colab notebook
Ferran Alet 對開源抱持樂觀態度：「我對科學發現非常興奮。我認為 AI 正在給我們新的工具，去探索宇宙的法則。」換言之，把模型攤在陽光下，反而可能幫助氣象學家解開「低解析度資料為何有效」這個黑盒子。
但 Brennan 也提醒：「沒有任何保證，一個去年表現很好的模型，下一季、下個風暴還會是最好的。」他強調，颶風預報不是只有「路徑」和「強度」而已，更需要人類專家把這些數據轉譯成「實際衝擊」——而衝擊，才是人命損失的真正原因。
觀點：AI 預報的邊界在哪裡？
這份研究的本質，是把「AI 在極端事件上的弱點」翻轉成優勢。過去業界聽到太多「AI 在罕見事件不可靠」的批評，但 WeatherNext 證明一件事：當領域資料稀缺時，可以借助「鄰近領域的大量資料」做遷移學習——前提是模型的設計要對。
這也意味著，未來氣象領域的「軍備競賽」可能不再只是「誰的解析度更高」，而是「誰的 AI 架構更懂得融合多尺度資訊」。WeatherNext 在單顆 TPU 上就能跑完一輪預報，比起需要超級電腦的傳統模式，部署成本與即時反應速度都壓倒性領先。
不過仍有幾個值得持續追蹤的問題：
- 模型在「歷史回測」準確率極高，但在「氣候變遷下全新類型風暴」上表現如何，論文中尚未充分說明
- 當 WeatherNext 與人類預報員意見分歧時，決策權歸誰？這涉及的不只是技術，而是治理與責任歸屬
- 開源模型對中小型國家（缺乏超級電腦的颶風易受害地區）的實質助益，需要時間驗證
時間軸重點
- 2025 年 10 月：颶風 Melissa 形成，WeatherNext 提前 5 天預測其 Category 5 登陸
- 2026 年 5 月 19 日：Google DeepMind 釋出官方影片，公開 WeatherNext 預測 Melissa 的過程
- 2026 年 8 月 6 日：DeepMind 在《Nature》發表論文，並宣布開源 WeatherNext 2、Cyclones、2-mini
- 2026 年 8 月 8 日：Ars Technica、Wired 等多家媒體報導此一突破
官方影片
影片來源：Google DeepMind 官方 YouTube——由 DeepMind 團隊親自分享 WeatherNext 如何在颶風 Melissa 還只是熱帶低壓時，就預測到它將迅速增強為 Category 5。
網友熱門留言 (4)