DeepMind WeatherNext 颶風預報突破：AI 提早一天看見五級風暴，讓氣象學家跌破眼鏡

編按：本文綜合整理自 Ars Technica、Wired、Google DeepMind 官方部落格、Google Blog，並加入 Siami 編輯部觀點與分析。

WeatherNext 是什麼？

Google DeepMind 與 Google Research 聯手打造的 WeatherNext，是一套專門針對熱帶氣旋（颶風、颱風、氣旋）的 AI 天氣模型。2026 年 8 月 6 日，相關論文登上國際頂尖科學期刊 Nature，研究團隊同步在 GitHub 公開模型權重與程式碼。

這套模型最讓氣象學家「跌破眼鏡」的地方在於：它同時解決了傳統數值天氣預報（NWP）長期以來的兩大痛點 — 路徑預測與強度預測，而且只用傳統模型 1/100 解析度的輸入資料就辦到。

過去要把預報能力往前推進一天，氣象學界得花「整整十年」；WeatherNext 一次就把這個差距補了回來。

災難現場：Hurricane Melissa 的關鍵五天

故事的起點是 2025 年 10 月，一個低氣壓系統在加勒比海生成。多數傳統模型當時預測它會維持弱熱帶風暴、轉向海地；但 WeatherNext 在登陸前整整五天，就以 80% 信心判定：這個系統將以 Category 5（五級�風）強度直撲牙買加。

事後證明 WeatherNext 全押對了。Hurricane Melissa 重創牙買加，造成洪水與土石流，但它因為提早預警，讓牙買加的防災體系有更充裕的時間撤離居民、預先囤放物資。

美國國家颶風中心（NHC）主任 Mike Brennan 受訪時直言：「光是多爭取到幾個小時，結果就完全不一樣。撤離、補給調度、資源前推都是高度時間敏感的決策，做錯一個判斷，後果會非常大。能比過去多預報整整一天，價值難以估計。」

更值得關注的是，Hurricane Melissa 創下一個歷史里程碑：這是 NHC 史上第一次能在一個還只是 Category 1 的風暴階段，就精準預測它最終會達到 Category 5 強度。

為什麼這件事重要

WeatherNext 不只是「更準的 AI 天氣模型」這麼單純，它代表了人工智慧在科學發現領域的一次具體落地：

打破「AI 缺資料就沒輒」的迷思：傳統機器學習仰賴大量訓練樣本，但極端天氣本質上就是「稀有事件」。DeepMind 團隊的做法是把「全球數十年的一般天氣資料」與「IBTrACS 歷史颶風資料庫」合併訓練，讓模型同時具備「天氣常識」與「颶風專業」。這個「用大量普通資料 + 少量稀有資料共同訓練」的框架，對其他稀有事件的 AI 研究（如地震、流行病、罕見疾病）都極具示範價值。
挑戰了「資料解析度越高越好」的傳統假設：傳統數值天氣預報仰賴 1km 級的高解析度大氣與海洋資料才能預測強度；WeatherNext 只用 28km × 28km（mini 版本甚至只到 111km × 111km）的輸入就能達到頂尖準度，等於把資料成本砍到百分之一。DeepMind 研究員 Ferran Alet 對此也承認：「這對我們自己也是個謎，模型到底從低解析度資料裡抓到了什麼訊號，我們目前還不完全理解。」 這代表模型可能從中「發掘」了人類氣象學家過去忽略的大氣訊號。
從實驗性質�升為「例行參考」：techtimes.com 報導指出，2026 年大西洋颶風季中，WeatherNext 的 AI 集合預報已多次被 NHC 正式寫進作業預報 — 包括東太平洋的 Elida、Fausto、Genevieve 等多個有名字的風暴。這意味著 AI 天氣模型已從「學術研究」跨越到「日常運作」，這是 AI 在科學領域少見的「被監管機構採納」案例。
開源策略加速氣象科學進展：Google DeepMind 同步把模型權重與程式碼公開在 GitHub，並提供 WeatherLab 介面讓研究人員實測。這呼應了 GraphCast 開源後學術社群的正面迴響。

數據解讀與質疑

雖然成果驚人，仍有幾個面向值得進一步檢視：

「多一天預警」的實際防災效益仍待量化：Mike Brennan 強調「人類專家仍是關鍵，AI 只是工具之一」。一個�風真正的殺傷力來自「衝擊預測」（哪些地區會發生致命洪水、土石流、風暴潮），而不是單純的路徑與強度數字。AI 能給氣象學家多一天思考，但疏散決策、緊急動員仍須由人做出。
「黑盒預測」的可解釋性問題：Ferran Alet 自己承認「這在本質上是個黑盒」，也就是說我們現在並不知道模型為什麼能用這麼粗糙的資料預測到如此精細的強度變化。對作業氣象單位來說，這意味著「必須搭配其他模型交叉驗證」，單獨信賴單一 AI 模型仍有風險。
颶風路徑與強度預測之外的盲點：WeatherNext 強項是路徑與強度，但快速增強（rapid intensification）的物理機制目前仍是 AI 模型的盲區。Hurricane Melissa 案例之所以特別，是因為 WeatherNext 「碰巧」預測對了；但這並不代表每次快速增強事件都能被精準捕捉。NHC 主任特別提醒：「沒有任何保證今年表現好的模型，明年或下一場風暴還會是最準的那一個。」
1,000 個機率情境 vs. 計算成本：WeatherNext 每次生成 1,000 個情境預測只需要不到一分鐘（單張 TPU），相較於傳統 NWP 只能跑出少數幾條可能路徑，是顯著進步；但若要擴展到全球尺度所有海域、所有時間點，運算資源的累積仍不容小覷。

實際應用現況

NHC 官方採用：2026 年大西洋颶風季期間，WeatherNext 已被 NHC 列入多場風暴的例行作業參考，包括 Hurricane Melissa、Elida、Fausto、Genevieve。
WeatherLab 公開介面：Google DeepMind 提供 Web 介面讓研究人員與一般民眾查看 AI 預測結果。
Colab 一鍵試用：WeatherNext 2-mini（輕量版本）可在 Google Colab 免費 TPU 上跑，學術界與開發者社群都能直接實測。
GitHub 開源：模型權重、訓練程式碼、評估腳本全部公開，採用「商用可用授權」，鼓勵在地化與客製化應用。