【科學講堂】AI分析歷史颱風數據 預測未來動向
颱風一直是全球人命傷亡、財物損失的一大原因；我們在香港，經常在夏天感受到颱風的威力。大家應該也聽過，預測颱風的動向和其他天氣狀況其實並不容易。現在人工智能（AI）的能力愈來愈成熟，可以善用它們來推算颱風的趨勢嗎？近日就有研究人員發表了這樣的預測模型，表現看來比過往的模型更進一步，今次就跟各位分享一下。
颱風的出現代表強風和大量降雨，往往帶來極大的人命和財物損失。就以美國為例，在修正了財富、人口、房屋分布和通脹因素後，1900年至2023年間最嚴重的五十個颱風，就帶來了近三萬億美元的損失。
一個颱風的路徑取決於大氣層氣流等較大規模的變數。這些效應都可以運用流體力學和熱力學的方程式推算出來，因此大部分傳統氣候模型已經納入這些因素。不過，要預測颱風的強度（比如說地面的最強風速或海面的最低氣壓）就困難得多，因為我們需要知道氣流、雲層、濕度等小規模的大氣層數據。正因如此，利用傳統天氣模型去實時、高解像度地模擬颱風，其實對電腦計算有極高要求。
公開資料已有近五千個颱風紀錄，可以用來優化預測颱風的模型，哪怕只是預測數日後的大氣氣流，我們亦需要全球不同地方的數據，而且最重要的資訊對每個颱風而言都不盡相同。這次分享的研究就運用了AI分析過往的颱風數據，從而找出全球大氣層狀況和颱風之間的關係，進而計算出未來颱風的動向。
研究利用了以往颱風的紀錄數據來訓練AI模型，並運用傳統模型模擬出來的大氣層狀況調整。為了量化不同來源的誤差，研究人員運用了四個獨立的神經網絡去模擬各種可能的情況，從而改良這個模型的準確度。調整使用逾五百個AI晶片訓練四日，與以往的模型相比，這個新模型（WeatherNext Cyclones，簡稱WN-C）能夠提前至少一天預測颱風的強度、路徑和風向。
可生成近千種預測 助觀察天氣變化
WN-C可以用來預測全球的颱風，包括一些較難預測的海洋盆地（通常只能預測數天後颱風的強度）。開始預測時，研究人員會把「當前全球天氣狀態」輸入模型。然後 WN-C 會每 6 小時向前推一步，算出未來的天氣，以及颱風的位置、強度和影響範圍。WN-C的特別之處在於，它可生成多種預測，最多可達約 1,000 種可能情景，有助研究人員捕捉到小概率、高影響的變化。
這個模型也幫助氣候學家更深入了解氣候模型：以往我們認為要準確計算颱風的強度，需要利用高解像度的數據（比如說如果兩個地點相距100米至1,000米，我們也需要知道這兩個地方的大氣層數據）。但是WN-C運用的數據解像度較低，只有25公里至30公里，亦能得到令人滿意的效果。2025 年大西洋颶風季，美國國家颶風中心已把它用在實際預報中，包括幫助預測颶風「梅麗莎」快速增強和登陸牙買加。加入官方預報後，路徑準確率平均提高約 28%，強度預測提高約 6%。
近年AI勝任的工作愈來愈多，幫助預測颱風亦是其中一項。不過，成功的預測並不代表我們理解當中的因果；此外，經濟較落後的地區缺乏高質量數據，又是否代表AI對這些地區的預測會較差？這些亦是研究人員未來的關注重點。
●杜子航 教育工作者
早年學習理工科目，一直致力推動科學教育與科普工作，近年開始關注電腦發展對社會的影響。
