共计 1156 个字符，预计需要花费 3 分钟才能阅读完成。
近日，台风蝴蝶正在我国南海地区肆虐……
台风极其危险，不仅危及人们的生命，还会对它路过的城市、村庄、农田等造成破坏，产生的损失难以估量。
因此，准确预测台风是一件极其重要且极具价值的事情。
2025 年 6 月 12 日，Google DeepMind 与 Google Research 推出了 Weather Lab 来托管他们的实验性 AI 热带气旋模型。该模型可以预测气旋的形成、路径、强度、大小和形状，并生成最多提前 15 天预测的 50 种可能情景。
这将有助于决策者通过更有效的灾害准备和更早的疏散来应对台风，保护人们的生命财产安全。
台风或者说气旋的预测极其困难，毕竟它涉及大量湍流系统，想想大学物理里用来描述湍流的方程，那叫一个复杂。
在基于物理的气旋预测中，为了应对实际需求，需要进行近似计算，单一模型很难同时出色地预测气旋的路径和强度。全球低分辨率模型在预测气旋路径方面表现最佳，但是却无法捕捉决定气旋强度的精细尺度过程。
没错，这是一个两难的问题。所以，DeepMind 是怎么解决这些问题的呢？我们先看一篇他们新发布的论文。
论文链接：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/how-we-re-supporting-better-tropical-cyclone-prediction-with-ai/skillful-joint-probabilistic-weather-forecasting-from-marginals.pdf
论文里，DeepMind 研究人员介绍了一种简单、可扩展且灵活的方法 FGN，这与 Weather Lab 所托管的模型密切相关。
这是一种用于天气概率建模的全新方法，它结合了架构、训练和推理功能，比他们之前推出的人工智能气象预测模型 GenCast 更快、更灵活、性能更佳。
研究人员基于欧洲中期天气预报中心（ECMWF）的 ERA5 再分析数据（该数据集通过数百万条观测数据重建了整个地球的过去天气）和 HRES（包含过去 45 年来近 5,000 个观测到的气旋的路径、强度、大小和风半径等关键信息）运行初始条件训练 FGN，从而优化连续排序概率评分 (CRPS)。CRPS 是概率天气预报的常用顶级指标。
FGN 在确定性和概率性指标的基准测试中全面超越 GenCast。其预测分布通常具有与先前模型相似甚至更好的校准效果，对极端事件的预测同样出色甚至更好。FGN 的热带气旋路径预测也显著优于先前的模型（ < 0.05），无论是平均轨迹还是路径概率。
翻译成普通话就是，他们的模型对气旋轨迹和强度的预测与当前基于物理的方法一样准确，甚至更准确。
