去年晚些时候的一个晚上，克里·普洛莱特(Kerry Plowright)正翘着脚看电视，这时他的手机发出了即将到来的冰雹警报。
“当我走出门的时候，我惊呆了，因为只有这种轰鸣声，”他说，描述了新南威尔士州金斯克利夫镇冰雹击中屋顶的声音。他有足够的时间在帆布帆下移动他的汽车，使它们免受损坏。
普洛赖特并不是唯一一个在澳大利亚看似无情的极端天气到来之前没有任何预警的人。这个季节可能会有第二个热带气旋袭击昆士兰。
人工智能推动的气旋预报提供了更早的路径追踪在地方议会和其他机构抱怨某些警报缺乏准确性和及时性之后，阿尔巴尼亚政府已对气象局和应急部门发布的警告展开调查。
但普罗莱特的情况有点不同——他的冰雹预警是由他自己的公司早期预警网络(Early Warning Network)生成的数据触发的。
早期预警网络分析来自雷达和远程传感器的数据，以检测和发布极端高温、降雨和洪水警报。它的客户包括地方议会和大型保险公司。
私营企业长期以来一直提供基于气象局或欧洲中期天气预报中心(Ecmwf)等机构数据的服务。但早期预警网络正开始测试人工智能模型，这些模型有望快速、低成本地提供更多的天气信息。
Plowright说:“你必须为(Ecmwf)数据支付大量费用。“我们现在不需要一台超级计算机来运行一个长达10天的非常准确的预报，特别是对于极端天气。”
他预测，人工智能“一旦到达那里，对天气和最终的气候也将产生绝对惊人的影响”。
水资源工程师朱丽叶·墨菲(Juliette Murphy)也同样感到兴奋。2011年，她在昆士兰州的洛克伊尔地区监测了毁灭性的洪水，两年后又在加拿大的卡尔加里市监测了毁灭性的洪水，她创建了floodapp，让社区有更多的时间做好准备。
floodapp使用的机器可以从每个模型以及传统的基于物理的水文和水力模型中学习。她说，即使是相对基本的计算机也可以快速梳理“非常大的数据集”，以识别洪水可能产生的影响。
她的客户包括昆士兰州的消防和紧急服务部门。它的结果与BoM的结果相辅相成，帮助当局决定哪些房屋需要疏散，哪些道路需要关闭。墨菲说:“这一点很重要，因为几乎一半的洪水死亡人员都是在车里的。”
洪水警报 昆士兰州准备应对即将到来的飓风，北部地区进行了疏散 neRead更多气象局发言人表示，该局“多年来一直在积极、安全地使用人工智能技术”。
她说:“这一研究领域是该局积极推行的众多举措之一，旨在改善其对政府、应急管理伙伴和社区的服务。”
贾斯汀·弗里曼(Justin Freeman)是一名计算机科学家，在2022年底离开公司成立自己的公司Flowershift之前，他负责BoM的研究团队，该团队一直致力于机器学习。
Flowershift正在建立一个基于现有观测数据的地理空间模型。弗里曼说:“我们将填补目前预报产品的空白”，比如为澳大利亚偏远地区或其他地区提供预报。
“在探索(BoM之外的)事物和使用非常新的技术方面有更大的灵活性，”弗里曼说，他仍然在为该局做合同工作。“我们有了全新的、不同类型的模型，与(联邦调查局)过去50年的运行模式完全不同。”
注册澳大利亚卫报免费的上午和下午的电子邮件时事通讯，获取每日新闻综述
模型有许多潜在的用途，可以廉价地分析数据，然后提供本地化的信息。例如，农民可能会问:“这周我应该给庄稼喷农药吗?”弗里曼说，并告诉他为什么或为什么不这样做。
他说:“我们使用ChatGPT这样的工具的时间并不长。“展望未来的两年、五年——它只会加速发展，变得越来越好。”
然而，一些气象和气候研究人员警告说，基于人工智能的模型，如谷歌的GraphCast或英伟达的FourCastNet，能在计算一系列概率的数值模型上改进多少。
“对于‘简单的’天气预报和缩小物理模型数据的规模，我认为(有)巨大的潜力，”该局的一位科学家表示。“当气氛变得激烈时，警告我们真正的危险，我会非常谨慎。
跳过过去的通讯推广通讯推广后
“在气候变化问题上，我们需要更好地理解那些远远超出常规的事情。”
ARC极端气候卓越中心的博士后研究员Sanaa Hobeichi说，尽管存在局限性，但仍然有好处。
现有的气候模型通常只能提供“粗糙”的分辨率，例如估计150公里× 150公里区域的降雨量变化。例如，在悉尼，这种大小的模型将捕捉城市、山脉和许多其他地方，因此用途有限。
“非常可怕”:马克·扎克伯格承诺打造先进的人工智能警报专家谷歌的GraphCast预测模型目前的分辨率已降至28公里乘28公里，而Hobeichi表示，一些人工智能只能模拟5公里乘5公里。
然而，一个挑战是，机器学习技术继承并可能推断它们所训练的传统模型的缺陷。
CSIRO博士后研究员Jyoteeshkumar Reddy Papari指出，Ecmwf最初对人工智能持怀疑态度，但最近开始了自己的实验模型。它还在其网站上展示了包括谷歌在内的其他几家公司。
他说:“那些没有良好气象组织的国家正在依赖这些机器学习模型，因为它们非常容易学习，而且是公开的。”“所以一些非洲国家正在使用这些预测。”
谷歌研究人员去年声称，在1380个目标中，GraphCast在90%的目标上“明显优于最准确的”操作系统。它对热带气旋、大气河流和极端温度的预测比传统模型要好，而且还在不断改进。
国际货币基金组织负责人表示，人工智能将影响40%的工作，并可能加剧不平等“我们经常提到的一个特别的例子是飓风李，因为这是我们第一次实时观察到GraphCast如何预测最初与传统系统不同的飓风轨迹，最终被证明是正确的轨迹，”谷歌研究员阿尔瓦罗·桑切斯-冈萨雷斯说。“这是实时检测到的，并得到了独立消息来源的证实。”
目前对珊瑚海潜在气旋的追踪——如果它像预期的那样在本周末形成，将被命名为kirily——也将被监测，以观察模型的比较情况。
Ecmwf的机器学习协调员马修·钱特里(Matthew Chantry)表示，人工智能模型“作为传统预测的伴侣系统，是一个非常令人兴奋的途径”，尽管后者保留了一些优势。
“热带气旋强度估计就是一个很好的例子，”他说。“随着技术的成熟，这些缺陷是否会被保留，这是一个悬而未决的问题——现在还处于非常早期的阶段。”
当局根据传统模型计算出的概率采取行动，但这需要一台非常大的超级计算机。“有了人工智能的预测，这种情况大大减少了，一些估计表明，进行预测所需的能量减少了1000倍。因此，更便宜的系统可能成为促进平等的力量。
“降低的成本也可以投入到更大的系统中，这意味着我们对可能发生的低概率极端事件有了更好的了解。”
至于预测地球变暖的影响呢?
Chantry说:“这个问题比数据较少的天气预报要困难得多。”“也就是说，在气候变化的情况下，有证据表明极端事件有所增加，那么预测这些事件的任何帮助都具有重大价值。”