人工智能算法未能解决天气预报的一个关键限制蝴蝶效应

从历史上看，天气预报一直依赖于使用超级计算机来处理复杂的数学方程组的耗时且耗能的方法。一种即将出现的替代方案是训练人工智能(AI)来预测当前大气状况将如何演变。

然而，在《地球物理研究快报》上发表的一项新研究中，TobiasSelz和GCCraig报告说，基于人工智能的模型未能解释对天气可预测性造成根本限制的过程：蝴蝶效应。

蝴蝶效应描述了微小扰动的后果如何快速增长，对系统的最终结果产生重大影响，就像巴西蝴蝶翅膀的扇动最终影响德克萨斯州龙卷风发展的隐喻示例一样。在天气科学中，这些快速增长的不确定性通常与对流和降水有关。但这种初始变化在人工智能系统中的增长速度比现实中慢得多，这可能会使人工智能天气预报变得不可靠。

这并不意味着人工智能在天气预报方面毫无用处。目前，蝴蝶效应并不是天气预报的限制因素，因为大气测量误差仍然很大，蝴蝶效应相对可以忽略不计。

人工智能可以根据当前的测量误差水平很好地模拟中纬度条件下的天气，尽管塞尔兹和克雷格指出，在特殊的气象条件下，准确性可能会有所不同。科学家或许还能够改进人工智能算法，例如，通过人为生成额外的训练数据来教会这些算法蝴蝶效应的力量。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！