历史上，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，这种方法既耗时又耗能。一个新兴的替代方案是训练人工智能(AI)来预测当前的大气条件将如何演变。然而，在一项新的研究中，Selz和Craig报告称，基于人工智能的模型未能考虑到一个对天气可预测性构成基本限制的过程：蝴蝶效应。
蝴蝶效应描述的是微小扰动的后果如何迅速发展，对系统的最终结果产生重大影响，就像巴西的一只蝴蝶扇动翅膀，最终会影响德克萨斯州龙卷风的发展这个示例一样。在气象科学中，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要比现实中慢得多，可能导致人工智能的天气预测变得不可靠。这并不意味着人工智能在天气预报方面毫无用处。目前，蝴蝶效应还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。在目前的测量误差水平下，人工智能可以很好地模拟中纬度条件下的天气，但Selz和Craig指出，在特殊的气象条件下，准确性可能会有所不同。科学家们或许还可以改进人工智能算法，例如，通过人工生成额外的训练数据，让这些算法了解到蝴蝶效应的影响。
在大气中，微小的波动可能会以不可预测的方式增长。人工智能无法捕捉到这种所谓的“蝴蝶效应”。图片来源：NASA, Public Domain以上内容英文原文发表于AGU Eos Research Spotlight，中文翻译仅供参考。
原文链接：https://eos.org/research-spotlights/ai-meets-its-match-the-butterfly-effect
Text © 2023. AGU. CC BY-NC-ND 3.0扫码访问原文
https://doi.org/10.1029/2023GL105747关于期刊
Geophysical Research Letters (GRL) 发表对地球科学主要领域的科学进展进行研究的具备高影响力、创新性和时效性的文章。本期刊的论文为通讯稿长度的短篇文章，要求能在相关学科或整个地球科学领域产生直接而广泛的影响。
2022年影响因子： 5.2
5年影响因子： 5.3
从投稿到一审意见的中位数时间：35天
点击下方“阅读原文”访问GRL期刊网站，阅读更多精彩内容。