AI 如何改變天氣預報（第 1/4 段） ☕ Buy me a coffee

🧑‍🏫 這段用 2025 年 10 月襲擊牙買加的颶風 Melissa 當例子，講 Google DeepMind 怎麼用 AI 預報颶風，以及它的預報怎麼真的影響到美國官方的警報決定。值得看的原因是：它不是在講技術多厲害，而是在講「早知道一兩天」在災難裡到底差多少。

• 00:00 主持人 Hannah Fry 開場：颶風逼近時時間極關鍵，多一天預警可清空道路與醫院、開放避難所；即使幾小時也可能是危機與災難的差別。
  ↳ 颶風預報拚的是時間。早一天知道，就來得及疏散、讓醫院移走病人、開避難所；就算只早幾小時，結果也可能差很多。
• 00:00 我們能算出一千年後日出的確切秒數，但要確定地預測未來天氣仍是地球上最棘手的物理問題之一。
  ↳ 日出時間可以算得非常準，因為天體運行很規律；天氣卻牽涉太多互相影響的因素，所以到今天還是很難講死。
• 00:31 天氣對微小波動極敏感：今天氣壓的小變化，一週後可能變成大風暴，即著名的 butterfly effect。
  ↳ butterfly effect（蝴蝶效應）是指一開始差一點點，後來會差非常多。天氣就是這樣，所以預報越遠越不準。
• 00:31 傳統做法是用超級電腦解流體力學方程式；現在有另一種完全不同的做法。
  ↳ fluid dynamics equations（流體力學方程式）是描述空氣和水怎麼流動的數學式。傳統預報靠超級電腦硬算，AI 走的是另一條路。
• 00:31 Google DeepMind 團隊從 2020 年開始做 AI 天氣預測，最初的模型用衛星影像預測短期降雨。
  ↳ 這個團隊不是最近才跟風，2020 年就開始做，起步是比較小的題目：看衛星雲圖猜接下來幾小時哪裡會下雨。
• 01:04 最新系統 Weather Next 可為整個地球提供逐小時的詳細預測。
  ↳ Weather Next 是他們目前最新的 AI 天氣系統，範圍從「短時間的雨」擴大到全球、每個小時的天氣都能預報。
• 01:04 來賓是 Peter Battaglia，Google DeepMind 的 senior director of research。
  ↳ 這集受訪的是 Peter Battaglia，他在 Google DeepMind 帶研究團隊，職稱是資深研究總監，是實際負責這件事的人。
• 01:04 Hurricane Melissa 是非常強的颶風，2025 年 10 月襲擊牙買加與數個加勒比海島嶼。
  ↳ Melissa 是整段訪談的主要案例，它是 2025 年 10 月打到牙買加和附近幾個加勒比海島嶼的強烈颶風。
• 01:40 團隊已做颶風預報專用模型數年；2025 年稍早發布最好的天氣模型，並建立 WeatherLab 網站提供即時颶風預報。
  ↳ 他們為颶風另外做專用模型已經好幾年。WeatherLab 是他們架的網站，把颶風預報即時公開給大家看。
• 01:40 團隊與多個機構建立夥伴關係，包括美國 NOAA 之下的 National Hurricane Center；整個颶風季都看到模型預測颶風相當準確。
  ↳ NOAA 是美國管海洋和大氣的政府機關，National Hurricane Center（國家颶風中心）是它底下發官方颶風預報的單位，也是合作對象。
• 02:17 Melissa 在登陸約一週前於大西洋開始形成時，團隊的預報就顯示它會變成非常強的颶風。
  ↳ 重點在「早」：Melissa 還在大西洋上剛成形、離登陸還有一週左右，模型就已經指出它會變得很強。
• 02:17 颶風一開始只是一個擾動（disturbance），在溫暖海溫下可能吸取足夠能量，變成非常強烈的風暴。
  ↳ disturbance（擾動）就是一團還不成氣候的不穩定天氣。海水夠暖的話，它會從海面吸熱量，越長越大變成颶風。
• 02:50 不到一週前，模型就相當有信心它會變成 Category 5（最強的颶風等級）；當時它可能還只是 tropical depression，還不是 tropical storm。
  ↳ Category 5 是颶風分級裡最強的一級。tropical depression（熱帶低壓）比 tropical storm（熱帶風暴）還弱，等於它才剛起步就被看出會到頂。
• 02:50 Twitter（X）上活躍的氣象社群會追蹤各種模型，他們注意到 Google 模型預報會有非常強的風暴、達 Category 5。
  ↳ 網路上有一群氣象迷會同時盯好幾家模型互相比較，他們當時就發現 Google 的模型喊得特別強，這件事是公開看得到的。
• 03:21 有些其他模型也預測強度會上升，但就 Peter 所知，沒有一個對會變得這麼強、以及具體路徑與具體強度有同樣的信心。
  ↳ 別家模型也有說它會變強，差別在把握程度：Google 模型對「多強、走哪條路」都講得比較肯定。這是 Peter 自己的了解。
• 03:56 National Hurricane Center 的預報員持續觀測並修正官方預測，會綜合傳統模型、較新的模型等各種資訊，拼湊成自己的預報。
  ↳ 官方預報不是照抄哪個模型。預報員會把新舊各種模型和實際觀測放在一起看，再自己下判斷，而且邊看邊修正。
• 03:56 週六時，National Hurricane Center 正式判定它會成為 Category 5 並襲擊牙買加，當時 Peter 認為它甚至還不到 Category 1。
  ↳ 官方在它還很弱、連最低一級颶風都不到的時候，就公開說它會變成最強等級並打到牙買加，這是很大膽的判斷。
• 04:26 他們預測它會在約兩天到兩天半內經歷 rapid intensification；Peter 記得大概是週一達 Category 5、週二登陸，約有三天的 lead time。
  ↳ rapid intensification 是風暴在短時間內突然變很強。lead time 是預警到事情發生之間的準備時間，這次大約有三天。
• 04:26 發布 Category 5 警報會觸發一連串準備應變，地方官員會開始疏散等，這些在風暴較弱時不會進行。
  ↳ 警報的等級決定地方政府做多少事。喊出最強等級，才會啟動大規模疏散；如果只說是弱風暴，這些準備不會開始。
• 05:00 事後得知：這是 National Hurricane Center 有史以來，從最低強度的風暴就預報會成為 Category 5 的一次。
  ↳ 這次的特別之處在於：風暴還在最弱階段，官方就直接預報它會變成最強等級，在這個中心的歷史上是頭一遭。
• 05:00 National Hurricane Center 事後表示，他們的判斷深受 Google 模型影響，模型的信心提高了他們自己的信心。
  ↳ 官方事後自己說，Google 模型的預報對他們影響很大。模型講得有把握，他們才更敢做出這麼早的判斷。
• 05:30 模型每 6 小時做一次預報；信心度隨那一週推進從較低機率升到相當高，約 80%。
  ↳ 模型每 6 小時重新算一次。一開始只說「有可能」，隨著資料越來越多，把握度一路升到八成左右。
• 05:30 Melissa 確實襲擊牙買加，Peter 說約 95 人喪生、損害巨大；對話中提到風速達每小時 190 英里，是有紀錄以來最高的風速。
  ↳ 預報成真了。Peter 說約 95 人死亡、損失慘重；對話裡提到風速到每小時 190 英里，大約是時速 300 公里。
• 06:00 雖然災情慘重，但若預警更少可能更糟；這類作業中心對保護人命、財產，以及風暴過後恢復服務都極為重要。
  ↳ 預報擋不住颶風，但能減少傷亡。這類預報中心的價值在於事前讓人撤離，事後也能幫忙更快恢復水電等服務。
• 06:00 團隊研究員經常與 National Hurricane Center 交流，了解他們如何做判斷，再回饋到自己的做法上。
  ↳ 團隊不是把模型丟出去就算了，他們會常跟官方預報員聊，了解實際上怎麼做決定，再回頭調整自己的做法。
• 06:32 雖然只是單一個案，但完整走過這次合作，讓團隊學到如何改進模型，以及決策者需要看到哪些資訊。
  ↳ 一次案例不能證明什麼都準，但從頭到尾跟一次，讓團隊知道模型哪裡要改，也知道做決定的人到底想看什麼。
• 07:02 Peter 的看法：過去發生的物理過程與未來相同；有足夠的過去證據，加上能理解輸入輸出、過去未來之間細微結構的模型，預測就更準。
  ↳ AI 預報的基本想法：大氣運作的物理規則不會變，所以只要看過夠多過去的天氣，模型就能學到規律，拿來推未來。
• 07:34 建模、機器學習、評估與資料處理做得越好，模型就越好；同一個星球、同樣的規則，要從過去資料盡量萃取資訊來預報未來。
  ↳ 沒有什麼祕密招式。資料整理、模型設計、檢驗方法每一環做得更好，就能從同一批歷史資料裡榨出更多有用的東西。
• 07:34 團隊想做一個專門預測 tropical cyclones 的模型特例，因為這是最強烈、最罕見的天氣現象之一。
  ↳ tropical cyclone（熱帶氣旋）是颶風、颱風這類風暴的總稱。它又強又少見，可以學的例子不多，所以值得專門做一個模型。
• 08:06 他們認為做好這件事會有影響力，也是重大的科學挑戰，會逼團隊改進方法。
  ↳ 選這個題目有兩個理由：做好了真的能救人，而且它夠難，會逼團隊把方法練得更好。
• 08:06 這階段的專案約四年前正式開始，當時做的是全球模型，預報地球表面與大氣的所有天氣，為期 10-15 天。
  ↳ 大約四年前，他們先做的是通用型的全球模型，一次預報全地球地面和高空的天氣，可以看到未來 10 到 15 天。
• 08:06 有進展後想產生下游影響、預報實際天氣事件；tropical cyclones 一直出現在他們的論文中，例如檢驗模型能否預測氣旋路徑。
  ↳ 通用模型有成果後，他們想用在真實事件上。其實之前寫論文時，就常拿「能不能猜對氣旋路徑」當考題。
• 08:39 約兩年前開始專門的工作線並設專責子團隊，投入大量資源，一開始就與學界、作業氣象中心建立夥伴關係。
  ↳ 大約兩年前才正式拉出一組人專做颶風，而且從一開始就找大學和實際在發預報的氣象單位一起做。
• 08:39 發布前有 trusted testers 測試好幾個月；去年發布，之後持續改進。
  ↳ trusted testers 是正式公開前先試用的可信任對象。模型先讓他們用了好幾個月，確認沒問題才在去年發布。
• 09:12 對過去數年、全球範圍做實驗評估，約多出一天的準確度：別人兩天預報的準確度，他們在許多情況下三天預報就能達到。
  ↳ 白話講就是多賺一天：別人提前兩天的預報有多準，他們提前三天就差不多能做到。這是用過去幾年全球的資料驗出來的。
• 09:12 這讓人們能更早為風暴做準備、規劃並發布警報。
  ↳ 多出來的這一天，就是可以拿來提早發警報、安排撤離和做準備的時間。
• 09:44 取得預報的方式之一是即時預報 feed，可用 Google 搜尋 weather next 找到各種形式；想看 tropical cyclone 預報可上 Weather Lab。
  ↳ 想看的話有兩個入口：搜尋 weather next 可以找到各種形式的預報資料；想看颶風、颱風這類預報就去 Weather Lab 網站。
• 10:18 Weather Lab 剛新增 tropical cyclones 以外的內容，如溫度、風與氣壓。
  ↳ Weather Lab 原本只看熱帶氣旋，最近多了溫度、風、氣壓這些一般天氣項目可以看。
• 10:18 一般人用天氣 app 時可用 Pixel 或 Search，Weather Next 的預報也有貢獻到這些預報中；企業客戶則可取得資料。
  ↳ 一般人不用特地去找，Pixel 手機或 Google 搜尋的天氣預報裡，已經有用到 Weather Next 的結果；企業則可以直接拿資料。
• 10:50 天氣隨時間變得更極端，原因是天氣就是能量：太陽是電磁輻射、風是機械能、溫度是動能；地球越暖，能量越多。
  ↳ 天氣變極端的原因很單純：陽光、風、溫度說到底都是能量。地球變暖等於整個系統的能量變多，天氣自然更激烈。

根據字幕，團隊的熱帶氣旋模型在實驗評估中，相較之下多出多少準確度？