突破性AI模型可能改变我们针对自然灾害的防备方式

从欧洲的致命洪水到全球日益强烈的热带气旋，气候危机使得及时精准的预报变得前所未有的重要。然而，传统预报方法依赖于数十年开发的高度复杂的数值模型，需要强大的超级计算机和大型专家团队。据其开发者称，奥罗拉（Aurora）利用人工智能提供了一种强大而高效的替代方案。

机器学习的核心地位

"奥罗拉采用尖端机器学习技术，为关键环境系统——空气质量、天气、海浪和热带气旋——提供卓越的预报"，阿姆斯特丹大学机器学习专家、该模型的研究者之一马克斯·韦林解释道。与传统方法不同，奥罗拉所需计算能力大幅降低，使高质量预报更易获取且更具扩展性——特别是在缺乏昂贵基础设施的地区。

基于百万小时地球数据训练

奥罗拉建立在拥有13亿参数的基础模型上，使用超过一百万小时的地球系统数据进行训练。它经过微调，在一系列预报任务中表现卓越：

• 空气质量：在74%的情况下表现优于传统模型
• 海浪：在86%的指标上超越数值模拟
• 热带气旋：在100%的测试中击败七家业务预报中心
• 高分辨率天气：在92%的情景中超越领先模型，极端事件期间尤为突出

快速、精准且普惠的预报

随着气候波动加剧，快速可靠的预报对防灾备灾、应急响应和气候适应至关重要。研究人员认为奥罗拉可通过普及先进预报技术提供帮助。

"曾经需要数年完成的开发周期，现在小型工程团队仅需数周即可实现"，同样来自阿姆斯特丹大学的人工智能研究员安娜·卢契奇指出，"这对全球南方国家、小型气象服务机构以及关注局部气候风险的研究团队尤为重要。"韦林补充道："重要的是，这种加速建立在数十年基础研究之上，并利用了传统预报方法积累的海量数据集。"

奥罗拉已在线免费开放供公众使用。若需针对特定任务微调模型，使用者需提供相关数据。"但'初始'训练已完成，我们不再需要这些庞大数据集，所有信息都已融入奥罗拉"，卢契奇解释道。

面向未来的预报工具

尽管当前研究聚焦于上述四项应用，但研究人员表示奥罗拉具备灵活性，可适用于广泛的未来场景。这些场景包括洪水风险预测、野火蔓延预报、季节性天气趋势研判、农业产量预估以及可再生能源出力预测。"其处理多样化数据类型的能力，使之成为强大且面向未来的工具"，韦林强调。

研究总结指出，随着全球面临更多极端天气——从热浪到飓风——奥罗拉等创新模型有望推动全球模式从被动危机应对转向主动的气候韧性建设。