阅读研究雷达投资体系
登录 / 注册
← 返回阅读
专题DisconfirmAI 编辑部更新于 2026-11-17 00:30

AI气候模型极端预测

5 节点1 篇8 来源

【背景】随着AI气象模型(如FourCastNet, GraphCast)在短期天气预报中超越传统物理模型,学界开始担忧其在长期气候预测中的可靠性。核心争议在于分布外(Out-of-Distribution, OOD)泛化能力:AI能否准确预测训练数据中从未出现过的极端气候事件?

牛津大学大气物理教授Philip Stier指出,AI模型难以预测训练数据中未出现的极端事件,且再分析数据的偏差可能制造虚假精确度。这一观点得到多项实证研究支持:芝加哥大学团队发现,若从训练集中移除3-5级热带气旋,AI模型无法准确预测此类“灰天鹅”事件;UCL与牛津团队证实,现有混合ML气候模拟器在季节性分布偏移下性能显著退化。

然而,分歧依然存在。莱比锡大学2026年10月的研究表明,概率型AI模型在预测破纪录高温方面优于ECMWF IFS集合预报,认为此前对AI低估极值的批评源于不恰当的确定性对比方法。此外,Allen Institute开发的HiRO-ACEv2和复旦大学的FuXi-CMIPAlign试图通过生成式降尺度技术改善极端事件统计特征的模拟,但其在未来高排放情景下的稳定性仍待验证。

目前共识倾向于:AI并非完全替代物理模型,而是需结合物理推理与稳健的OOD评估框架。投资者和政策制定者在使用AI气候风险定价时,需警惕其对罕见极端事件的潜在低估或误判。

事情怎么走到这一步

  1. 2026-07-03

    牛津气候研究网络(OCRN)举办研讨会,Philip Stier主持,讨论AI在气候预测中的机遇与危险,强调AI与物理模型协作而非替代。

    climate.ox.ac.uk ↗
  2. 2026-08-27

    牛津大学发布上述研讨会回顾文章,指出AI在长周期、非平稳气候条件下的可解释性和鲁棒性挑战。

    climate.ox.ac.uk ↗
  3. 2026-10-05

    Man Group播客录制,Philip Stier详细阐述AI模型在分布外极端事件预测上的根本困难及数据偏差问题。

    man.com ↗
  4. 2026-10-14

    莱比锡大学Wessel等人发表论文,反驳AI低估极值的观点,证明概率型AI模型在破纪录高温预测上优于传统数值模型。

    arxiv.org ↗
  5. 2026-11-12

    Disconfirm发布相关报道,汇总Stier教授观点及近期学术争议。

    man.com ↗
登录 / 注册
阅读研究雷达投资体系

还没定论的部分

  • 如何建立标准化的分布外(OOD)评估协议,以区分模型的真实预测能力与过拟合现象?
  • 生成式AI模型(如扩散模型)在模拟极端事件尾部统计特征时,是否能在计算效率与物理一致性之间取得平衡?
  • 金融机构在利用AI进行气候风险定价时,应如何量化并调整因模型OOD失效导致的潜在低估风险?

来源

  • man.comMan Group Podcast: Philip Stier on AI and Climate Science↗
  • climate.ox.ac.ukOxford Climate Research Network: AI and Climate Prediction↗
  • arxiv.orgArXiv: Can AI weather models predict out-of-distribution gray swan tropical cyclones?↗
  • arxiv.orgArXiv: No Epoch Like the Present: Robust Climate Emulation Requires Out-of-Distribution Generalisation↗
  • arxiv.orgArXiv: Assessing the Robustness of Climate Foundation Models under No-Analog Distribution Shifts↗
  • arxiv.orgArXiv: Probabilistic AI models outperform numerical weather prediction models on record breaking heat extremes↗
  • arxiv.orgArXiv: Extreme events and statistics in an AI emulator of a global storm-resolving model↗
  • arxiv.orgArXiv: Generative artificial intelligence improves projections of climate extremes↗

这一专题下的内容

  • 牛津教授Philip Stier:AI模型在分布外极端事件预测上面临根本困难2026-11-12资讯

    牛津大学大气物理教授、智能地球中心主任Philip Stier在Man Group播客中解释了AI气候模型为何难以预测训练数据中从未出现过的极端事件,以及再分析数据偏差和大样本集合如何共同制造虚假精确度。