作者：王姵文
在氣象預測的領域，傳統模型與人工智慧技術的競爭日益激烈。傳統模型依賴數學方程式和歷史數據進行預測，而人工智慧則透過深度學習和大量數據分析，力求提高準確性與時效性。今年路徑詭譎多變的「秋颱」山陀兒，自生成後，它的動向考倒了全球氣象機構，AI模型預測正好派上用場。
(圖片來源：中央氣象署)
AI準確度不容小覷
9月28日，原本位於琉球南方海面的熱帶性低氣壓TD22，成為今年第18號颱風山陀兒，隨後各國氣象單位也開始針對山陀兒製作預測路徑。
歐洲中期預報中心與中國氣象局的預測路徑皆預測，山陀兒颱風將從台灣南部登陸，其中中國氣象局的路徑更是與山陀兒最終的路徑最為類似，山陀兒先是抵達巴士海峽大幅西偏，隨後出現有點迴轉的拐角後開始北上，不過登陸地點當時中國氣象局則預測是屏東的恆春半島。
在28日當時，包含中央氣象署、美國海軍、日本氣象廳、香港天文台、韓國氣象局等，都認為山陀兒會從台灣東部以擦邊球的路徑北上，對比下來，中國氣象局與歐洲中期預報中心的預測準確度相對更高，而歐洲中期預報中心則是路徑沒有預測到大幅西偏的回馬槍，因此可以說本次山陀兒颱風的路徑預測，中國氣象局是精準氣象單位。
(圖片來源：NCDR)
傳統模型vs.人工智慧 AI颱風路徑預報各有優劣
除了各國氣象機構之間的比較與競爭以外，台灣的氣象署預報中心也採用AI來預判路徑，AI在前期表現也較亮眼，但氣象署認為，AI預報路徑還在學習階段，跟傳統相比，各有優劣，所以目前仍會仰賴預報員，做綜合性判讀。
AI大型的模型，跟傳統物理用高速電腦在使用的這個模型，實際上沒有絕對性的領先，應該是互有優劣，甚至因為它的精細度不夠的原因，所以現在在使用的時候，傳統模型和AI應該是相輔相成。
台灣氣象署背後強大武器，就是和輝達合作的Corrdiff生成式AI，全球氣象資料傳統，都是25公里解析度資料，但台灣面積小地形又複雜，就得用「降尺度」技術，也就是提高解析度，而過去降尺度方式，多半要花費大量的電腦運算資源和時間，但AI強大計算力，省時以外精準度也大幅提高。
氣象署科技發展組組長張保亮表示：「傳統的話一般是用統計的方法來做，那CorrDiff的話它是，因為它訓練的資料是來自於數值模式，就是有物理為基礎的這樣的模式，所以它可以把物理這樣的過程，學習到這個AI的模型裡面，那當然相對會比較準確，另外一個是它可以處理比較複雜，像多維度、多變數這樣的問題。」進入氣象署的超級電腦機房，這裡放24台都放有輝達GPUA100，支援氣象署的AI應用服務。
氣象署科技發展組組長張保亮：「你可以看到它要登陸之前，其實它的這個結構，從25公里其實沒有辦法看得很清楚，那如果再看2公里的時候，它登陸的位置大概也就在，高雄跟屏東交界的附近，從這個結果來看2公里確實可以，來提供比較細緻的(判讀)。」
台灣颱風論壇執行長陳柏宏：「考量到颱風遇到台灣陸地時的複雜性，還有AI模型本身的解析度，還需要由專業而且有經驗的氣象人員，進行資料判讀還有修正。」
小結
不論AI還是傳統模式都只是「預判」，沒有絕對的百分之百，只希望從經驗中，累積「精準度」。
