颱風路徑預報，除了傳統模型，AI也能發揮功用，以7月凱米颱風為例，AI早在登陸5天前，就預測會登陸，比傳統模型更早預判到，而10月的山陀兒颱風，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。
圖／TVBS
氣象署預報中心副主任黃椿喜：「(AI)比較早掌握到，(山陀兒颱風)會往海峽這裡來，可是實際上往西凸的這一塊，還沒有抓到。」
這個路徑就是綜合AI跑出來的，確實在山陀兒剛成形，就比傳統物理模型預測，更早預判會登陸。
氣象署預報中心副主任黃椿喜：「(但)在後期它(AI)不一定，比得上這個傳統模型。」
但後期路徑預報，各模式都往西偏，甚至AI認為在東部出海機率較高，反觀傳統模式則是，推測較高機率登陸後很快消散，所以對於AI預測的應用，氣象署也還在觀察。
氣象署預報中心副主任黃椿喜：「雖然輝達在(山陀兒颱風)早期，先提早做出一些，在台灣西側這邊過來的這種路徑，可是其實包含可能台灣自己的高精細，或者是歐洲的模式，也有部分反映這些路徑，可是我們在做預報的路徑的時候，氣象署在做的時候(當時大多還是偏東)，其實做的比較像是綜合的考量，現在看起來的話這些(AI)大型的模型，跟傳統物理我們用高速電腦，在使用的這個模型，實際上沒有說是絕對性的領先，沒有絕對性的領先，應該是在互有優劣，甚至因為它的精細度不夠的原因，所以我們現在在使用的時候，目前應該都是相輔相成的。」
AI套用在氣象預報是個新領域，從凱米颱風逐漸發覺，它的重要性，因為早在7月25日登陸前五天，也就是7月20日，AI主要都預測會登陸，反觀歐洲物理模式，也就是傳統方式，還認為從東北部外海離開，直到後期才陸續修正，不諱言AI在早期路徑預報表現亮眼，但並非絕對優勢。
氣象署預報中心副主任黃椿喜：「輝達或者是歐洲或者是像Google，還有其他一些人工智慧的模型，目前來看都已經進到我們作業的系統裡面，可以協助我們預報員，來進行綜合的分析研判，那所以現在預報員在做預報的時候，除了傳統的模型，傳統的模型我可能就有好幾百條路徑，那現在會加入20、30條人工智慧。」
能確定的是AI應用，已經蔓延到天氣分析，就連解析度也能提高。
氣象署科技發展組組長張保亮：「這個就一格25公里，那看起來我們要用這個來做，這個颱風在接近台灣，甚至是登陸台灣期間的這個研判，其實是很不足夠的。」
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：「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)。」
從2019年開始合作，現在要努力研發第二版，希望能共同讓，AI氣象應用再更上一層路，而不只氣象署，包含天氣分析團隊或粉專，也都紛紛鑽研AI的幫助。
天氣風險公司副總經理簡瑋：「AI它的缺點就是，它目前對於颱風的強度，掌握的比較沒有這麼好，那普遍看下來它其實對於強度的，颱風的強度是有一點點，報比較偏弱的。」
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。」
但不論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」。
◤Blueseeds永續生活◢
更新時間：2024/10/12 22:58