(一)新闻标题
传统模型vs.人工智能　AI台风路径预报各有优劣　气象署：综合判读
(二)新闻内容
记者 周祐萱 / 摄影 李延智 报导
发布时间：2024/10/12 22:41
最后更新时间：2024/10/12 22:58
https://www.youtube.com/watch?v=d-Qi7SvRuZA
台风路径预报，除了传统模型，AI也能发挥功用，以7月凯米台风为例，AI早在登陆5天前
，就预测会登陆，比传统模型更早预判到，而10月的山陀儿台风，前期表现也较亮眼，但
气象署认为，AI预报路径还在学习阶段，跟传统相比，各有优劣，所以目前仍会仰赖预报
员，做综合性判读。
https://cc.tvbs.com.tw/img/upload/2024/10/12/20241012215456-2644cfdf.jpg
图／TVBS
气象署预报中心副主任黄椿喜：“(AI)比较早掌握到，(山陀儿台风)会往海峡这里来，可
是实际上往西凸的这一块，还没有抓到。”
这个路径就是综合AI跑出来的，山陀儿刚成形，就比传统物理模型预测，更早预判
会登陆。
气象署预报中心副主任黄椿喜：“(但)在后期它(AI)不一定，比得上这个传统模型。”
但后期路径预报，各模式都往西偏，甚至AI认为在东部出海机率较高，反观传统模式则是
，推测较高机率登陆后很快消散，所以对于AI预测的应用，气象署也还在观察。
气象署预报中心副主任黄椿喜：“虽然辉达在(山陀儿台风)早期，先提早做出一些，在台
湾西侧这边过来的这种路径，可是其实包含可能台湾自己的高精细，或者是欧洲的模式，
也有部分反映这些路径，可是我们在做预报的路径的时候，气象署在做的时候(当时大多还
是偏东)，其实做的比较像是综合的考量，现在看起来的话这些(AI)大型的模型，跟传统物
理我们用高速电脑，在使用的这个模型，实际上没有说是绝对性的领先，没有绝对性的领
先，应该是在互有优劣，甚至因为它的精细度不够的原因，所以我们现在在使用的时候，
目前应该都是相辅相成的。”
AI套用在气象预报是个新领域，从凯米台风逐渐发觉，它的重要性，因为早在7月25日登
陆前五天，也就是7月20日，AI主要都预测会登陆，反观欧洲物理模式，也就是传统方式
，还认为从东北部外海离开，直到后期才陆续修正，不讳言AI在早期路径预报表现亮眼，
但并非绝对优势。
气象署预报中心副主任黄椿喜：“辉达或者是欧洲或者是像Google，还有其他一些人工智
慧的模型，目前来看都已经进到我们作业的系统里面，可以协助我们预报员，来进行综合
的分析研判，那所以现在预报员在做预报的时候，除了传统的模型，传统的模型我可能就
有好几百条路径，那现在会加入20、30条人工智能。”
能确定的是AI应用，已经蔓延到天气分析，就连分辨率也能提高。
气象署科技发展组组长张保亮：“这个就一格25公里，那看起来我们要用这个来做，这个
台风在接近台湾，甚至是登陆台湾期间的这个研判，其实是很不足够的。”
背后强大武器，就是和辉达合作的Corrdiff生成式AI，全球气象资料传统，都是25公里解
析度资料，但台湾面积小地形又复杂，就得用“降尺度”技术，也就是提高分辨率，而过
去降尺度方式，多半要花费大量的电脑运算资源和时间，但AI强大计算力，省时以外精准
度也大幅提高。
气象署科技发展组组长张保亮：“传统的话一般是用统计的方法来做，那CorrDiff的话它
是，因为它训练的资料是来自于数值模式，就是有物理为基础的这样的模式，所以它可以
把物理这样的过程，学习到这个AI的模型里面，那当然相对会比较准确，另外一个是它可
以处理比较复杂，像多维度、多变量这样的问题。”
进入气象署的超级电脑机房，这里放24台都放有辉达GPUA100，支援气象署的AI应用服务
。
气象署科技发展组组长张保亮：“你可以看到它要登陆之前，其实它的这个结构，从25公
里其实没有办法看得很清楚，那如果再看2公里的时候，它登陆的位置大概也就在，高雄
跟屏东交界的附近，从这个结果来看2公里确实可以，来提供比较细致的(判读)。”
从2019年开始合作，现在要努力研发第二版，希望能共同让，AI气象应用再更上一层路，
而不只气象署，包含天气分析团队或粉专，也都纷纷钻研AI的帮助。
天气风险公司副总经理简玮踨：“AI它的缺点就是，它目前对于台风的强度，掌握的比较
没有这么好，那普遍看下来它其实对于强度的，台风的强度是有一点点，报比较偏弱的。
”
台湾台风论坛执行长陈柏宏：“考量到台风遇到台湾陆地时的复杂性，还有AI模型本身的
分辨率，还需要由专业而且有经验的气象人员，进行资料判读还有修正。”
但不论AI还是传统模式都只是“预判”，没有绝对的百分之百，只希望从经验中，累积“
精准度”。
(三)新闻连结
https://news.tvbs.com.tw/life/2649217
(四)其他心得或备注
我蛮喜欢这篇新闻的，完整的说明今年凯米和山陀儿，
早期预测与登陆后预测的比较细节，清楚说明各个预测优势在哪边。
同时也指出在同样25公里分辨率下，为什么AI能看到传统模式看不到的细节。
从内文来看，CWA也已经把AI纳入预报作业中，
可以看成将AI视为预报系集成员其中的几十项，
随着预报的经验增加，也会更清楚AI和传统模式在预报的使用时机。