[新聞] 傳統模型vs.人工智慧　氣象署：綜合判讀

(一)新聞標題 傳統模型vs.人工智慧　AI颱風路徑預報各有優劣　氣象署：綜合判讀 (二)新聞內容 記者 周祐萱 / 攝影 李延智 報導 發佈時間：2024/10/12 22:41 最後更新時間：2024/10/12 22:58 https://www.youtube.com/watch?v=d-Qi7SvRuZA 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。 https://cc.tvbs.com.tw/img/upload/2024/10/12/20241012215456-2644cfdf.jpg 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，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踨：「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」。 (三)新聞連結 https://news.tvbs.com.tw/life/2649217 (四)其他心得或備註 我蠻喜歡這篇新聞的，完整的說明今年凱米和山陀兒， 早期預測與登陸後預測的比較細節，清楚說明各個預測優勢在哪邊。 同時也指出在同樣25公里解析度下，為什麼AI能看到傳統模式看不到的細節。 從內文來看，CWA也已經把AI納入預報作業中， 可以看成將AI視為預報系集成員其中的幾十項， 隨著預報的經驗增加，也會更清楚AI和傳統模式在預報的使用時機。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.137.137.175 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/TY_Research/M.1730021561.A.9E9.html