薔琵會怎麼走？AI預測颱風路徑已比傳統模式準

薔琵颱風襲台。研究顯示，AI對該颱風的路徑預測，已比傳統模式要來得更準。 美聯社

AI摘要 文章摘要整理： 薔琵颱風的路徑預測出現AI與傳統模式分歧，研究與實戰案例都顯示AI在路徑判斷上可能更準，但強度與速度預測仍需結合傳統模式。

薔琵颱風的路徑預測出現AI與傳統模式分歧，研究與實戰案例都顯示AI在路徑判斷上可能更準，但強度與速度預測仍需結合傳統模式。

在這幾天的氣象預報中，透過超級電腦運算的傳統模式，以及人工智慧（AI）模式，對薔琵颱風的預測路徑出現頗大差異，部分分析指出，AI或許在預測颱風路徑能力上已超越了超級電腦，但在預測颱風強度和速度上還稍嫌不足。

據中央氣象署23日下午5時發布的颱風警報，薔琵颱風目前位在宜蘭東南東方約140公里處，並以每小時10轉17公里速度，向北北東進行。

南韓 中央日報報導，自薔琵颱風形成以來，傳統以超級電腦為基礎的氣象模式，以及AI模式，就在預測該颱風上有所分歧。AI模型一直預測薔琵颱風會在接觸到台灣前大幅向東北轉，然後朝向日本前進。

但歐洲中期天氣預報中心（ECMWF）的模型和其他傳統預測，都預測薔琵颱風會進一步西進，直到穿越台灣東北部或抵達中國大陸外海後才轉向。

美國聯合颱風警報中心已採納AI的預測。該中心表示，AI模型已在預測過去和薔琵颱風類似的大氣條件的颱風北轉上被證實準確性。

研究顯示，AI在預測颱風路徑方面，或許表現已超越了超級電腦。據濟州國立大學颱風研究中心對過去兩年颱風的分析，在大多數情況下，AI模型在預測颱風路徑上的誤差比傳統數值模型要小。

ECMWF的綜合預報系統是全球最頂尖的數值天氣預測模型之一，其第一至五天對颱風路徑預測的平均誤差為205.5公里，超過大多數AI模型的不到200公里。

濟州大學颱風中心主任文日柱（音譯）表示，「AI在長期預測方面展現出比傳統數值模型明顯準確的優勢。若將多個高效能AI模型的預測結合起來，將可使颱風預測更加準確」。

不過，AI模型也被證實在預測颱風強度和移動速度上較為不可靠。數據有限可能導致模型低估風暴強度。專家表示，利用AI和超級電腦優勢的混合系統，對改善天氣預報來說至關重要。

精華 FAQ Q1：薔琵颱風的AI預測路徑與傳統模式有何不同？ AI模型一直預測薔琵會在接近台灣前明顯北轉，之後朝日本前進；傳統數值模式則多判斷它會繼續西進，可能穿越台灣東北部或接近中國大陸外海後才轉向。 Q2：為什麼有分析認為AI在颱風路徑預測上更準？ 因為濟州國立大學分析過去2年颱風資料後發現，多數情況下AI模型的路徑誤差比傳統數值模型更小，且ECMWF前1至5天的平均誤差也高於多數AI模型。 Q3：AI颱風預測目前還有哪些不足之處？ 文章指出，AI雖在路徑預測上有優勢，但對颱風強度和移動速度的判斷仍較不可靠，可能因訓練資料有限而低估風暴強度，因此專家主張結合AI與超級電腦。

Q1：薔琵颱風的AI預測路徑與傳統模式有何不同？ AI模型一直預測薔琵會在接近台灣前明顯北轉，之後朝日本前進；傳統數值模式則多判斷它會繼續西進，可能穿越台灣東北部或接近中國大陸外海後才轉向。

Q1：薔琵颱風的AI預測路徑與傳統模式有何不同？

AI模型一直預測薔琵會在接近台灣前明顯北轉，之後朝日本前進；傳統數值模式則多判斷它會繼續西進，可能穿越台灣東北部或接近中國大陸外海後才轉向。

Q2：為什麼有分析認為AI在颱風路徑預測上更準？ 因為濟州國立大學分析過去2年颱風資料後發現，多數情況下AI模型的路徑誤差比傳統數值模型更小，且ECMWF前1至5天的平均誤差也高於多數AI模型。

Q2：為什麼有分析認為AI在颱風路徑預測上更準？

因為濟州國立大學分析過去2年颱風資料後發現，多數情況下AI模型的路徑誤差比傳統數值模型更小，且ECMWF前1至5天的平均誤差也高於多數AI模型。

Q3：AI颱風預測目前還有哪些不足之處？ 文章指出，AI雖在路徑預測上有優勢，但對颱風強度和移動速度的判斷仍較不可靠，可能因訓練資料有限而低估風暴強度，因此專家主張結合AI與超級電腦。

Q3：AI颱風預測目前還有哪些不足之處？

文章指出，AI雖在路徑預測上有優勢，但對颱風強度和移動速度的判斷仍較不可靠，可能因訓練資料有限而低估風暴強度，因此專家主張結合AI與超級電腦。

巴士巧遇馬雲聊起AI 他「當年完全不懂 如今大舉押注」