人工智能时代物理模拟的首要地位：对机器学习用于天气预报的批判 一、研究背景 1. 时代背景：机器学习在天气预报领域的崛起 近年来，机器学习（Machine Learning, ML）技术在全球范围内掀起了前所未有的推广热潮。从交通流预测到气象预报，多个领域都出现了声称ML能够超越传统知识驱动型预报方法的声音。在天气预报领域，大量研究宣称ML模型能够生成与数值天气预报（Numerical Weather Prediction, NWP）相媲美甚至更优的预报结果。以Bouallegue等人（2024）和Husain等人（2025）为代表的研究，展示了ML在天气预报中的潜力与发展路径。
然而，本文作者Leonard A. Smith和Alan Thorpe明确指出，当前关于ML天气预报能力的宣传存在夸大成分。两位作者均为大气科学领域享有盛誉的学者：Smith任职于弗吉尼亚理工大学和伦敦数学实验室，Thorpe任职于雷丁大学。他们在物理系统预报领域拥有数十年的研究经验，对统计方法与物理模拟方法的优劣有着深刻理解。
2. 历史渊源：统计与物理的百年之争 天气预报中统计方法与物理方法的博弈并非始于今日。早在19世纪60年代，即天气预报的萌芽时期，Robert Fitzroy海军中将发布风暴预警时就已引发了关于统计推断与物理洞察孰优孰劣的争论。20世纪中期，Lorenz（1955）采用经验正交函数（EOF）进行统计预报研究时发现，当时的数据档案时长不足以支撑高质量的预报。Lorenz后来曾半开玩笑地探讨需要“等待多久才能找到一个相似型”，结论是需要天文数字般的时间长度，才能提供物理理论已经能够给出的信息。
这一历史背景表明，统计方法与物理方法各有其适用场景，而本文的核心论点正是：在科学理解较为深入、数据档案无法穷尽所有可能行为的系统中，以物理模拟为核心的预报方法通常优于纯统计方法。
3. 问题的提出：ML能否取代物理模拟？ 作者在文中提出了几个核心问题：
第一，在可预见的未来，一个不显式使用“物理定律”的独立ML预报系统，能否仅从现有的观测档案中提取足够的信息，使得在信息集合中加入物理定律几乎不带来任何增益？
第二，即使技术上可行，放弃基于物理模拟的NWP预报方法是否可取？
第三，ML系统能否提供与NWP同等广度与深度的预报内容，同时保持其惊人的计算速度？
这些问题的答案不仅关乎技术路线的选择，更关乎天气预报科学的长远发展。
二、研究意义 1. 理论意义：厘清统计与物理的本质区别 本文最重要的理论贡献在于，明确区分了统计估计与物理模拟在预报中的本质差异。作者指出，ML本质上是一种统计估计方法，它与所有统计方法一样，依赖于训练数据档案中的信息。当预报对象在特征空间中处于训练分布的支持范围内时，ML表现优异；但当需要进行外推（extrapolation）时，即预报那些在历史档案中罕见或未曾出现的事件时，ML往往无能为力。
相反，基于物理定律的模拟方法能够有效地进行外推。这是因为物理模型包含了守恒定律和变量间的物理关系，能够在缺乏历史相似型的情况下，仍然生成物理上一致的状态轨迹。作者明确指出：“物理通常比统计外推得更好”（physics often extrapolates better than statistics）。
2. 实践意义：保障天气预报的科学基础 从实践角度看，本文的意义在于警示学界和业界：不应盲目追求ML的计算速度优势而放弃物理模拟这一历经数十年验证的可靠路径。NWP的“静默革命”（Bauer et al. 2015）是物理学、计算机科学和观测技术共同进步的结晶。过去30年，基于集合模拟的NWP系统已经能够为人类社会提供关于前所未有的低概率高影响事件的预警，这些事件在历史记录中很少或从未出现过。
如果过早地放弃或削弱对NWP的投入，将可能导致天气预报科学的长远发展受到损害。作者强调：“未来的NWP将优于今天的NWP，但前提是我们去构建它们。”
3. 方法论意义：呼吁更科学的预报评估体系 本文还提出了一个重要观点：当前的预报评估方法存在严重缺陷。许多研究使用过于简化的评估指标（如均方根误差RMSE、 anomaly correlation等），且常常使用再分析资料而非真实观测作为验证依据。这些做法会得出误导性的结论。作者呼吁建立更加严格、更具区分度的评估标准，包括：使用真实观测数据、评估多变量联合分布、关注极端事件的预报能力、考察物理一致性等。
三、研究方法与数据 1. 方法论框架：区分四种预报方法 作者在文中明确区分了四种预报方法：
第一，独立ML预报方法 ：不显式使用物理定律，仅从观测档案中学习统计模式。这类方法的典型代表是当前各类数据驱动的天气预报模型。
第二，混合ML-NWP预报方法 ：将ML技术集成到NWP流程中，例如用于偏差校正、模型参数调优、从离散格点空间到特定位置的映射、将有限集合转化为概率信息等。
第三，使用统计工具的NWP方法 ：在NWP框架内合理使用统计方法，这是NWP自诞生以来的标准做法。
第四，通用人工智能（AGI） ：一种假设性的未来AI系统，能够推理干预和反事实，有效推导出更好的物理定律。作者明确指出，当前的ML并非AGI，即使未来出现AGI，其本质上也将遵循物理模拟路径而非纯统计估计路径。
2. 理论分析框架：信息集合与预报分布 作者采用了一个简洁而有力的理论框架来统一定义预报问题。任何概率天气预报（无论是统计的还是基于物理的）都可以概括为构建一个分布 (P(\mathbf x} I))，该分布提供关于某些未来可观测量或其影响的有用信息。其中 (\mathbf{x ) 表示任何未来时刻或时段的可观测量，信息集合 (I) 包含预报时所有可用且被纳入的信息，包括观测数据和物理定律。
这一框架的关键洞见在于：独立ML方法的信息集合 (I_s) 中不包含显式的物理定律，而NWP方法的信息集合中物理定律占据核心地位。问题的核心在于：(I_s) 是否足以生成与 (I) 同等信息量的预报？
3. 评估方法论：四个基本要求 作者提出了评估任何新预报系统必须满足的四个基本要求：
要求一 ：必须在预报经验观测（empirical observations）的能力上进行评估，而非在“模型天地”（model land）中的分析场上进行评估。与再分析资料的对比远不如与实际天气系统的观测对比重要。
要求二 ：必须避免过于简化的评估、选择性报告（cherry picking）以及使用模型分析场而非观测进行评估。这些做法会产生误导性结论。
要求三 ：目前一些ML系统的评估报告使用过于简化的指标，未能达到应有的标准。ML系统对NWP构成的表面挑战，恰恰提供了反思长期流行的评估指标之优劣的机会。
要求四 ：发展更好的概率预报评估指标，这些指标应明确关注天气系统的物理约束和已知物理定律的保持。
4. 对比基准：NWP的能力边界 为了判断ML系统是否真正能够与NWP竞争，作者详细描述了当前NWP的能力边界：
输出内容 ：压强、温度、湿度、降水、风速风向、湍流强度、波高、海表温度等多个变量的物理一致时空分布
四、研究结果 1. ML预报的主要缺陷 作者通过系统分析指出，当前ML天气预报存在多个显著缺陷：
物理不一致性 ：ML预报系统既不是设计用来、也不是受约束去产生动力上连贯、物理上一致的大气演化。它们通常每几小时提供一次状态某些方面的“快照”，而物理模拟的目标是尽可能完整地生成时空轨迹。
极端事件预报能力不足 ：当预报对象在训练分布中缺乏充分支持时，ML预报（以及更广泛的数据驱动型窄AI）会失效。这正是物理模拟通常比统计建模外推更有效的地方。
中纬度气旋强度偏差 ：引用Dacre等人（2026）的研究指出，当前ML预报在中纬度气旋强度方面存在显著偏差。
小尺度特征强度不足 ：对于锋面结构等较小尺度特征，ML预报的强度偏弱，导出的垂直速度也存在问题。
评估指标误导 ：一些ML预报在使用RMSE等指标评估时表现“虚假地”增强，部分原因是预报场相对较粗。
2. ML对NWP的隐性依赖 作者指出了一个关键事实：当前几乎所有业务化ML预报模型实际上都是混合ML-NWP方法，它们依赖于再分析资料——这些资料本身就是使用NWP预报和历史观测生成的。这意味着：
第一，业务化ML系统本质上依赖于训练中使用的基于物理的NWP。Thorpe（2025）明确指出这一点。
第二，ML系统因此会继承该NWP模型的局限性，以及数据同化方案、集合形成技术和再分析中观测覆盖范围的局限性。Chen等人（2024）指出再分析本身包含显著的误差和对极端事件的不完全采样。
第三，任何ML预报系统在利用业务化NWP模型的常规升级所带来的科学进步时，其改进速度会更快。在这种情况下，NWP的改进是获得更优混合ML预报的前提条件。
3. 两种方法的互补性 作者承认ML方法在某些方面具有优势：
计算速度 ：ML制作天气预报的速度是其最突出的优势之一。
在良好采样情境下的强大能力 ：在特征空间中被良好采样的区域内，统计方法（包括ML）表现强大。
潜在的互补信息 ：ML和NWP预报的分布可能提供互补信息，将两者的预报分布与气候分布融合（Bröcker and Smith 2008）可能产生协同效应。
作者建议，如果ML预报在某些重要目标（如热带气旋路径）上超越NWP，这些预报可以用于学习NWP模型缺陷的原因，类似于Judd等人（2008）的示范方法。这样，ML可以帮助确定NWP不足的科学原因，从而改进未来的物理模拟预报。
五、研究结论 1. 核心论断：物理模拟具有首要地位 作者的核心结论是：在可预见的未来，独立ML预报系统无法也不应被期望取代基于物理模拟的NWP。这一论断基于两个主要论据：
论据一（信息充分性） ：当前观测档案本身不包含足够的信息，无法在第二周的预报中提供有竞争力的概率洞察。虽然可以通过实证研究最终确定这一点，但作者认为，现有证据表明情况并非如此。
论据二（科学理解的价值） ：维持和发展NWP方法带来的一个重大但常被低估的收益是：它能够增进科学理解。理解今天的预报为何出错、研究动态模拟的缺陷和数据同化中揭示的结构模型误差，会导向更好的模拟。放弃NWP，即使是为了更快、同样有技能的窄AI，也会减缓甚至停止数十年来NWP模型稳步改进的进程。
2. 对ML的定位建议 作者并非全盘否定ML在天气预报中的价值。相反，他们提出：
ML应作为统计工具在NWP框架内发挥价值，用于偏差校正、模型调优、集合到概率的转换等目的 探索和开发使用ML方法的预报系统不应阻碍业务概率预报的科学改进进程 3. 对评估体系的呼吁 作者呼吁建立更严格、更全面的预报评估体系：
评估必须涵盖空间、时间、多变量、极端事件等多个维度 评估必须区分点预报评估和概率预报评估，前者不足以区分不同方法论在用户相关技能上的差异 评估应关注天气系统（如温带气旋、锋面、热带风暴、飑线等）的整体特征，而不仅仅是原始模型输出 4. 对AGI的展望 作者谨慎地讨论了AGI的可能性。他们指出，一个假设性的未来AGI如果能够推理干预和反事实，有效推导出更好的物理定律，那么它将“事实上的”（de facto）遵循物理模拟路径，而非当前ML模型的统计估计路径。它可以解释为什么其模拟方法优于今天的NWP。但作者明确指出：ML不是AGI。
六、研究不足 1. 实证支持的相对薄弱 本文主要是一篇观点性文章（essay），而非实证研究。作者虽然引用了Bouallegue等人（2024）、Dacre等人（2026）、Chen等人（2024）等实证研究，但本文本身并未提供新的实证数据来支持其核心论断。作者明确表示，许多关键问题“可以通过实证确定”（can be determined empirically），但本文并未执行这类实证分析。
2. 对ML快速演进的考虑不足 天气预报领域的ML技术正在以极快的速度演进。作者虽然提到了当前ML系统的局限性，但对于ML技术可能在未来几年内克服某些局限性的可能性，讨论相对有限。例如，关于ML是否能够通过改进的架构或训练策略来更好地保持物理一致性，作者没有深入探讨。
3. 混合方法的潜力可能被低估 作者承认混合ML-NWP方法的价值，但整体上仍倾向于以NWP为主导的框架。可能存在一些混合架构，其中ML和NWP的角色更加平等甚至ML为主导，作者对此类可能性的讨论不够充分。
4. 评估指标的讨论可操作性不足 作者对现有评估指标的批评是有力的，但提出的替代方案（如Good 1952、Smith et al. 2015）在实际操作层面缺乏详细指导。对于业务预报中心而言，如何在日常运营中实施这些更复杂的评估方法，仍是一个开放问题。
七、讨论 1. 统计方法与物理方法的适用边界 作者提出了一个关于统计方法与物理方法适用边界的重要猜想：“统计预报的增值在相关过程的科学理解最薄弱、数据档案中的信息足以使物理科学的洞察力对经验预报几乎没有增益的情况下最大。”这一猜想如果成立，将为在不同领域选择合适预报方法提供理论指导。
对于天气预报而言，由于大气系统的复杂性极高、观测档案永远无法穷尽所有可能的大气状态，物理方法应该始终占据主导地位。但对于某些子系统或特定应用场景，统计方法可能更具优势。
2. 计算速度与预报质量的权衡 ML最突出的优势是计算速度。但作者质疑：当ML需要提供NWP同等广度和深度的预报内容（高时间分辨率、高空间分辨率、多变量、轨迹信息）时，其速度优势还能保持多少？这是一个值得深入研究的问题。目前的ML预报通常只输出有限变量、有限层次、有限时间分辨率的“快照”，而业务NWP提供的是完整的四维时空演化信息。
3. 再分析资料的依赖问题 作者指出当前ML系统对再分析资料的依赖是一个根本性问题。再分析资料本身是NWP的产物，包含了NWP模型的结构误差、数据同化方案的特性、观测覆盖的不均匀性等。这意味着ML系统不仅继承了NWP的优点，也继承了其缺点。更重要的是，再分析资料对极端事件的采样是不充分的，这从根本上限制了ML预报极端事件的能力。
4. 预报评估的认识论问题 本文提出了一个深层次的认识论问题：我们如何知道一个预报系统是“好”的？使用RMSE等简单指标会得出一种结论，使用信息论指标（Good 1952, Roulston and Smith 2002）可能会得出不同结论，使用基于决策的评估又可能得出另一种结论。作者认为，评估必须与决策相关，且必须足够严格以区分不同方法在用户相关技能上的差异。
八、研究未来方向 1. 实证比较研究 作者明确指出，多个核心问题可以通过实证研究解决：
独立ML系统与NWP系统在不同预报时效的概率预报技能比较 ML系统能否在不显著降低速度的前提下提供与NWP同等广度和深度的预报内容 ML和NWP预报分布是否提供互补信息，融合两者是否能显著优于任一单独方法 这些实证研究需要使用严格的评估标准，包括真实观测、多变量联合分布、极端事件预报能力等。
2. 混合方法的优化 探索如何最优地融合ML和NWP的优势是一个重要方向。作者提到将ML、NWP和气候分布融合的方法（Bröcker and Smith 2008），这一思路值得进一步发展和验证。此外，如何使用ML来诊断和修正NWP的结构模型误差（Smith 2000），也是一个有前景的方向。
3. 评估方法的创新 作者呼吁发展更好的概率预报评估指标，这些指标应：
ML技术本身可能在这些评估方法的开发中发挥重要价值。
4. 物理一致性的ML方法 一个重要的未来方向是：如何设计能够保持物理一致性的ML方法？这可能包括：
5. AGI的可能性
6. 业务化过渡的路径设计 如果未来某一天ML系统确实达到了与NWP相当或更优的预报技能，如何实现从NWP到ML的过渡？作者提出了一个重要警示：放弃NWP会停止模型改进的进程，从而损害未来预报的质量。因此，即使ML表现优异，保持对NWP的持续投入仍然是必要的。未来研究需要设计合理的过渡路径，确保预报科学的长远发展。
九、总结 本文是对当前天气预报领域“ML热”的一次冷静而深刻的反思。作者Leonard A. Smith和Alan Thorpe基于数十年物理系统预报的经验，系统论证了物理模拟在天气预报中的首要地位。他们明确指出，ML本质上是统计估计方法，其能力受限于训练数据档案的信息内容；而基于物理定律的模拟方法能够有效地外推到未曾观测到的情况，同时提供科学理解的持续进步。
本文并非全盘否定ML的价值。相反，作者认为ML可以作为有价值的统计工具在NWP框架内发挥作用，用于偏差校正、模型调优、概率转换等目的。在科学理解最薄弱、数据档案信息充分的领域，统计方法（包括ML）的增值最大。但在天气预报这一科学理解相对深入、数据档案远非完备的领域，物理模拟应继续保持主导地位。
本文最重要的贡献之一是呼吁建立更严格、更全面的预报评估体系。使用RMSE等简化指标和再分析资料进行评估，会得出误导性结论。评估必须使用真实观测、必须关注多变量联合分布、必须考察极端事件预报能力、必须评估物理一致性。
最后，作者提出了一个具有前瞻性的观点：即使未来出现真正的通用人工智能（AGI），它将事实性地遵循物理模拟路径而非纯统计估计路径。ML不是AGI，当前的ML系统不应被期望取代基于物理模拟的NWP。
本文为天气预报领域的未来发展提供了重要的方向性指导：在拥抱ML技术的同时，必须继续大力投入物理模拟的研发，因为只有基于物理定律的模型才能生成科学和社会所依赖的最连贯、最可靠的概率预报。
https://doi.org/10.1175/BAMS-D-25-0214.1
以上是对文章的详细解读，如有不当之处欢迎批评指出！也可以私信小编（Earth_Ai）。
声明： 欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编 (微信： qxxjgzh ) 处理。
