MIT 造出能预报“从未发生过的洪水”的模型——纽约 300 毫米降雨，而历史纪录约为 200 毫米
MIT 计算科学与工程中心的机械工程博士生 Kai Chang 与 Themis Sapsis 教授发表了一种方法，可以生成历史记录中根本不存在的极端天气情景。机器学习天气模型从“已经发生过的事”中学习，这意味着最罕见、破坏力最大的事件恰恰是它们见得最少的——往往一次也没见过。他们的方法称为 Extreme Event Aware（η-学习），结合两类数据：来自较短观测窗口的精细空间图，以及关于某一量级极端事件发生频率的长期点统计。统计量对空间图形成约束，于是模型可以画出一种从未被观测过、但在物理和统计上都不荒谬的降雨形态，并附上该事件可能持续多久、强度如何、覆盖多大范围的估计。在美国降水数据上用六个月的空间图加 25 年的统计训练后，模型为纽约市生成了降雨量达 300 毫米的合理图景，而历史最大值约为 200 毫米。该成果于 8 月 20 日发表在《自然·通讯》。
为什么重要?天气预报下游的几乎一切——防洪工程、保险定价、医院或数据中心选址——都是按“过去发生过的最坏情况”来校准的。在气候变化的背景下，这是个糟糕的假设；而一个渴求数据的 AI 模型恰恰会让这个假设更糟，因为它的训练集就是历史记录本身。一种能生成可信的、前所未有事件的方法，给了规划者一个可供压力测试的对象——它既不是凭空猜测，也不是上一场灾难的重播。
在App中阅读——免费，9种语言
相关新闻
新的全天紫外线地图有三分之一是预测出来的2026-10-10中国 AI 模型发布里，只有 31 次附带了安全报告
2026-10-10数学家呼吁同行停止与OpenAI合作。
2026-10-10新评分表衡量智能体多常做你没让它做的事。
2026-10-09谷歌的医疗AI在医生之前先问诊了病人。
2026-10-09