人工智能的发展为我们生活带来了许多的便利，而作为一项计算机技术，其对科研工作带来的改变则更加明显。
其中，颇具代表性的一点便是，人工智能有效地提高了科研工作的效率。传统的科研方法往往需要大量的数据收集、整理和分析工作，这些工作通常耗时耗力且容易出错。而人工智能技术可以快速地处理和分析海量数据，从中提取出有价值的信息，为科研人员提供更为准确和高效的研究工具。
也正因如此，训练AI模型来满足一些特殊科研需求，成为了不少单位尝试的方向，并将其作为一个重要的工作进行推进。而其中就包含了气象科学。
近日，谷歌公司发布了一款新的生成式人工智能(AI)模型——可扩展集成包络扩散采样器(SEEDS)。据悉，SEEDS模型与ChatGPT等流行的大型语言模型、Sora等生成式AI工具类似，并且实际使用过程中，可以仅基于1—2个输入数据，推断出多达31个天气场景。
而目前传统的气象预测是将随机变量作为初始条件，使用概率性预测模型进行极端气象推断。与传统方法相比，SEEDS能更快地生成更多天气场景，从而保证在较低的错误率下尽可能的提供出合适的结果来帮助有关人员计算并规避极端天气的危害。
或许听起来并没有特别突出，但是实际效果却出乎意料。在实际实验中，研究人员基于2022年欧洲热浪进行建模，SEEDS以每3分钟可给出256个预测结果的速度，成功预测了结果，而事实上，在热浪暴发前7天，美国气象机构的预测数据未能预测该事件即将发生。
那么是不是说AI是应对极端数据的最佳手段呢？就目前来说不全是。事实上，AI预测天气还是基于基础数据来实现的，而提供的基础数据越多，所能计算到的结果就越精确，锁定的气象范围也就越集中。与之相对的，如果提供的数据有问题，那么预测结果就同样不可信。因此从这点来看，决定极端天气预测结果的根本要素之一，还是对于数据的准确采集能力。而这个能力是依赖传感器技术、卫星技术等一系列观测技术来实现的。
换言之，即便如今借助人工智能我们能够实现许多事，但是条件依旧要我们来提供，AI的发展方向或许还是要依赖于与其他先进技术的协调。