在人工智能与机器学习未来发展专题分会场上，国内外专家聚焦人工智能技术在季风领域的应用机遇、现实挑战及全球协作路径展开深度研讨。
专家普遍认为：人工智能并非颠覆并替代传统方法的技术，而是与物理数值模型互补共生、协同进化的赋能工具，气象预报领域的技术突破，在于数据、物理机制、评估体系和全球共享的多维融合。
中国科学院院士穆穆指出，人工智能模型的预报精度与误差控制效果，高度依赖训练样本的品质，当前需从单纯追求“大数据”转向追求“更大、更优质的数据”。人工智能模型为推动可预报性研究、目标观测与集合预报的发展，提供了强大的新工具与新思路。
但现阶段，人工智能仍需与物理模型的机制优势深度融合，并在数据质量与物理一致性方面持续攻关。应针对性捕捉罕见极端天气特征，以弥补通用人工智能模型对灾害天气捕捉能力不足的问题。
澳大利亚气象局研究员凯瑟琳·德伯格表示，开放共享是气象科研合作的基础，但统一、规范的数据标准更为关键。澳大利亚气象局李琛博士认为，人工智能模型对时间步长、训练周期、样本数据极为敏感，完整翔实的实验记录、可追溯的科研流程，是保障研究成果可复现、技术迭代优化的必要前提。此外，二人认为，传统的指标对机器学习模型的评估存在不足，需要在保留核心统计指标的基础上，构建一个多元维度的综合评估体系。
在实践中，人工智能模型在热带气旋路径预报上优势明显，但在强度预报上存在明显短板。与会专家指出，需对两种方法的相对优缺点进行量化评估，据此确定其最佳应用方式。准确掌握这一差异，有助于更有效地发挥各自优势，实现预报性能的最优化。
当前，人工智能正成为季风预报领域技术范式演进的关键力量，它的价值并非是替代传统预报方法，而是增强我们对大气非线性多尺度相互作用的认知，持续提升物理模型预报技巧，进一步凝聚全球气象科研合力，强化区域灾害天气监测预警与防灾减灾综合能力。
（来源：中国气象报）
