天氣和氣候科學領域的人工智慧革命並不是革命性的

一些限制應該是清楚的。此演算法不會識別未經訓練的類型或與範例顯著不同的任何類型子集。訓練資料的品質也非常重要。如果我們只使用松樹上山雀的圖片，該模型可以在識別山雀時使用松針。

如果沒有大量額外的工作，我們可能不知道 如何 模型得出了答案。大多數時候，內部機制幾乎是個黑盒子。

但好處是真實的。機器學習演算法通常勝過最好的人造演算法，至少在計算效率方面，即使不是在準確性方面也是如此。它們必須正確使用，否則會出現限制。

雲端運算

對於天氣預報模型，該過程與我們的鳥類識別範例沒有太大區別，但模型是根據相隔很短時間獲取的兩組天氣資料進行訓練的。

由於它們不能求解所有地方的許多物理方程，因此這些模型的運行速度比傳統天氣模型快得多。

包括Google、英偉達、華為和微軟在內的許多公司已經開發了原型（有時與獨立學者合作），這些原型與我們目前使用的預測模型相比毫不遜色。一旦我們開始了解模型的優點和不足，一些主要的天氣預報中心就開始發展自己的模型。

歐洲中期天氣預報中心 (ECMWF) 於 2025 年 2 月將第一個基於機器學習的模式投入使用，與傳統的綜合預報系統 (IFS) 模式一起運作。

AIFS 模型是使用重新分析進行訓練的，重新分析是透過獲取所有可用的天氣觀測資料並在我們沒有測量的情況下填寫物理一致的圖片而創建的資料集。這個重要的工具極大地簡化了根據先前的快照預測下一個全域快照（提前六小時）的機器學習任務。