天氣模型開始換腦袋：AI 預報不是水晶球，是公共服務的壓力測試

天氣預報不是算命，是公共服務

AI 天氣模型的新聞很容易被寫成「神機妙算」。這種說法聽起來舒服，問題是天氣不需要神，它需要責任。當歐洲中期天氣預報中心把資料驅動模型 AIFS 放進作業系統，當研究團隊把大氣、海面、海浪與海冰耦合進新的機器學習架構，氣象預報正在改變；但改變的重點不是氣象員被模型取代，而是公共服務被迫回答更難的問題：模型快了十倍之後，警戒會不會更清楚？資訊變多之後，民眾會不會更安全？

傳統數值天氣預報像一座嚴肅的物理工廠，用方程式描述大氣運動。AI 模型則像一位讀過巨大天氣歷史檔案的學生，從過去的場型中學習未來可能怎麼走。它跑得快、省算力，也擅長在全球尺度上抓住某些型態。但「快」不是「準」的同義詞，「準」也不是「能用」的同義詞。地方政府最怕的不是模型分數輸給誰，而是民眾在山區、海邊、都市低窪地收到一堆看似高科技卻不知道怎麼行動的訊息。

模型換腦袋，責任不能換腦袋

AI 預報最大的誘惑，是讓管理者以為可以把判斷外包。其實相反。模型愈多，判斷愈重要。物理模型、AI 單一預報、集合預報、雷達外推、在地觀測與民眾回報，彼此不是互相消滅，而是互相校正。這有點像新聞編輯台：一個記者快，不代表不用查證；十個記者快，更需要主編。

對台灣尤其如此。山脈、海峽、午後對流、颱風外圍環流、都市熱島與部落道路的脆弱性，常常把「全世界看起來不錯」的模式推進地方現實裡摔一跤。AI 可以協助產生高頻率情境、快速比較路徑、把氣象資料翻成一般人看得懂的風險語言。但最後要不要停課、封路、撤離、開設避難所，仍然是公共決策，不是漂亮圖層。

真正的問題是最後一公里

如果 AI 天氣預報只停在儀表板，它就是新的裝飾品。真正有價值的是最後一公里：誰收到？用什麼語言收到？收到後知道怎麼做嗎？對城市居民，這可能是手機通知；對原鄉，可能是村辦公室、廣播、LINE 群組、族語長者轉譯與巡守隊經驗的組合。天空知識從來不是純科學，它也包括記憶、地名、風向、溪水聲、雲腳與老人家的眉頭。

這並不是要把傳統經驗浪漫化。地方經驗也會錯，AI 模型也會錯。差別在於，一套好的公共預報制度會讓錯誤更早被看見，而不是把錯誤藏在權威介面後面。若模型預測強降雨但地方觀測尚未支持，就應標明不確定性；若地方回報水位異常但模型低估，也要讓回報進入決策流程。天氣治理不是單向廣播，而是多層次對話。

AI 預報的倫理，是不要把風險包裝成奇觀

未來幾年，我們會看到更多 AI 天氣產品：更快的颱風路徑、看似更細的雨量圖、更即時的海浪與空氣品質預測。媒體最容易犯的錯，是把它們包裝成「AI 打敗老氣象」。公共服務最該做的，是把這些工具放進責任鏈：資料來源、模型限制、更新頻率、人工解讀、地方回饋與災後檢討。

天氣模型開始換腦袋，但天氣治理不能只換皮膚。當 AI 讓預報變快，我們要問的不是「它是不是很神」，而是「它有沒有讓下一個需要避難的人，更早、更清楚、更有尊嚴地知道該往哪裡走」。如果答案是否定的，那就算模型跑在世界最快的機房裡，也只是一朵很貴的雲。