AI在氣候變化領(lǐng)域的實際應(yīng)用尚存不足，主要體現(xiàn)在數(shù)據(jù)匱乏與模型偏差大、“黑箱”模型可解釋性差、突發(fā)氣候事件適應(yīng)性弱、技術(shù)倫理風(fēng)險等4個方面。

首先，AI模型依賴海量高質(zhì)量數(shù)據(jù)，但相關(guān)氣候觀測數(shù)據(jù)在發(fā)展中國家或偏遠(yuǎn)地區(qū)嚴(yán)重匱乏，導(dǎo)致預(yù)測模型精度及可信性下降。AI模型被用于預(yù)測熱帶氣旋（臺風(fēng)、颶風(fēng)）強(qiáng)度與路徑時，因訓(xùn)練數(shù)據(jù)地理分布不均，導(dǎo)致模型在特定區(qū)域預(yù)測偏差很大。例如，相比于北大西洋豐富且完整的颶風(fēng)數(shù)據(jù)，南印度洋數(shù)據(jù)較少且質(zhì)量低，多項研究揭示，基于深度學(xué)習(xí)模型對后者強(qiáng)度的預(yù)測誤差比前者高出20%以上。

其次，AI算法存在“黑箱”效應(yīng)及困境，即模型內(nèi)部工作機(jī)制難以解釋和理解，輸入與輸出的物理映射不可捉摸，導(dǎo)致決策邏輯不透明、難以被采納。當(dāng)預(yù)測極端氣候事件時，一些氣象學(xué)家因AI模型邏輯無法理解而更依賴于傳統(tǒng)動力學(xué)方法?？山忉屝匀斯ぶ悄埽‥xplainable AI，XAI）的發(fā)展有望打破AI模型預(yù)測準(zhǔn)確度與可解釋性的權(quán)衡。

此外，AI訓(xùn)練基于歷史基礎(chǔ)數(shù)據(jù)，難以應(yīng)對氣候系統(tǒng)的非線性突變。2021年6月，北美西北部遭遇有史以來最嚴(yán)重?zé)崂撕蜆O端高溫，而AI預(yù)測模型因缺乏類似極端數(shù)據(jù)且未包含“高溫—能源需求非線性耦合機(jī)制”，對電網(wǎng)負(fù)荷預(yù)測失效，引發(fā)大規(guī)模停電。

最后，AI在氣候變化應(yīng)用中可能引發(fā)倫理道德挑戰(zhàn)，如訓(xùn)練偏見和不公平、數(shù)據(jù)隱私政策、氣候決策不透明等問題。只有通過跨學(xué)科協(xié)作、民主化技術(shù)治理和全球倫理共識，才能讓AI 真正成為普惠的“氣候正義工具”。