不过，争议依然存在。德国慕尼黑大学的专家指出，AI模型可能忽略蝴蝶效应中的小尺度过程，其调整的初始条件未必反映真实大气状态，而仅是模型自身的“理想化设定”。此外，麻省理工学院早期研究提出的两周限制实为经验性假设，并非物理定律，这为突破提供了理论空间。
尽管月尺度预报仍需更精确的大气观测支持，但美国海军研究实验室等机构认为，AI的进展表明传统模型存在改进空间。美国加州理工学院的专家强调，AI的优势在于能跳出传统框架，通过数据驱动重新定义预测逻辑。
当前，这项技术尚未投入实际预报，但其潜力已引发学界重新审视气象预测的边界。未来，随着数据与算力的提升，长期天气预报或将从“不可能”变为现实。
页码:上一页
