Advice Columnist

【IT事務所】AI 如何預測及對抗超強颱風

在全球氣候變遷的背景下, 超強颱風的頻率和強度正逐漸增加, 帶來嚴重的破壞性影響, 如颶風、暴雨、洪水和風暴潮。傳統氣象預測方法雖然有效, 但往往受限於計算複雜度和時間延遲。近年來, 人工智能（AI）的崛起為颱風預測和災害應對提供了革命性的工具, 能夠處理海量數據、提升預測準確率, 並輔助決策過程。

AI 技術主要透過機器學習和深度學習模型, 從歷史氣象數據、衛星影像、雷達觀測和自動遙測系統中提取模式, 從而預測颱風的形成、路徑、強度、規模和形狀, 與傳統數值預報模型相比, AI 模型不僅計算速度更快, 還能處理更複雜的非線性關係, 提高預測的可靠性, 例如谷歌 (Google) 開發的GraphCast模型, 能夠在氣候變遷時代下更準確地捕捉颱風系統的複雜性, 利用歷史數據訓練以應對未來的不確定性。該模型生成多種可能情境, 遠超傳統方法的效率。另一項研究顯示, AI在預測熱帶氣旋時, 能夠整合衛星、氣象和海洋數據, 預測快速增強（Rapid Intensification）, 這是傳統模型的弱點。

在亞洲地區, 台灣中央氣象署（Central Weather Administration）已採用AI軟體來預測颱風路徑。該軟件透過學習歷史天氣數據, 分析氣象系統的因果關係, 能夠快速生成預測結果, 例如在2024年颱風「貝碧嘉」逼近時, 台灣氣象單位使用AI提升了路徑預測的精準度, 準確率比傳統模型高近20%。分析顯示, 這得益於AI如NVIDIA支援的軟體, 能夠處理數百個天氣變量, 僅需幾分鐘完成預測, 特別適用於西太平洋颱風季節。

香港天文台（Hong Kong Observatory）也積極探索AI應用, 自2024年起評估多款模型, 包括華為的Pangu-Weather。 2025年, 天文台表示AI預測已超越傳統方法, 並計劃擴大使用以預測極端天氣, 如颱風「悟空」事件中, AI模型預測了更偏西的路徑, 結果比傳統電腦模型更接近實際情況。分析Pangu-Weather：這款模型由華為開發, 使用深度學習處理全球大氣數據, 在東亞和西太平洋地區評估中, 與FourCastNet v2、GraphCast、FuXi和FengWu等AI模型相比, 在根均方誤差（RMSE）和異常相關係數（ACC）指標上表現優異, 特別在預測颱風軌跡和強度時, 解析度雖有限, 但能補充區域模型的不足。坊間常引用Pangu因其開源性和高效能, 適用於氣象機構的運營預測。

此外, 微軟 (Microsoft) 的Aurora AI模型在預測颱風和沙塵暴等極端天氣時, 速度可達傳統方法的5000倍。在14天預測期內, 它在91%的案例中優於現有系統, 包括颱風的強度和路徑。分析Aurora：這款基礎模型不僅專注天氣, 還延伸到環境預測, 使用較少能源和計算資源, 在追蹤颱風如Doksuri時, 四天前即精準預測登陸路徑, 超越美國國家颶風中心等傳統系統。坊間討論中, Aurora常被視為革命性工具, 因其在10天預測中勝過歐洲模型92%的時間。

谷歌(Google) DeepMind的Weather Lab和GenCast模型則是另一熱門選擇, 能預測颱風形成、軌跡、強度、規模和結構, 最多提前15天生成50種情境。分析顯示, 這些模型在快速增強預測上優於全球模型, 如在颱風Ragasa中捕捉到系統性偏差。坊間常引DeepMind因其與美國國家颶風中心的合作, 2025年已用於實時預測, 提升災害準備。

歐洲中期天氣預報中心（ECMWF）的AIFS模型於2025年正式運營, 是首個全面使用機器學習的開放模型, 涵蓋最廣參數範圍。分析AIFS：它在混合AI-物理模型中表現突出, 如上海颱風模型在2025年颱風Danas中, 軌跡誤差低於ECMWF系統。坊間評價其為運營級工具, 適合氣象台整合大數據。

其他坊間常引模型如FuXi和FengWu, 在亞洲颱風預測評估中, 與Pangu等並列, 提供高準確率, 但需注意解析度限制, 建議與區域模型結合。這些AI的優勢在於整合大數據, 降低能源消耗和成本, 使氣象預報更具可及性。

預測僅是第一步, AI在對抗超強颱風時, 更能發揮作用於災害風險管理和應急響應。透過大數據分析, AI能夠模擬颱風帶來的次生災害, 如洪水、土石流和基礎設施損壞, 並優化資源分配和疏散計劃, 例如AI系統能處理大氣條件的大量數據集, 生成比傳統數值方法更快的預測, 從而輔助政府和救援機構制定防災策略。在極端天氣應對中, 科技巨頭如谷歌和微軟的AI工具已被用於預測颱風引發的降雨和風暴潮, 幫助社區提前準備。 DeepMind的模型不僅預測颱風軌跡, 還能評估其對特定地區的影響, 如風速和降雨量, 提供高解析度的全球預報。

香港天文台在2025年記錄破紀錄降雨後, 承諾增強AI模型以更好地預測颱風影響。台灣則在颱風Gaemi中使用AI模擬洪水風險, 優化疏散路線。分析顯示, 這些應用整合社交媒體數據和感測器網路, 減少人員傷亡。此外, AI在後災重建中也能發揮作用, 透過影像識別評估損壞程度, 加速保險理賠和資源分配。

儘管AI帶來巨大益處, 但挑戰仍存, 如模型依賴歷史數據可能無法完全捕捉氣候變遷下的新模式, 以及數據隱私和倫理問題。因此, 專家建議將AI與傳統方法結合, 形成混合預測系統, 如AI驅動的WRF模型, 在颱風強度預測上優於全球數值模型。

總括而言, AI 已成為對抗超強颱風的關鍵武器, 從預測到應對階段都展現出高效和精準的優勢。天文台如香港和台灣的應用, 以及坊間常引的Pangu、Aurora、GraphCast等模型, 透過介紹和分析顯示其在提升準確率、速度和可及性上的潛力。隨著技術進步, 如更強大的神經網路和實時數據整合, AI將進一步提升人類對極端天氣的應對能力。未來, 全球合作推動AI在氣象領域的應用, 將有助於減少颱風帶來的損失, 保護更多生命和財產。在氣候變遷的挑戰下, AI不僅是工具, 更是希望的來源。

Advice Columnist , AI , IT事務所 , 梁偉峯

Keep reading

Related career advice

Advice Columnist

【職場心理學】上司話你唔夠狠，下屬話你唔撐佢哋——做中層，你係人肉避雷針

Head count凍結，上司call你入房話：「你自己諗辦法。」下屬問你年加幾多，你知道答案，但唔敢講。高層宣布新政策，問有冇問題，你笑住話「冇」，但你心裡清楚返去個部門一定炸鍋。績效review，你要寫低屬下嘅不足，但寫嗰陣你係唔舒服嘅，因為佢哋真係有盡力。開完會，上司叫你「帶領好個team嘅方向」，但連你自己都唔知方向係邊。你夾喺中間，上唔到、落唔得。高層嫌你執行力唔夠；下屬覺得你唔夠幫佢哋發聲；HR話你要做好榜樣；另一半問你點解又係咁夜返屋企。某一日，你喺東鐵線車廂裡，有個陌生人跟你對眼笑咗一下——你差啲想喊。有時喺輔導工作中，我遇到嘅中層 manager，坐低嘅第一句往往係：「我唔知自己係咪做錯咗啲乜。」你以為係你管理技巧唔好？唔係嘅。喺心理學入面，呢個叫「情緒勞動」（Emotional Labor）——即係持續壓抑或管理自己嘅真實情緒，去配合組織對你嘅形象要求（Hochschild, 1983）。做中層嘅人，每日都要演一場無劇本嘅戲：對上管理期望、對下管理情緒、對外管理形象——而你自己嘅感受，係冇位置擺嘅。長期嘅情緒勞動，係職場 burnout 最常見、又最容易被忽視嘅根源之一。就好似一架升降機嘅緩衝彈簧——佢嘅功能係吸收衝擊、保護兩邊。但如果長期超重、冇保養，彈簧遲早會斷。緩衝係你份工嘅一部分，但唔代表你要用自己嘅身心做消耗品。有一個有用嘅覺察練習：每個星期，寫低三件「唔係我份工、但我一直係咁做緊」嘅事。唔係叫你即刻唔做，而係讓自己知道——你嘅邊界喺邊，你係幾時開始一點一點失去自己嘅。覺察，係改變嘅第一步。做中層嘅你，好少被讚，好少有人問你「你點呀」。今日，我想問你：你點呀？唔使答得好好聽。只係停一停，不加批判地承認：「係，我最近好攰。」呢份誠實，係你對自己最大嘅善意。你唔係一個齒輪，你係一個人。參考資料Hochschild, A. R. (1983). The managed heart: Commercialization of human feeling. University of California Press.Kahn, R. L., et al. (1964). Organizational stress: Studies in role conflict and ambiguity. Wiley.

Advice Columnist

升職加薪後，為何很多人反而更焦慮？

上月專欄談到，在裁員、縮編及經濟不確定性下，職場人士需要建立「財務韌性」，讓自己即使面對收入中斷，仍然保有生活與選擇的空間。但有趣的是，最近接觸不少客戶時，我發現另一個現象：有些人明明升了職、加了薪，甚至晉升管理層，焦慮感卻沒有減少，反而愈來愈重。按常理推算，收入增加應該帶來更多安全感，為何現實往往相反？問題很多時不在收入，而在生活模式。收入增加了，壓力卻沒有減少曾有一位四十多歲的管理層客戶，十年間薪酬幾乎翻倍，由月入四萬元增至接近八萬元。表面看來事業發展理想，但當我們一起檢視財務狀況時，卻發現他的壓力比十年前更大。原因很簡單。收入增加後，他換了更大的住宅，供款增加；子女升讀國際學校，教育開支上升；家庭旅遊、保險及生活消費亦同步提高。結果雖然收入增加了一倍，但每月可自由運用的現金流卻沒有明顯改善。更重要的是，他開始不敢轉工。因為一旦收入出現空檔，整個家庭開支結構都可能受到影響。這種情況在中產及管理層人士之間其實相當普遍。高收入，不等於高安全感近年有一個財務規劃概念稱為「生活膨脹」（Lifestyle Inflation），意思是當收入增加時，支出亦同步上升，結果財務自由度未有真正改善。從職涯管理角度來看，這亦是一種風險。不少人以為職場安全感來自更高薪酬或更高職位，但真正的安全感，很多時來自保留選擇權。當你有能力拒絕不適合的工作、可以接受短暫轉型期、甚至有空間進修或探索新的職涯方向時，你才真正掌握主動權。相反，如果每月開支已完全依賴當前收入水平，即使職位再高，也可能陷入「不能停、不能轉、不能錯」的壓力循環。那麼，升職加薪後應如何避免陷入這種情況？我認為有三個值得思考的方向。第一，讓收入增長快於生活成本增長。每次加薪後，未必要即時提升所有生活開支。把部分新增收入轉化為儲蓄、投資或退休規劃資產，長遠往往比單純增加消費更有價值。第二，建立與收入無關的資產。無論是投資組合、強積金、自願性供款，甚至其他長期資產，本質上都是將今天的工作收入轉化成未來的選擇權。第三，定期檢視自己的「財務自由度」。問自己一個簡單問題：如果今天失去工作，現有資源足夠支撐多久？答案未必需要非常充裕，但至少應讓自己擁有重新規劃下一步的時間。職場發展當然重要，但我認為衡量成功不應只看職位高低或薪酬數字。真正值得追求的，或許不是賺得更多，而是在收入增加的同時，仍然保留選擇人生的能力。因為高薪不一定等於自由，而能夠掌握選擇權的人，往往才擁有真正的安全感。

Advice Columnist

【IT事務所】駕馭未知的浪潮：企業在持續進化的 AI 時代下的道德標準與管治之道

在數位經濟與人工智能技術高速發展的今天，企業正面臨一場前所未有的技術變革。隨著大型語言模型與自主智能體（Agentic AI）的持續進化，企業在享受自動化與生產力提升的同時，也無可避免地遭遇了複雜的道德與管治（Governance）難題。若缺乏完善的監管框架，AI 的失控不僅可能引發公關危機與合規風險，更可能損害企業的長期競爭力。因此，深入理解並建立具備韌性的 AI 管治機制，已成為現代企業不可迴避的戰略核心。企業在引入 AI 時首當其衝的挑戰便是算法偏見與歧視。AI 模型的輸出品質高度依賴於其訓練數據，若歷史數據本身潛藏社會偏見，AI 系統便會不加思索地放大並延續這些不公。以人力資本管理為例，曾有跨國企業開發 AI 簡歷篩選系統以加速招聘流程，卻發現系統因過去十年的技術職位多由男性擔任，進而「學會」對包含女性特徵詞彙的簡歷給予較低評分。這種情況若發生在銀行或保險業的信貸審批上，將對特定族群造成系統性歧視，進而引發嚴重的合規風險與潛在的金融爭議。另一個不容忽視的難題是深度學習模型的「黑箱」特質與透明度不足。即使是系統開發者，往往也難以確切解釋 AI 是如何推導出特定結論的。在醫療健康診斷、保險理賠評估或金融爭議處理等需要高度問責與精確性的領域中，這項缺陷尤為致命。若 AI 系統拒絕了客戶的理賠申請或作出了不利的決策，企業卻無法向大眾與監管機構提供清晰的邏輯解釋，這將嚴重摧毀消費者信任。因此，「可解釋性 AI」（Explainable AI）的發展與應用，對於推動技術落地至關重要。此外，在日常營運中，員工若在未經授權的情況下使用面向公眾的生成式 AI 工具，極易在不知不覺中輸入企業機密或客戶的敏感數據，這凸顯了防範數據隱私與商業機密外洩的迫切性。面對上述挑戰，企業必須摒棄僵化的政策，轉而建立一套動態且跨部門的 AI 管治框架。AI 的應用早已超越單一資訊科技部門的範疇，企業應籌組涵蓋技術、法務、合規、人力資源及業務代表的專責委員會，共同制定符合企業核心價值觀的 AI 使用政策。同時，企業必須實施分級風險評估機制，針對不同應用場景採取差異化管理。例如，用於撰寫一般行銷文案的低風險系統可採常規監管；但涉及客戶信用評分、自動化醫療決策等高風險領域，則必須強制進行嚴格的「偏見審計」，並確保人類在決策流程中保留最終決定權。在技術部署與企業文化層面，企業應積極引入私有化與企業級的 AI 解決方案，透過安全的隔離環境處理敏感數據，從根本上阻絕資料外洩的風險。然而，技術的防護仍需配合持續的內部審查與教育訓練。由於 AI 模型會隨著時間推移產生「數據漂移」（Data Drift）導致預測失準，企業必須定期對系統進行回溯測試。更重要的是，管治不僅是限制，更是賦能。企業應致力培養全體員工的數位素養，教導他們識別輸入敏感資訊的風險，並學會批判性地評估 AI 生成的結果，而非盲目信賴。總結而言，在數位轉型的浪潮中，AI 的管治與道德標準絕非阻礙創新的絆腳石，而是企業實現永續發展（Sustainability）的堅實護城河。一間能夠負責任地運用 AI、嚴格保障數據隱私並確保算法公平性的企業，將能在未來競爭激烈的市場中贏得深厚的社會信任與品牌價值。唯有將「道德設計（Ethics by Design）」的理念深深植根於 AI 應用的每一個環節，企業方能在這場持續進化的技術革命中穩健前行。