微軟 AI 不造新模型，改「修」舊模型！PBC 讓 2 到 6 週天氣預報準度翻倍，登上 Nature

微軟研究院與 MIT、歐洲中期天氣預報中心合作的 Probabilistic Bias Correction（PBC）登上《Nature》，不取代現有氣象模型，而是用機器學習修正它們的系統性偏誤。ECMWF 降水預報 98% 目標改善、AI 預報系統技能直接翻倍，而且只用普通 CPU 就跑得動。

天氣預報有個著名的「兩週魔咒」：不管是物理模型還是 AI 模型，預測超過兩週，可靠度就急速下滑。微軟研究院走了一條反直覺的路——不打造更強的新模型，而是教 AI 去「修正舊模型犯的錯」。這套名為機率偏誤校正（Probabilistic Bias Correction，PBC）的方法，10 月 14 日登上《Nature》期刊，程式碼也以 MIT 授權開源。

不取代模型，而是當模型的「糾錯外掛」

PBC 的概念很務實：既有氣象模型在過去的預報裡留下了大量「犯錯紀錄」，PBC 用機器學習學會這些系統性偏誤的模式，再對新預報做校正。技術上由兩個輕量模型並行運作：一個按地點、日期與分位數調整預報，另一個融合近期觀測與氣候平均值。

為什麼偏誤會存在？微軟研究院新英格蘭分部資深首席研究員 Lester Mackey 舉了一個例子：氣候變遷本身就是偏誤來源——用歷史資料訓練的模型，可能比今天更暖的世界「偏冷」。模型在資料稀疏地區或尚未被充分理解的大氣現象上只能用近似填補，這些近似會固化成系統性誤差，而且預報拉得越遠、誤差滾得越大。

數字會說話：98% 降水目標改善、AI 系統技能翻倍

在《Nature》論文的測試中，PBC 讓歐洲中期天氣預報中心（ECMWF）作業級物理模型的預報準度，在 98% 的降水目標、92% 的溫度目標、91% 的氣壓目標上都獲得改善；ECMWF 新一代 AI 預報系統的次季節預報技能更直接翻倍。更早的實戰成績單也很亮眼：在 ECMWF 2025 年即時「AI 氣象挑戰賽」中，PBC 的全球預報在每個變數、每個預報時效都是最佳，擊敗了 6 家作業預報中心的動力模型與 34 支參賽隊伍的系統。

普通 CPU 就跑得動：窮人版氣象 AI 的意義

PBC 最大的顛覆性不在準度，而在門檻。它不需要超級電腦或 GPU 叢集——研究團隊在一台 8 核心、80GB 記憶體的普通機器上測試，示範腳本 13 秒就跑完。這意味著資源有限的小型氣象單位、開發中國家的預報機構，也能用上 AI 強化的 2 到 6 週預報。

這項研究由微軟、MIT、ECMWF 等機構合作，Rhiza Research 執行董事 Genevieve Flaspohler 也是共同作者之一，團隊還與肯亞氣象局合作、由蓋茲基金會資助——方向很明確：讓 AI 氣象能力走出頂級研究中心。對農民來說，多兩週的可靠預報可能是保住一季收成的關鍵；對救災單位，則是部署資源的黃金時間差。

資料來源

• tbreak（轉述 The Verge）《Microsoft AI weather tool targets 2-6 week forecasts》，2026-10-15
• RR Tech Pulse《Microsoft’s PBC corrects weather forecasts》，2026-10-14
• AI Parabellum《Microsoft AI Weather Forecasting Tool Reaches Six Weeks》，2026-10-15