天气预报一直以来依赖于超级计算机处理复杂的数学方程，这种方法既耗时又耗能。一种新兴的替代方法是训练人工智能（AI）来预测当前大气条件将如何演变。然而，德国学者在一项新研究中指出，基于AI的模型未能考虑到一个对天气可预测性构成基本限制的过程：蝴蝶效应。他们利用最新的基于AI的天气预报模型模拟了小振幅初始条件扰动引起的误差增长。根据以往基于物理的数值模式的模拟以及理论考虑来看，预计这种小振幅初始条件扰动最初会增长得非常快。然而，研究人员发现，基于AI的模型完全无法再现快速的初始增长率，因此模拟结果会错误地认为大气的可预测性是无限的。相反，如果初始扰动较大，并且与当前初始状态估计的不确定性相当，则基于AI的模型与基于物理的模拟基本吻合。相关成果以Can Artificial Intelligence-Based Weather Prediction Models Simulate the Butterfly Effect ?为题发表在Geophysical Research Letters上。