极端事件，如热浪和寒流、干旱、暴雨和风暴，由于其罕见性和混沌的本质，以及模式的局限性，要准确预测这些极端事件非常具有挑战性。然而，最近的研究表明，可能存在未被利用的系统性可预测性，对其开发可以满足在未来数周到数十年时间尺度上对极端天气进行可靠预测的需求。最近，许多研究都致力于使用人工智能（AI）来研究可预测性并进行气候预测。AI技术已经显示出巨大潜力，可以改进对极端事件的预测，并揭示它们与大尺度和局地驱动因素之间的联系。人们探索机器学习和深度学习来增强预测，而因果发现和可解释的AI已经得到测试，以提高对可预测性背后过程的理解。AI可以从数据中揭示未知的时空联系，而气候模型提供了物理世界的理论基础和可解释性，二者相结合的混合预测表明，提高气候相关时间尺度上极端事件的预测技巧是可能的。然而，在各个方面仍然存在许多挑战，包括数据管理、模型不确定性、泛化性、方法的可重复性和工作流程。巴塞罗那超级计算中心发表的最新综述概述了AI技术在改进次季节至年代际极端事件预测方面所取得的成就和面临的挑战。研究还确定了一些最佳实践，以增加对这些新技术的信任，并展望了进一步科学发展的未来前景。

　　相关成果以Artificial intelligence for climate prediction of extremes: State of the art, challenges, and future perspectives为题发表在WIREs Climate Change期刊上。