一项城市气候预测回测：AI要先赢过历史平均值

AI能不能预测城市气候变化，先要看它有没有比简单的历史平均值更准。Project ProtoStar公布的首个气候任务就采用了这样的对照：用美国210座城市的历史气象记录，比较模型预测和实际观测结果。

这个跨机构项目在10月29日公布，目的是让公共资助科研产生的数据、模型和代码更容易被发现和复用。除了把文件放出来，项目还强调机器可读取的格式、数据说明、元数据和来源信息；否则下载到数据，也未必知道各列是什么意思、哪些年份可用，或能否与另一份数据拼接。

首个任务由卡内基梅隆大学主持，计划在11月2日至13日开展。介绍中使用截至2018年的记录，要求预测之后年份的城市气候指标，包括年平均气温、年降水总量、全年最热日和制冷度日。制冷度日是一个与降温需求相关的指标，并不是空调实际耗电量。预测会与历史平均值、线性趋势等简单统计基线比较，同时另行考虑基于数据提出的气候适应建议。

这个设计有个容易看漏的地方：它用过去的数据预测已经发生的年份，再拿观测结果对照。这样的回测能检查给定时段里的预测误差，但不能直接证明模型能准确预测未来极端天气，更不能把气候适应建议当成已验证的政策效果。最终预测结果预计要等2026年完整气象记录可用后，在2027年初公布。

目前两处项目说明对预测终点写法不同：项目介绍写2019至2025年，发布介绍写2019至2026年；共同点是训练记录截至2018年、评估从2019年开始。具体评估年份需要以主持方后续明确的任务规则为准，也不能把计划开始日期当成已经产生结果。