人工知能（AI）を用いた気象予測システムにおいて、極端な気象イベントの正確な予測は依然として大きな課題です。本研究では、最新の決定論的AIモデルが初期条件の摂動にどのように応えるかを調査しました。特に、パキスタンの洪水と中国の熱波という2022年8月の2つの主要イベントに対し、ガウス雑音、半球中心のブレッドベクター、大規模なアンサンブルの3つの摂動戦略を用いて50メンバーのアンサンブルを生成しました。その結果、流れ依存の摂動が最も現実的なアンサンブルの広がりを生み出し、高い確率的スキルを示すことが明らかになりました。また、AIベースの気象モデルは降水量よりも温度の極値をより効果的に捉えることができると分かりました。この結果は、決定論的モデルを確率的予測に拡張するための方法論の発展を示唆しています。