近日,，一則人工智能或能提前一周預(yù)測臺風(fēng)的消息引發(fā)關(guān)注。報道稱,，日本海洋研究機(jī)構(gòu)和九州大學(xué)的研究小組利用人工智能深度學(xué)習(xí)技術(shù),，開發(fā)了從全球云系統(tǒng)分辨率模型(NICAM)氣候?qū)嶒灁?shù)據(jù)中高精度識別熱帶低氣壓征兆云的方法。該方法可識別出夏季西北太平洋熱帶低氣壓發(fā)生一周前的征兆,。

　　不看不知道,，原來人工智能在天氣預(yù)報方面已經(jīng)開始發(fā)威。它會比人類預(yù)報得更準(zhǔn)嗎,？記者為此采訪了中央氣象臺專家,，試圖理解氣象預(yù)報的AI助手究竟表現(xiàn)如何。

　　AI已成天氣預(yù)報研究熱門

　　根據(jù)相關(guān)報道,，研究小組具體的做法是首先利用熱帶低氣壓跟蹤算法,，將全球云系統(tǒng)分辨率模型20年積累的氣候?qū)嶒灁?shù)據(jù)，制成5萬張熱帶低氣壓初始云及演變中的熱帶低氣壓云圖片,，再加上100萬張未演變成熱帶低氣壓的低氣壓云圖片,，共105萬張圖片組成10組學(xué)習(xí)數(shù)據(jù)，利用深度卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí),，生成不同特征的10種識別器,，然后構(gòu)筑出可對10種識別器結(jié)果進(jìn)行綜合評價的集合識別器。

　　對此,，中央氣象臺臺風(fēng)與海洋氣象預(yù)報中心副主任錢奇峰表示,，相關(guān)報道只介紹了做法，并沒有體現(xiàn)出具體的預(yù)報成果,，“臺風(fēng)發(fā)展有一些階段,，發(fā)展時間比較長，在大洋上形成胚胎,，短則2至3天,、長的要5天甚至7天發(fā)展成臺風(fēng)。要提前7天識別出熱帶低氣壓發(fā)生前的征兆,，相信是可以做到的,。”

　　據(jù)錢奇峰介紹,，將神經(jīng)網(wǎng)絡(luò)的方法用在天氣預(yù)報上并不新鮮,，上世紀(jì)八十年代已經(jīng)有一些應(yīng)用，隨著大數(shù)據(jù)和人工智能的發(fā)展，海量數(shù)據(jù)深度學(xué)習(xí),、復(fù)雜神經(jīng)網(wǎng)絡(luò)等逐步應(yīng)用,，人工智能預(yù)報天氣已經(jīng)成為很熱門的一個話題。不光用在臨近天氣的預(yù)報,，氣候應(yīng)用研究,、臺風(fēng)海洋預(yù)報、海霧的預(yù)報等領(lǐng)域,，都有人工智能技術(shù)的加持,。

　　中央氣象臺天氣預(yù)報技術(shù)研發(fā)室副主任代刊介紹，學(xué)界對AI在天氣氣候中的應(yīng)用研究進(jìn)展進(jìn)行了分類整理,，主要包括雷達(dá)質(zhì)量控制,、衛(wèi)星數(shù)據(jù)反演及同化等氣象數(shù)據(jù)處理；短時臨近預(yù)報,、概率預(yù)報,、臺風(fēng)海洋天氣預(yù)報、極端或災(zāi)害性天氣預(yù)警,、環(huán)境預(yù)報等天氣業(yè)務(wù),；風(fēng)暴環(huán)境特征分類、天氣系統(tǒng)識別等天氣氣候分析,；通信,、生態(tài)環(huán)境、水資源和能源等領(lǐng)域的商業(yè)或行業(yè)應(yīng)用,。如何將人工智能技術(shù)應(yīng)用到天氣氣候研究和應(yīng)用領(lǐng)域,，已成為熱點方向。

　　彌補(bǔ)傳統(tǒng)數(shù)值模式的不足

　　代刊告訴記者,，傳統(tǒng)天氣預(yù)報不斷發(fā)展更加復(fù)雜的動力數(shù)值模式,，以求更準(zhǔn)確和提前預(yù)報天氣，人工智能預(yù)報天氣則是以大數(shù)據(jù)驅(qū)動為主的預(yù)報技術(shù),，“實際上這兩種方式是解決不同的問題,，即不斷發(fā)展的數(shù)值模式系統(tǒng)提供更高分辨率、更準(zhǔn)確的預(yù)報結(jié)果,，但由于其自身的缺陷以及天氣預(yù)報的不確定性，仍然不能滿足各種用戶的不同需求,，數(shù)據(jù)驅(qū)動方法為彌補(bǔ)這一差距提供了非常有用的工具,。”代刊表示,。

　　在我國,，近年來隨著天氣業(yè)務(wù)現(xiàn)代化建設(shè)的推進(jìn)，AI技術(shù)也得到逐步應(yīng)用,。據(jù)代刊介紹,，在國家氣象中心,，研究人員已經(jīng)將數(shù)據(jù)挖掘技術(shù)應(yīng)用于海量集合預(yù)報數(shù)據(jù)的預(yù)報信息提取，如發(fā)展的最優(yōu)百分位技術(shù)和臺風(fēng)路徑最優(yōu)選取集成方法,，對提高預(yù)報準(zhǔn)確率起到顯著效果,。

　　“我們正在探索將人工智能技術(shù)應(yīng)用于網(wǎng)格預(yù)報業(yè)務(wù)，通過與清華大學(xué)合作,，采用分布式深度學(xué)習(xí)框架,、時空記憶深度循環(huán)網(wǎng)絡(luò)算法，雷達(dá)外推預(yù)報準(zhǔn)確率較之以往平均提升40%,?！贝f。

　　在公共氣象服務(wù)中心,，研究者聯(lián)合天津大學(xué)共同研發(fā)了全國強(qiáng)對流服務(wù)產(chǎn)品加工系統(tǒng),。該系統(tǒng)運用圖像識別和深度學(xué)習(xí)等新技術(shù)，能夠快速和智能化地監(jiān)測預(yù)警強(qiáng)對流天氣,，可以判斷出未來30分鐘內(nèi)強(qiáng)對流天氣發(fā)生和影響的區(qū)域,，預(yù)測產(chǎn)品的區(qū)域空間分辨率為1公里，每6分鐘滾動更新,。

　　除了國家氣象臺,，各省級氣象臺也都已開展相關(guān)研究，“人工智能這么火,，我們肯定希望早把它用在我們的專業(yè)上,，不用新技術(shù)就落伍了?！卞X奇峰笑說,。目前，廣東省氣象局利用阿里平臺開展的基于深度學(xué)習(xí)的短臨降水預(yù)報效果良好,；北京市氣象局也將機(jī)器學(xué)習(xí)方法應(yīng)用于溫度預(yù)報,；福建省氣象局基于機(jī)器學(xué)習(xí)的降水要素的客觀訂正方法已在多個省氣象局得到業(yè)務(wù)推廣應(yīng)用。

　　結(jié)合優(yōu)勢向縱深發(fā)展

　　雖然取得了一系列成績,，但與發(fā)達(dá)國家相比,，國內(nèi)關(guān)于AI作用于天氣預(yù)報的研究和應(yīng)用還存在一定差距，包括：AI技術(shù)應(yīng)用集中在短時臨近預(yù)報上,，而對于天氣預(yù)報業(yè)務(wù)的全鏈條,，如數(shù)據(jù)質(zhì)量控制、多災(zāi)種天氣預(yù)警能力,、產(chǎn)品制作以及決策服務(wù)等的支撐還遠(yuǎn)不足,；AI技術(shù)以應(yīng)用開發(fā)為主，相關(guān)理論研究以及面向業(yè)務(wù)需求有針對性的研發(fā)還不夠深入。

　　對此,，代刊建議,，為進(jìn)一步推進(jìn)AI技術(shù)在業(yè)務(wù)流程的關(guān)鍵環(huán)節(jié)發(fā)揮重要作用，未來應(yīng)加強(qiáng)新的,、更高級的AI技術(shù)理論研究和應(yīng)用開發(fā),，“目前大部分AI技術(shù)方法研發(fā)還是以大氣科學(xué)專業(yè)背景人員為主，需要統(tǒng)計學(xué),、計算科學(xué),、大數(shù)據(jù)挖掘等專業(yè)背景的科學(xué)家加入，并積極與相關(guān)高校,、科研院所合作,。”

　　更重要的是數(shù)據(jù),， AI技術(shù)的產(chǎn)品輸出質(zhì)量受到輸入數(shù)據(jù)質(zhì)量的限制,，要想取得更好效果，需要加強(qiáng)高質(zhì)量,、長序列的氣象訓(xùn)練數(shù)據(jù)集的研發(fā),，例如提供長歷史、統(tǒng)計特性一致的模式數(shù)據(jù),，整理和開發(fā)高分辨的觀測和分析資料用于訓(xùn)練和檢驗,。在前述日本海洋研究機(jī)構(gòu)和九州大學(xué)的研究中，研究小組為了利用深度學(xué)習(xí)獲得更高的識別精度,，對每一種氣象類型都需要超過數(shù)千張圖片的大量數(shù)據(jù),。“我們也在做長序列氣象數(shù)據(jù)的再分析,?！贝硎尽?/p>

　　另外他強(qiáng)調(diào),，目前大部分AI技術(shù)類似“黑箱”,，在通常情況下運行良好，但遇到極端情況可能會失效,。因此,，據(jù)代刊介紹，英國氣象局一直在利用數(shù)據(jù)驅(qū)動,，將統(tǒng)計技術(shù)與物理模式和深刻理解結(jié)合起來,，并積累了大量經(jīng)驗，例如將高分辨率觀測網(wǎng),、復(fù)雜數(shù)值模式和再分析數(shù)據(jù)利用統(tǒng)計技術(shù)結(jié)合起來為風(fēng)能行業(yè)發(fā)展了業(yè)務(wù)預(yù)報工具，能夠提供更高精度的風(fēng)力預(yù)報，并適用于復(fù)雜地形條件,。

　　“為了克服來自黑箱應(yīng)用的挑戰(zhàn),，還需要發(fā)展針對環(huán)境科學(xué)的機(jī)器學(xué)習(xí)理論和方法?！贝硎?。此外，也需要積極推動研究成果到業(yè)務(wù)應(yīng)用的轉(zhuǎn)換,，包括建立開放性,、眾創(chuàng)的后處理支持基礎(chǔ)架構(gòu)，建立跨部門的團(tuán)隊來建設(shè)和維護(hù)通用AI算法軟件,、訓(xùn)練及測試數(shù)據(jù),、檢驗評估等，提供資源用于培訓(xùn)相關(guān)人員的研發(fā)水平,。

　　代刊表示,，有好的預(yù)報不等于能做出好的決策，傳統(tǒng)數(shù)值預(yù)報結(jié)果越來越精確,，但降水量,、臺風(fēng)強(qiáng)度和路徑等預(yù)報結(jié)果并不一定導(dǎo)向好的應(yīng)對決策。在這方面,，人工智能技術(shù)大有可為,，雖然AI還不能很好地模擬傳統(tǒng)的物理過程，但通過綜合如交通,、能源,、農(nóng)業(yè)等各領(lǐng)域的數(shù)據(jù)和研究，它能幫助人類在應(yīng)對天氣影響時拿出更優(yōu)良的決策方案,。

　　“人工智能在氣象行業(yè)中的應(yīng)用剛起步,，應(yīng)用場景未來還有很多?！板X奇峰表示,，“在未來10年當(dāng)中，整合基于物理模式的數(shù)值預(yù)報和數(shù)據(jù)驅(qū)動的方法,，將會給天氣預(yù)報帶來新的機(jī)會,，例如將機(jī)器學(xué)習(xí)應(yīng)用于交通堵塞、航空延誤,、花粉過敏等難以用物理模型處理的預(yù)報,，能夠提供更有價值的信息?！庇浾?崔爽

【糾錯】

責(zé)任編輯： 王萌萌