近日，一則人工智能或能提前一周預(yù)測(cè)臺(tái)風(fēng)的消息引發(fā)關(guān)注。報(bào)道稱(chēng)，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(kāi)發(fā)了從全球云系統(tǒng)分辨率模型(NICAM)氣候?qū)嶒?yàn)數(shù)據(jù)中高精度識(shí)別熱帶低氣壓征兆云的方法。該方法可識(shí)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(lái)人工智能在天氣預(yù)報(bào)方面已經(jīng)開(kāi)始發(fā)威。它會(huì)比人類(lèi)預(yù)報(bào)得更準(zhǔn)嗎？記者為此采訪了中央氣象臺(tái)專(zhuān)家，試圖理解氣象預(yù)報(bào)的AI助手究竟表現(xiàn)如何。

　　AI已成天氣預(yù)報(bào)研究熱門(mén)

　　根據(jù)相關(guān)報(bào)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?yàn)數(shù)據(jù)，制成5萬(wàn)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(wàn)張未演變成熱帶低氣壓的低氣壓云圖片，共105萬(wàn)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(shí)別器，然后構(gòu)筑出可對(duì)10種識(shí)別器結(jié)果進(jìn)行綜合評(píng)價(jià)的集合識(shí)別器。

　　對(duì)此，中央氣象臺(tái)臺(tái)風(fēng)與海洋氣象預(yù)報(bào)中心副主任錢(qián)奇峰表示，相關(guān)報(bào)道只介紹了做法，并沒(méi)有體現(xiàn)出具體的預(yù)報(bào)成果，“臺(tái)風(fēng)發(fā)展有一些階段，發(fā)展時(shí)間比較長(zhǎng)，在大洋上形成胚胎，短則2至3天、長(zhǎng)的要5天甚至7天發(fā)展成臺(tái)風(fēng)。要提前7天識(shí)別出熱帶低氣壓發(fā)生前的征兆，相信是可以做到的?！?/p>

　　據(jù)錢(qián)奇峰介紹，將神經(jīng)網(wǎng)絡(luò)的方法用在天氣預(yù)報(bào)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(bào)天氣已經(jīng)成為很熱門(mén)的一個(gè)話題。不光用在臨近天氣的預(yù)報(bào)，氣候應(yīng)用研究、臺(tái)風(fēng)海洋預(yù)報(bào)、海霧的預(yù)報(bào)等領(lǐng)域，都有人工智能技術(shù)的加持。

　　中央氣象臺(tái)天氣預(yù)報(bào)技術(shù)研發(fā)室副主任代刊介紹，學(xué)界對(duì)AI在天氣氣候中的應(yīng)用研究進(jìn)展進(jìn)行了分類(lèi)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(shí)臨近預(yù)報(bào)、概率預(yù)報(bào)、臺(tái)風(fēng)海洋天氣預(yù)報(bào)、極端或?yàn)?zāi)害性天氣預(yù)警、環(huán)境預(yù)報(bào)等天氣業(yè)務(wù)；風(fēng)暴環(huán)境特征分類(lèi)、天氣系統(tǒng)識(shí)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(diǎn)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(bào)不斷發(fā)展更加復(fù)雜的動(dòng)力數(shù)值模式，以求更準(zhǔn)確和提前預(yù)報(bào)天氣，人工智能預(yù)報(bào)天氣則是以大數(shù)據(jù)驅(qū)動(dòng)為主的預(yù)報(bào)技術(shù)，“實(shí)際上這兩種方式是解決不同的問(wèn)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(bào)結(jié)果，但由于其自身的缺陷以及天氣預(yù)報(bào)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(dòng)方法為彌補(bǔ)這一差距提供了非常有用的工具?！贝硎尽?/p>

　　在我國(guó)，近年來(lái)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(guó)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(bào)數(shù)據(jù)的預(yù)報(bào)信息提取，如發(fā)展的最優(yōu)百分位技術(shù)和臺(tái)風(fēng)路徑最優(yōu)選取集成方法，對(duì)提高預(yù)報(bào)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(bào)業(yè)務(wù)，通過(guò)與清華大學(xué)合作，采用分布式深度學(xué)習(xí)框架、時(shí)空記憶深度循環(huán)網(wǎng)絡(luò)算法，雷達(dá)外推預(yù)報(bào)準(zhǔn)確率較之以往平均提升40%?！贝f(shuō)。

　　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(guó)強(qiáng)對(duì)流服務(wù)產(chǎn)品加工系統(tǒng)。該系統(tǒng)運(yùn)用圖像識(shí)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(cè)預(yù)警強(qiáng)對(duì)流天氣，可以判斷出未來(lái)30分鐘內(nèi)強(qiáng)對(duì)流天氣發(fā)生和影響的區(qū)域，預(yù)測(cè)產(chǎn)品的區(qū)域空間分辨率為1公里，每6分鐘滾動(dòng)更新。

　　除了國(guó)家氣象臺(tái)，各省級(jí)氣象臺(tái)也都已開(kāi)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(zhuān)業(yè)上，不用新技術(shù)就落伍了?！卞X(qián)奇峰笑說(shuō)。目前，廣東省氣象局利用阿里平臺(tái)開(kāi)展的基于深度學(xué)習(xí)的短臨降水預(yù)報(bào)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(bào)；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(gè)省氣象局得到業(yè)務(wù)推廣應(yīng)用。

　　結(jié)合優(yōu)勢(shì)向縱深發(fā)展

　　雖然取得了一系列成績(jī)，但與發(fā)達(dá)國(guó)家相比，國(guó)內(nèi)關(guān)于AI作用于天氣預(yù)報(bào)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(shí)臨近預(yù)報(bào)上，而對(duì)于天氣預(yù)報(bào)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(kāi)發(fā)為主，相關(guān)理論研究以及面向業(yè)務(wù)需求有針對(duì)性的研發(fā)還不夠深入。

　　對(duì)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(lái)應(yīng)加強(qiáng)新的、更高級(jí)的AI技術(shù)理論研究和應(yīng)用開(kāi)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(zhuān)業(yè)背景人員為主，需要統(tǒng)計(jì)學(xué)、計(jì)算科學(xué)、大數(shù)據(jù)挖掘等專(zhuān)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?！?/p>

　　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(zhǎng)序列的氣象訓(xùn)練數(shù)據(jù)集的研發(fā)，例如提供長(zhǎng)歷史、統(tǒng)計(jì)特性一致的模式數(shù)據(jù)，整理和開(kāi)發(fā)高分辨的觀測(cè)和分析資料用于訓(xùn)練和檢驗(yàn)。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(shí)別精度，對(duì)每一種氣象類(lèi)型都需要超過(guò)數(shù)千張圖片的大量數(shù)據(jù)?！拔覀円苍谧鲩L(zhǎng)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(lèi)似“黑箱”，在通常情況下運(yùn)行良好，但遇到極端情況可能會(huì)失效。因此，據(jù)代刊介紹，英國(guó)氣象局一直在利用數(shù)據(jù)驅(qū)動(dòng)，將統(tǒng)計(jì)技術(shù)與物理模式和深刻理解結(jié)合起來(lái)，并積累了大量經(jīng)驗(yàn)，例如將高分辨率觀測(cè)網(wǎng)、復(fù)雜數(shù)值模式和再分析數(shù)據(jù)利用統(tǒng)計(jì)技術(shù)結(jié)合起來(lái)為風(fēng)能行業(yè)發(fā)展了業(yè)務(wù)預(yù)報(bào)工具，能夠提供更高精度的風(fēng)力預(yù)報(bào)，并適用于復(fù)雜地形條件。

　　“為了克服來(lái)自黑箱應(yīng)用的挑戰(zhàn)，還需要發(fā)展針對(duì)環(huán)境科學(xué)的機(jī)器學(xué)習(xí)理論和方法。”代刊表示。此外，也需要積極推動(dòng)研究成果到業(yè)務(wù)應(yīng)用的轉(zhuǎn)換，包括建立開(kāi)放性、眾創(chuàng)的后處理支持基礎(chǔ)架構(gòu)，建立跨部門(mén)的團(tuán)隊(duì)來(lái)建設(shè)和維護(hù)通用AI算法軟件、訓(xùn)練及測(cè)試數(shù)據(jù)、檢驗(yàn)評(píng)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(bào)不等于能做出好的決策，傳統(tǒng)數(shù)值預(yù)報(bào)結(jié)果越來(lái)越精確，但降水量、臺(tái)風(fēng)強(qiáng)度和路徑等預(yù)報(bào)結(jié)果并不一定導(dǎo)向好的應(yīng)對(duì)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(guò)程，但通過(guò)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(lèi)在應(yīng)對(duì)天氣影響時(shí)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(chǎng)景未來(lái)還有很多?！板X(qián)奇峰表示，“在未來(lái)10年當(dāng)中，整合基于物理模式的數(shù)值預(yù)報(bào)和數(shù)據(jù)驅(qū)動(dòng)的方法，將會(huì)給天氣預(yù)報(bào)帶來(lái)新的機(jī)會(huì)，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(guò)敏等難以用物理模型處理的預(yù)報(bào)，能夠提供更有價(jià)值的信息?！庇浾?崔爽

【糾錯(cuò)】

責(zé)任編輯： 王萌萌