你知道為了讓天氣預報準一點，再準一點，氣象工作者有多努力么？

大部分人肯定不知道，筆者也是剛剛才曉得，有一個形象的比喻——天氣預報是一年三百六十五天不停休的高考，每天每夜氣象工作者都要和“厚厚一摞數(shù)據(jù)”做斗爭，可是，天氣預報并不總是百分百準確，換做誰每次都拿到不一樣的考卷，也答不到次次滿分。

天氣預報的古早期，古人看天看地看朝霞，也就有了“青蛙叫，大雨到”、“朝霞不出門，晚霞行千里”等膾炙人口的諺語，青蛙還成為了世界氣象電視節(jié)的吉祥物，以紀念青蛙在天氣預報歷史長河所做出的貢獻，不可否認古人的智慧，但隨著這些諺語逐漸被每晚7點半的天氣預報淡化，恰恰象征著天氣預報走向科學化。

當天氣預報發(fā)展為一門科學，現(xiàn)代人看數(shù)看圖看表格，數(shù)值預報技術(shù)是天氣預報的核心技術(shù)，國際上天氣預報技術(shù)領先的國家無不以先進的數(shù)值預報技術(shù)代言，中國正在實施的氣象現(xiàn)代化建設的實施綱要中明確提出，到2020年，建成以水平分辨率10km的數(shù)值預報業(yè)務系統(tǒng)。

“更高更快更強”是天氣預報不懈的追求，更高分辨率、更快給出結(jié)果、更準確的預測等等考驗著現(xiàn)代大氣科學?！盀楹尾辉谔鞖忸A報融入人工智能呢”，我想到。翻閱資料追蹤尋跡，原來人工智能和天氣預報早在上世紀80年代就有了交集，大大超出我的預想。

天氣預報是一門預測科學，人工智能的本質(zhì)也是預測，無巧不成此事。

天氣預報為何做不到100%準確？

從經(jīng)驗預報到數(shù)值預報，天氣預報的準確率一直在提升，但卻永遠不可能達到100%。是的，你可以肯定地用這么決絕的詞語下結(jié)論。

據(jù)氣象專家介紹，目前的3天預報，在全球范圍可達70%至80%的準確度，如果是一定區(qū)域，比如我國華南地區(qū)的3天預報，準確度能高于80%。我國天氣預報的準確率在發(fā)展中國家排名靠前，已經(jīng)接近發(fā)達國家水平。

如前所述，天氣預報的核心技術(shù)就是數(shù)值預報技術(shù)，如今天氣預報技術(shù)已由單一的天氣圖經(jīng)驗預報轉(zhuǎn)變?yōu)橐詳?shù)值預報產(chǎn)品為基礎、多種觀測資料綜合應用的現(xiàn)代技術(shù)。

數(shù)值天氣預報是以氣象觀測資料為初值條件，通過巨型計算機進行數(shù)值計算，再用流體力學和熱力學的方程組進行求解，進而預測未來一定時段的大氣運動狀態(tài)。簡單理解，數(shù)值模式是一堆描述大氣運動的方程組，利用計算機計算得到數(shù)值結(jié)果，氣象工作者再根據(jù)得出的數(shù)值結(jié)果具現(xiàn)大氣變化，推測可能發(fā)生的天氣。

數(shù)值預報技術(shù)讓天氣預報有了更高的準確率，但這種模式本身的特點決定了得不出百分百正確的數(shù)值。首先，目前任何一套模型都只能近似地模擬大氣演變，人類尚未破解大氣運動規(guī)律的全部秘鑰。

除了大氣自身活動的隨機性難以準確把握以外，還有很多因素隔開了天氣預報的理想與現(xiàn)實，比如復雜地形地貌無端增添了不確定性，橫斷山脈西部受西南季風影響多產(chǎn)生地形雨，年降雨量1600毫米左右，但山脈東側(cè)年降雨量卻僅有245毫米，一山橫斷了天氣預報的邊界。

再如氣象工作者經(jīng)驗知識不一致，同一天的同一地點，不同預報員也可能給出不同的天氣預報結(jié)果，在轉(zhuǎn)折性或復雜天氣形勢出現(xiàn)的時候比較常見。

天氣預報是一系列預測結(jié)果的集合，人類預報天氣本質(zhì)上就是在尋找這一集合的最大公約數(shù)。

人工智能預測為何總有偏差？

說罷天氣預報的誤差，再談談方興未艾的人工智能，人工智能和天氣預報的境遇何其相似。

人工智能既然是計算機科學的一個分支，也就跳不出計算機科學的藩籬，拋開繁瑣的技術(shù)，人工智能通過模仿人類，構(gòu)建智能執(zhí)行任務的系統(tǒng)或機器，它們可以根據(jù)所收集的信息不斷對自身做出迭代式改進，神經(jīng)網(wǎng)絡、深度學習等等都是為了實現(xiàn)人工智能的手段。

但是目前的人工智能在各個環(huán)節(jié)都可能出現(xiàn)偏差。李飛飛就曾表示，深度學習系統(tǒng)“輸入有偏差，輸出就會有偏差”。盡管人工智能的算法可能是中立的，但輸入數(shù)據(jù)和應用本身并不一定，關鍵在建立人工智能的人和建立人工智能的動機。

偏差來源之一就是輸入數(shù)據(jù)的的偏差，訓練集本身選得不好，或者與實際情況誤差較大，直接會影響系統(tǒng)決策時有偏差，并且偏差滾雪球般越滾越大。

再如交互中的偏差，系統(tǒng)接收到錯誤的知識，并且不具備自我糾錯能力，輸入結(jié)果南轅北轍。

等等環(huán)節(jié)不一而同，人工智能的偏差更多來自于人工的那部分，智能有賴于不斷的訓練，就目前看來，偏差是不可避免的，因此我們目前看到的人工智能應用，沒有一家敢說出準確率達到100%。

最早于上世紀八、九十年代，人們將人工智能技術(shù)應用于資料同化 、資料解釋 、預報制作、預報質(zhì)量保證 、數(shù)據(jù)庫開發(fā) 、資源計劃 、決策支持 、混合數(shù)據(jù)處理以及影響評價等各個領域 。直到20世紀末，，大氣科學的人工智能應用重點才從專家系統(tǒng)轉(zhuǎn)向人工神經(jīng)網(wǎng)絡，有了現(xiàn)代人工智能的雛形

人工智能和天氣預報的“風云際會”

《天氣公報》聽起來有些陌生，其實它就是每晚7點半央視天氣預報播報員口播的依據(jù)，1970年，中央氣象臺開始向國務院及有關部委報送《天氣公報》，從2018年開始，幾十年歷史的《天氣公報》已經(jīng)有了人工智能的參與。

當然，研究人員還需要結(jié)合NLP和GIS空間分析技術(shù)，利用大量歷史數(shù)據(jù)對模型進行訓練，將復雜專業(yè)的多維氣象數(shù)據(jù)轉(zhuǎn)換為淺顯的自然語言，使其獲得“氣象語言特征”“地理區(qū)劃分析”和圖文的“疊加分析”能力，最后應用“氣象服務信息模板庫”輸出成文。

如果說這只是人工智能的臺前工作，那么幕后才是人工智能的真正舞臺。

天氣預報和人工智能有著天然耦合的關系。天氣預報需要大量的、多種多樣的資料，人工智能天生就是處理大數(shù)據(jù)的工具；現(xiàn)有資料的時空數(shù)據(jù)密度均不夠，人工智能技術(shù)可以根據(jù)不完全不確定信息推斷的能 力；人工智能可以總結(jié)專家知識經(jīng)驗，提高平均預測水平；人工智能可以利用統(tǒng)計與數(shù)值模式中無法利用的抽象預報知識。

新時代的人工智能和天氣預報具備更為寬廣的結(jié)合空間。1月6日，深圳市氣象局與華為云于宣布開展深度合作，雙方將攜手打造“氣象+云+AI+5G”。

具體來看，基于華為云AI，雙方致力研創(chuàng)更精準的災害性天氣預測模型。通過海量歷史數(shù)據(jù)學習，推算云團變化和移動規(guī)律，助力于提高深圳市天氣預報的質(zhì)量，促進災害性天氣預警信息智能發(fā)布與傳播的發(fā)展。

天氣預報一大難點就在于短時極端天氣的預報，自然災害往往伴隨發(fā)生，暴雨、冰雹等天氣條件下，快一秒就多一秒的生命窗口，越過商業(yè)與技術(shù)本身的局限，天氣預報應用人工智能也貫徹了華為云Cloud for Good理念。

在災害性天氣預報AI模型的建立中，華為云在數(shù)據(jù)分析和存儲上，能夠發(fā)揮至關重要的作用。尤其是在數(shù)據(jù)分析方面，氣象數(shù)據(jù)的時空分辨率極高，數(shù)據(jù)量極大，普通服務器難以承受如此規(guī)模的數(shù)據(jù)處理和模型訓練。

華為云AI昇騰集群服務可按需提供強大的AI算力，加上華為云ModelArts一站式AI開發(fā)與管理平臺，可加速氣象預測模型開發(fā)進程，極大的縮短模型訓練周期，預計一次模型訓練，將由原來的1—2個星期縮短至3天甚至是幾個小時。

從第一張?zhí)鞖鈭D出現(xiàn)至今，大氣科學只有“區(qū)區(qū)”一百多年的歷史，而人工智能正刷新天氣預報的極限。

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

參考資料：李澤椿，畢寶貴，金榮花，徐枝芳，薛峰．2014.近10年中國現(xiàn)代天氣預報的發(fā)展與應用.氣象學報，72（6）：1069—1078

國外人工智能技術(shù)在天氣預報中的應用綜述 —— 曾曉梅.中國氣象科學研究院氣象科技信息中心

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。