勤思科技获数千万元天使轮融资，进一步拓展海事、航道运营综合智能平台发展
06-17
你知道工作者为了让天气预报更准确付出了多少努力吗？大多数人肯定不知道这一点，而我也是刚刚了解到的。
有一个形象的比喻——天气预报就是一年365天不间断的高考。
每个日日夜夜，工作者都要处理“厚厚一摞天气预报”。
“数据”是一场斗争。
然而，天气预报并不总是100%准确。
每次拿到不同试卷的人都不会每次都获得满分。
在天气预报的早期，古人看着天、看着地，看着朝霞，由此衍生出“青蛙呱呱叫，雨来了”、“朝霞不出门，日落就到了”等流行谚语。
行千里”，青蛙也成为了世界气象电视节的吉祥物，以纪念青蛙在天气预报史上的贡献。
不可否认古人的智慧，但随着这些谚语逐渐被每晚7点30分的天气预报冲淡，恰恰象征着天气预报越来越科学。
当天气预报发展成为一门科学时，现代人着眼于数字、图片和表格。
数值预报技术是天气预报的核心技术。
国际天气预报技术领先的国家无不以先进的数值预报技术说话。
我国正在实施气象现代化建设的实施纲要明确提出，到2020年，建成水平分辨率10公里的数值预报业务系统。
“更高、更快、更强”是天气预报的不懈追求。
更高的分辨率、更快的结果、更准确的预测等等正在考验着现代大气科学。
“为什么不将人工智能融入天气预报呢？”我想。
翻看数据，追根溯源，原来人工智能和天气预报早在20世纪80年代就有了交叉，这远远出乎我的意料。
天气预报是一门预测的科学，人工智能的本质也是预测。
出现这种情况并非巧合。
为什么天气预报不是100%准确？从经验预测到数值预测，天气预报的准确率一直在提高，但永远达不到%。
是的，你绝对可以用如此果断的方式得出这个结论。
据气象专家介绍，目前全球三天预报的准确度可以达到70%至80%。
如果是某个地区，比如我国南方的三天预报，准确率可以高于80%。
我国天气预报的准确率在发展中国家中名列前茅，接近发达国家水平。
如前所述，天气预报的核心技术是数值预报技术。
如今，天气预报技术已从单一的天气图经验预测转变为以数值预报产品和多种观测数据综合应用为基础的现代技术。
数值天气预报以气象观测数据为初始条件，通过超级计算机进行数值计算，然后利用流体力学和热力学方程组求解，预测未来一定时期内大气运动的状态。
简单理解，数值模型就是一组描述大气运动的方程组。
计算机计算用于获得数值结果。
然后气象学家使用数值结果来显示大气变化并推测可能的天气。
数值预报技术使得天气预报更加准确，但这种模型本身的特点决定了它无法产生100%正确的数值。
首先，目前任何模型都只能近似大气的演化过程，人类还没有破解大气运动规律的全部秘密。
除了难以准确把握大气自身活动的随机性之外，还有很多因素导致天气预报的理想与现实脱节。
例如，复杂的地形无缘无故地增加了不确定性。
横断山脉西部受西南季风影响，山地雨较多。
降雨量约为毫米，但山脉东侧的年降雨量只有毫米。
一座山跨越了天气预报的界限。
另一个例子是气象经验和知识的不一致。
不同的预报员可能会在同一天的同一地点给出不同的天气预报结果，这在出现转折点或复杂天气情况时更为常见。
天气预报是一系列预测结果的集合。
人类天气预报本质上是在寻找这个集合的最大共同点。
为什么人工智能的预测总是有偏差？我们来谈谈天气预报的错误，再谈谈新兴的人工智能。
人工智能和天气预报的情况非常相似。
既然人工智能是计算机科学的一个分支，它就无法逃脱计算机科学的界限。
抛开繁琐的技术，人工智能模仿人类并构建智能执行任务的系统或机器。
自身进行迭代改进，神经网络、深度学习等都是实现人工智能的手段。
然而，当前的人工智能在各个方面可能存在偏差。
李飞飞曾经说过，如果深度学习系统的输入有偏差，那么输出也会有偏差。
虽然人工智能算法可能是中立的，但输入数据和应用程序本身却不是。
关键在于构建人工智能的人及其动机。
偏差的来源之一是输入数据的偏差。
如果训练集本身选择不好，或者与实际情况误差较大，就会直接影响系统决策的偏差，偏差就会滚雪球。
另一个例子是交互的偏差。
系统接收到错误的知识，不具备自我纠正的能力，所以输入的结果完全不同。
步骤不同。
人工智能的偏差更多来自于人工部分。
智力取决于持续的训练。
从目前来看，出现偏差是不可避免的。
因此，目前我们看到的人工智能应用没有一家公司敢说准确率是%。
早在20世纪80年代和90年代，人们就将人工智能技术应用于数据同化、数据解释、预测生产、预测质量保证、数据库开发、资源规划、决策支持、混合数据处理和影响评估等各个领域。
直到20世纪末，人工智能在大气科学中的应用重点才从专家系统转向人工神经网络。
有了现代人人工智能的雏形，天气预报的“风雨交加”《天气公报》听起来有点奇怪，但实际上却是大家所期待的。
据央视天气预报播音员晚上7点30分口述， 2018年，中央气象台开始向国务院及相关部委报告《天气公报》。
从2017年开始，已有数十年历史的《天气公报》已经涉足人工智能领域。
当然，研究人员还需要结合NLP和GIS空间分析技术，利用大量历史数据训练模型，将复杂、专业的多维气象数据转换成简单的自然语言，从而获得“气象语言”特征”、“地理区划分析”以及图文的“叠加分析”能力，最后利用“气象服务信息模板库”输出文档。
如果说这只是人工智能的前端工作，那么人工智能真正的舞台是在幕后。
天气预报与人工智能有着天然的耦合关系。
天气预报需要大量多样化的数据，而人工智能是处理大数据的天然工具；现有数据的时空数据密度不够，人工智能技术可以根据不完整的不确定信息进行推断；人工智能可以总结专家知识和经验，可以提高平均预测水平；人工智能可以利用统计和数值模型中无法使用的抽象预测知识。
新时代的人工智能与天气预报有着更广阔的融合空间。
1月6日，深圳市气象局与华为云宣布深度合作。
双方将携手打造“天气+云+AIG”。
具体来说，基于华为云AI，双方致力于开发更加精准的灾害性天气预报模型。
通过海量历史数据学习，可以计算云的变化和运动模式，帮助提高深圳天气预报的质量，推动灾害性天气预警信息智能发布和传播的发展。
天气预报的一大难点在于短期极端天气的预报。
自然灾害经常发生。
在大雨、冰雹等天气条件下，每一秒都是多一秒的生命窗口。
这超越了业务和技术本身的限制。
天气预报应用人工智能也践行了华为云的Cloud for Good理念。
在灾害性天气预报AI模型的建立中，华为云在数据分析和存储方面可以发挥至关重要的作用。
尤其是在数据分析方面，气象数据的时空分辨率极高，数据量巨大。
普通服务器无法承受如此大规模的数据处理和模型训练。
华为云AI Ascend集群服务可以按需提供强大的AI算力。
配合华为云ModelArts一站式AI开发管理平台，可以加速天气预报模型的开发进程，大幅缩短模型训练周期。
预计模型一旦使用，训练时间将从原来的1-2周缩短到3天甚至几个小时。
从第一张天气图出现到现在，大气科学只有一百多年的历史，而人工智能正在突破天气预报的极限。
雷锋网 雷锋网 雷锋网 参考资料：李泽春、毕宝宝、金荣华、徐志芳、薛峰。
.近10年来我国现代天气预报的发展与应用。
气象学报，72(6)：——国外人工智能技术在天气预报中的应用述评——曾小梅。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态