近日，一則人工智能或能提前一周預測臺風(fēng)的消息引發(fā)關(guān)注。報道稱(chēng)，日本海洋研究機構和九州大學(xué)的研究小組利用人工智能深度學(xué)習技術(shù)，開(kāi)發(fā)了從全球云系統分辨率模型（NICAM）氣候實(shí)驗數據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(lái)人工智能在天氣預報方面已經(jīng)開(kāi)始發(fā)威。它會(huì )比人類(lèi)預報得更準嗎？記者為此采訪(fǎng)了中央氣象臺專(zhuān)家，試圖理解氣象預報的AI助手究竟表現如何。
AI已成天氣預報研究熱門(mén)
根據相關(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，將全球云系統分辨率模型20年積累的氣候實(shí)驗數據，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)習數據，利用深度卷積神經(jīng)網(wǎng)絡(luò )的機器學(xué)習，生成不同特征的10種識別器，然后構筑出可對10種識別器結果進(jìn)行綜合評價(jià)的集合識別器。
對此，中央氣象臺臺風(fēng)與海洋氣象預報中心副主任錢(qián)奇峰表示，相關(guān)報道只介紹了做法，并沒(méi)有體現出具體的預報成果，“臺風(fēng)發(fā)展有一些階段，發(fā)展時(shí)間比較長(cháng)，在大洋上形成胚胎，短則2至3天、長(cháng)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。”
據錢(qián)奇峰介紹，將神經(jīng)網(wǎng)絡(luò )的方法用在天氣預報上并不新鮮，上世紀八十年代已經(jīng)有一些應用，隨著(zhù)大數據和人工智能的發(fā)展，海量數據深度學(xué)習、復雜神經(jīng)網(wǎng)絡(luò )等逐步應用，人工智能預報天氣已經(jīng)成為很熱門(mén)的一個(gè)話(huà)題。不光用在臨近天氣的預報，氣候應用研究、臺風(fēng)海洋預報、海霧的預報等領(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在天氣氣候中的應用研究進(jìn)展進(jìn)行了分類(lèi)整理，主要包括雷達質(zhì)量控制、衛星數據反演及同化等氣象數據處理；短時(shí)臨近預報、概率預報、臺風(fēng)海洋天氣預報、極端或災害性天氣預警、環(huán)境預報等天氣業(yè)務(wù)；風(fēng)暴環(huán)境特征分類(lèi)、天氣系統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)應用。如何將人工智能技術(shù)應用到天氣氣候研究和應用領(lǐng)域，已成為熱點(diǎn)方向。
彌補傳統數值模式的不足
代刊告訴記者，傳統天氣預報不斷發(fā)展更加復雜的動(dòng)力數值模式，以求更準確和提前預報天氣，人工智能預報天氣則是以大數據驅動(dòng)為主的預報技術(shù)，“實(shí)際上這兩種方式是解決不同的問(wèn)題，即不斷發(fā)展的數值模式系統提供更高分辨率、更準確的預報結果，但由于其自身的缺陷以及天氣預報的不確定性，仍然不能滿(mǎn)足各種用戶(hù)的不同需求，數據驅動(dòng)方法為彌補這一差距提供了非常有用的工具。”代刊表示。
在我國，近年來(lái)隨著(zhù)天氣業(yè)務(wù)現代化建設的推進(jìn)，AI技術(shù)也得到逐步應用。據代刊介紹，在國家氣象中心，研究人員已經(jīng)將數據挖掘技術(shù)應用于海量集合預報數據的預報信息提取，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，對提高預報準確率起到顯著(zhù)效果。
“我們正在探索將人工智能技術(shù)應用于網(wǎng)格預報業(yè)務(wù)，通過(guò)與清華大學(xué)合作，采用分布式深度學(xué)習框架、時(shí)空記憶深度循環(huán)網(wǎng)絡(luò )算法，雷達外推預報準確率較之以往平均提升40%。”代刊說(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)了全國強對流服務(wù)產(chǎn)品加工系統。該系統運用圖像識別和深度學(xué)習等新技術(shù)，能夠快速和智能化地監測預警強對流天氣，可以判斷出未來(lái)30分鐘內強對流天氣發(fā)生和影響的區域，預測產(chǎn)品的區域空間分辨率為1公里，每6分鐘滾動(dòng)更新。
除了國家氣象臺，各省級氣象臺也都已開(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。”錢(qián)奇峰笑說(shuō)。目前，廣東省氣象局利用阿里平臺開(kāi)展的基于深度學(xué)習的短臨降水預報效果良好；北京市氣象局也將機器學(xué)習方法應用于溫度預報；福建省氣象局基于機器學(xué)習的降水要素的客觀(guān)訂正方法已在多個(gè)省氣象局得到業(yè)務(wù)推廣應用。
結合優(yōu)勢向縱深發(fā)展
雖然取得了一系列成績(jì)，但與發(fā)達國家相比，國內關(guān)于A(yíng)I作用于天氣預報的研究和應用還存在一定差距，包括：AI技術(shù)應用集中在短時(shí)臨近預報上，而對于天氣預報業(yè)務(wù)的全鏈條，如數據質(zhì)量控制、多災種天氣預警能力、產(chǎn)品制作以及決策服務(wù)等的支撐還遠不足；AI技術(shù)以應用開(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)節發(fā)揮重要作用，未來(lái)應加強新的、更高級的AI技術(shù)理論研究和應用開(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，需要統計學(xué)、計算科學(xué)、大數據挖掘等專(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。”
更重要的是數據， AI技術(shù)的產(chǎn)品輸出質(zhì)量受到輸入數據質(zhì)量的限制，要想取得更好效果，需要加強高質(zhì)量、長(cháng)序列的氣象訓練數據集的研發(fā)，例如提供長(cháng)歷史、統計特性一致的模式數據，整理和開(kāi)發(fā)高分辨的觀(guān)測和分析資料用于訓練和檢驗。在前述日本海洋研究機構和九州大學(xué)的研究中，研究小組為了利用深度學(xué)習獲得更高的識別精度，對每一種氣象類(lèi)型都需要超過(guò)數千張圖片的大量數據。“我們也在做長(cháng)序列氣象數據的再分析。”代刊表示。
另外他強調，目前大部分AI技術(shù)類(lèi)似“黑箱”，在通常情況下運行良好，但遇到極端情況可能會(huì )失效。因此，據代刊介紹，英國氣象局一直在利用數據驅動(dòng)，將統計技術(shù)與物理模式和深刻理解結合起來(lái)，并積累了大量經(jīng)驗，例如將高分辨率觀(guān)測網(wǎng)、復雜數值模式和再分析數據利用統計技術(shù)結合起來(lái)為風(fēng)能行業(yè)發(fā)展了業(yè)務(wù)預報工具，能夠提供更高精度的風(fēng)力預報，并適用于復雜地形條件。
“為了克服來(lái)自黑箱應用的挑戰，還需要發(fā)展針對環(huán)境科學(xué)的機器學(xué)習理論和方法。”代刊表示。此外，也需要積極推動(dòng)研究成果到業(yè)務(wù)應用的轉換，包括建立開(kāi)放性、眾創(chuàng )的后處理支持基礎架構，建立跨部門(mén)的團隊來(lái)建設和維護通用AI算法軟件、訓練及測試數據、檢驗評估等，提供資源用于培訓相關(guān)人員的研發(fā)水平。
代刊表示，有好的預報不等于能做出好的決策，傳統數值預報結果越來(lái)越精確，但降水量、臺風(fēng)強度和路徑等預報結果并不一定導向好的應對決策。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的物理過(guò)程，但通過(guò)綜合如交通、能源、農業(yè)等各領(lǐng)域的數據和研究，它能幫助人類(lèi)在應對天氣影響時(shí)拿出更優(yōu)良的決策方案。
“人工智能在氣象行業(yè)中的應用剛起步，應用場(chǎng)景未來(lái)還有很多。“錢(qián)奇峰表示，“在未來(lái)10年當中，整合基于物理模式的數值預報和數據驅動(dòng)的方法，將會(huì )給天氣預報帶來(lái)新的機會(huì )，例如將機器學(xué)習應用于交通堵塞、航空延誤、花粉過(guò)敏等難以用物理模型處理的預報，能夠提供更有價(jià)值的信息。”（記者 崔爽）