AI助力天气预报，早在过去的几年里，研究者们使用AI系统来对不同的气候模型进行排序筛选，并通过实际数据和模型气候数据来识别飓风等极端天气，同时也致力与发现新的气象模式。那当AI撞上天气预报，会成为传统气象行业的末日吗？

科幻小说作家刘慈欣曾在其小说中描述了这样一种天气预报：

小说主人公从气象学院毕业后，发现了一种可以探测龙卷风的系统，进而把龙卷风扼杀在摇篮之中。直到一天，中国的航空母舰遭到了三颗导弹的袭击，而这三颗导弹并没有直接攻击航母。大家很奇怪，发现导弹周围形成了三股巨大的龙卷风。这些导弹其实改变了海水当中的空气，航母就被击沉了。

这一小说场景就很形象地展现了AI之于天气预测的作用，那么这样科幻的场景能否在现实中实现呢？

其实，在AI逐渐普及的大环境下，AI遇上天气预报，自然也擦出了不一样的火花。

AI涤荡传统天气预报模式

AI助力天气预报，早在过去的几年里，研究者们使用AI系统来对不同的气候模型进行排序筛选，并通过实际数据和模型气候数据来识别飓风等极端天气，同时也致力与发现新的气象模式。

从目前来看，笔者认为：AI助力天气预报，主要分“两步走”。

1. 深度学习助力天气预报

随着人造卫星和气象模型的强大化，面临海量的数据，全球气象人员开始寻求AI助力于数据处理，以能够从数据中挖掘出更新鲜且游泳的气候模式，帮助更好地进行气候预测。

目前，已经有研究人员致力于利用机器学习的方法和技术，来处理气候问题。在机器学习中，AI系统通过学习越来越多的数据来不断完善自身的性能。

• 一方面，研究人员通过建立“气候信息学”（climate informatics）来处理不断增长的巨量数据，并用机器学习的方式来进行有效的处理。
• 另一方面，利用深度学习的方式来进行研究。2016年研究人员就曾报道基于深度学习，来识别那些传统上由富有经验的专家来判断气候的模式，包括热带气旋、大气流以及天气锋面等。这表明算法是有可能复制人类的经验的。

Monteleoni 发明了一种可以自动评估30种气候模型并赋予不同的权重，通过学习出不同模型的强弱，这一算法可以比传统算法对所有模型一视同仁的方法得到更好的结果。Monteleoni 表示气象学界已经开始逐渐采用AI系统来评估气候模型，从而帮助他们改善预测结果。

机器学习助力AI天气预测

2. AI智能网格预报增强预测精确度

从气候预报的演进过程来看，其演化一般经历了从定性预报、描述性预报到数字化、格点化预报三个阶段。

智能网格就宛如地球上的经纬网，将我国以及每个城市地点的区域分解成许多个5公里×5公里、乃至1公里×1公里的网格，进行每个网格的差异化监测。

以北京为例：本来的预报仅仅以南郊观象台这一个点的气温、降水等来代表整个城市气候情况，但经过展开网格化预报，北京的气候不再由一个定点来反映，而是精密地反映在整座城市每个不同的网格之中。

这一AI加持下的智能网格化预报，不只让形式愈加细化，还供给了更为详尽和丰厚的预报内容，从本来的气温、风和气候现象单个要素细化到基本要素、环境气候要素、灾害性气候要素、海上气候要素四大类18个气候要素。

气象部门可以根据自身需求从网格中挑选自身需要的信息。目前，智能网格预报依赖的智能化气象科技成果中最重要的是数值预报和集合预报。高分辨率智能网格，需要高分辨率区域数值预报模式支撑。我国四套已业务化运行的高分辨率模式，已通过建在上海的数值预报云（目前正在升级为智能网格预报云）实现全国共享。

是末日还是浴火重生？

人工智能的明星选手“阿尔法狗”，在打败人类围棋界顶尖高手李世石、柯洁之后，旋即被零基础自学成才的“阿尔法元”轻松战败，一时引发人们追问：人工智能发展之迅速，未来是否会有更多人类职业被其击败？

同样，在气象行业中，许多人质疑AI的应用究竟是气象行业的救世主还是定时炸弹？

笔者认为，AI落地于气象之前，需要厘清几个问题。

1. AI在天气预报中如何落子？

其实，早在人工智能落地各行业之时，气象行业也早早的拥抱了AI系统2015年7月，IBM创建团队，利用机器学习法研发云预测模式。这一模式比目前其他云预测模式准确率提高了30%，使人们能够享受精准到分钟、精确到街道的预报服务。

从目前的发展情况来看，人工智能在气象领域也得到了广泛的应用，如：天气预报专家系统、智能天气信息采集系统、智能预报系统、智能气象信息发布系统以及应用在天气预报中的人工神经网络等。

其中，天气预报专家系统是源于上世纪70年代发展起来的专家系统，在气象领域的重要应用。基于人工智能的图像理解技术，目前已广泛用于卫星云图、雷达图和天气图的图像识别和理解，自动程序设计可大大减少程序员的工作量。

其实早在10年前，德国已经初步应用了AI气象系统，该系统会从多个数据源自动下载气象数据，然后进行自动处理。接着天气预报自动预测系统开始工作，然后对天气预报进行自动发布。全球1.5万多个城市的预报和天气实况信息，源源不断地自动发布在网站上和各种媒体平台上，这大大提高了气象工作者的工作效率。

2. 击败天气预报员是伪命题

其实，人工智能在气象领域更多是一种技术，它和人类预报员之间并不存在竞争和淘汰的关系。目前，人工智能技术可以帮助预报员作普通的、常规天气的精准预报，但在一些灾害性、极端性、转折性的天气过程中，仍需要预报员利用天气学知识，长期积累的预报经验发挥作用。

而在将来，人类预报员可以利用更为先进的人工智能等技术，结合丰富的知识基础和对大气运动机理的分析认识，订正作出更精准的预报及影响预报，为有关部门决策和开展防洪减灾提供科学支撑。

AI加持后的天气预报预测关系到水利调度、水资源利用以及防洪抗旱的效率。随着AI赋能后，小尺度、更加精细、更加短时的预报将成为现实，结合当地的水文预报模型进行山洪灾害、中小河流洪水预报预警，将会变得更有操作性和可行性。

而且，目前的人工智能的影子更多是在短时预报（即0~2小时的临近预报，2~12小时的短时预报）方面出现。随着探测技术的发展，AI要想完全融入气象行业之中，依然需要时日。

3. 极端天气预测，又能做到几分？

再观极端天气预测方面，地震预测被称为地震学的圣杯，AI是否能够在诸如地震、龙卷风等极端天气预测表现中依然出彩呢？

虽然到目前为止，没有人找到可靠的方法来预测地震。但是随着AI预测的逐渐深入化，技术改进的机器学习算法和超级计算机的进步，及其存储和处理大量数据的能力，现在赋予了来自美国的保罗·约翰逊团队使用人工智能探测地震的尝试。

保罗·约翰逊团队通过使用来自真实风暴的原始地震数据，进行相同类型的机器学习分析。他们通常使用称为“地震目录”的这些经过处理的地震数据，来寻找预测线索。这些数据集仅包含地震幅度、位置和时间，并省略其余信息，通过使用原始数据，约翰逊的机器算法或许能够拾取重要的预测标记。

约翰逊的“地震预测”尝试

约翰逊已经开始将他的技术应用于实际数据中——机器学习算法，将分析由法国劳伦斯伯克利国家实验室和其他来源收集的地震数据。

同样，从目前的发展情况来看，AI已为气象业发展着自己的特有优势。在美国，搭载AI的气象系统可以实现龙卷风的提前五到十分钟预测，这一切，都是AI不断发展后的结果。AI与天气预报碰撞出的火花，正是气象人所期待的智能气象的模样。

作者：柯鸣，公众号：智能相对论

本文由 @智能相对论 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Pixabay，基于 CC0 协议