近日，一則人工智能或能提前一周預測臺風的消息引發關注。報道稱，日本海洋研究機構和九州大學的研究小組利用人工智能深度學習技術，開發了從全球云系統分辨率模型（NICAM）氣候實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生一周前的征兆。

　　不看不知道，原來人工智能在天氣預報方面已經開始發威。它會比人類預報得更準嗎？記者為此采訪了中央氣象臺專家，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

　　根據相關報道，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年積累的氣候實驗數據，制成5萬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100萬張未演變成熱帶低氣壓的低氣壓云圖片，共105萬張圖片組成10組學習數據，利用深度卷積神經網絡的機器學習，生成不同特征的10種識別器，然后構筑出可對10種識別器結果進行綜合評價的集合識別器。

　　對此，中央氣象臺臺風與海洋氣象預報中心副主任錢奇峰表示，相關報道只介紹了做法，并沒有體現出具體的預報成果，“臺風發展有一些階段，發展時間比較長，在大洋上形成胚胎，短則2至3天、長的要5天甚至7天發展成臺風。要提前7天識別出熱帶低氣壓發生前的征兆，相信是可以做到的。”

　　據錢奇峰介紹，將神經網絡的方法用在天氣預報上并不新鮮，上世紀八十年代已經有一些應用，隨著大數據和人工智能的發展，海量數據深度學習、復雜神經網絡等逐步應用，人工智能預報天氣已經成為很熱門的一個話題。不光用在臨近天氣的預報，氣候應用研究、臺風海洋預報、海霧的預報等領域，都有人工智能技術的加持。

　　中央氣象臺天氣預報技術研發室副主任代刊介紹，學界對AI在天氣氣候中的應用研究進展進行了分類整理，主要包括雷達質量控制、衛星數據反演及同化等氣象數據處理；短時臨近預報、概率預報、臺風海洋天氣預報、極端或災害性天氣預警、環境預報等天氣業務；風暴環境特征分類、天氣系統識別等天氣氣候分析；通信、生態環境、水資源和能源等領域的商業或行業應用。如何將人工智能技術應用到天氣氣候研究和應用領域，已成為熱點方向。

　　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展更加復雜的動力數值模式，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為主的預報技術，“實際上這兩種方式是解決不同的問題，即不斷發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，仍然不能滿足各種用戶的不同需求，數據驅動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，近年來隨著天氣業務現代化建設的推進，AI技術也得到逐步應用。據代刊介紹，在國家氣象中心，研究人員已經將數據挖掘技術應用于海量集合預報數據的預報信息提取，如發展的最優百分位技術和臺風路徑最優選取集成方法，對提高預報準確率起到顯著效果。

　　“我們正在探索將人工智能技術應用于網格預報業務，通過與清華大學合作，采用分布式深度學習框架、時空記憶深度循環網絡算法，雷達外推預報準確率較之以往平均提升40%。”代刊說。

　　在公共氣象服務中心，研究者聯合天津大學共同研發了全國強對流服務產品加工系統。該系統運用圖像識別和深度學習等新技術，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30分鐘內強對流天氣發生和影響的區域，預測產品的區域空間分辨率為1公里，每6分鐘滾動更新。

　　除了國家氣象臺，各省級氣象臺也都已開展相關研究，“人工智能這么火，我們肯定希望早把它用在我們的專業上，不用新技術就落伍了。”錢奇峰笑說。目前，廣東省氣象局利用阿里平臺開展的基于深度學習的短臨降水預報效果良好；北京市氣象局也將機器學習方法應用于溫度預報；福建省氣象局基于機器學習的降水要素的客觀訂正方法已在多個省氣象局得到業務推廣應用。

　　結合優勢向縱深發展