結(jié)合優(yōu)勢向縱深發(fā)展

　　雖然取得了一系列成績，但與發(fā)達(dá)國家相比，國內(nèi)關(guān)于AI作用于天氣預(yù)報的研究和應(yīng)用還存在一定差距，包括：AI技術(shù)應(yīng)用集中在短時臨近預(yù)報上，而對于天氣預(yù)報業(yè)務(wù)的全鏈條，如數(shù)據(jù)質(zhì)量控制、多災(zāi)種天氣預(yù)警能力、產(chǎn)品制作以及決策服務(wù)等的支撐還遠(yuǎn)不足；AI技術(shù)以應(yīng)用開發(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(jié)發(fā)揮重要作用，未來應(yīng)加強(qiáng)新的、更高級的AI技術(shù)理論研究和應(yīng)用開發(fā)，“目前大部分AI技術(shù)方法研發(fā)還是以大氣科學(xué)專業(yè)背景人員為主，需要統(tǒng)計學(xué)、計算科學(xué)、大數(shù)據(jù)挖掘等專業(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(shù)據(jù)， AI技術(shù)的產(chǎn)品輸出質(zhì)量受到輸入數(shù)據(jù)質(zhì)量的限制，要想取得更好效果，需要加強(qiáng)高質(zhì)量、長序列的氣象訓(xùn)練數(shù)據(jù)集的研發(fā)，例如提供長歷史、統(tǒng)計特性一致的模式數(shù)據(jù)，整理和開發(fā)高分辨的觀測和分析資料用于訓(xùn)練和檢驗。在前述日本海洋研究機(jī)構(gòu)和九州大學(xué)的研究中，研究小組為了利用深度學(xué)習(xí)獲得更高的識別精度，對每一種氣象類型都需要超過數(shù)千張圖片的大量數(shù)據(jù)。“我們也在做長序列氣象數(shù)據(jù)的再分析。”代刊表示。

　　另外他強(qiáng)調(diào)，目前大部分AI技術(shù)類似“黑箱”，在通常情況下運行良好，但遇到極端情況可能會失效。因此，據(jù)代刊介紹，英國氣象局一直在利用數(shù)據(jù)驅(qū)動，將統(tǒng)計技術(shù)與物理模式和深刻理解結(jié)合起來，并積累了大量經(jīng)驗，例如將高分辨率觀測網(wǎng)、復(fù)雜數(shù)值模式和再分析數(shù)據(jù)利用統(tǒng)計技術(shù)結(jié)合起來為風(fēng)能行業(yè)發(fā)展了業(yè)務(wù)預(yù)報工具，能夠提供更高精度的風(fēng)力預(yù)報，并適用于復(fù)雜地形條件。

　　“為了克服來自黑箱應(yīng)用的挑戰(zhàn)，還需要發(fā)展針對環(huán)境科學(xué)的機(jī)器學(xué)習(xí)理論和方法。”代刊表示。此外，也需要積極推動研究成果到業(yè)務(wù)應(yīng)用的轉(zhuǎn)換，包括建立開放性、眾創(chuàng)的后處理支持基礎(chǔ)架構(gòu)，建立跨部門的團(tuán)隊來建設(shè)和維護(hù)通用AI算法軟件、訓(xùn)練及測試數(shù)據(jù)、檢驗評估等，提供資源用于培訓(xùn)相關(guān)人員的研發(fā)水平。

　　代刊表示，有好的預(yù)報不等于能做出好的決策，傳統(tǒng)數(shù)值預(yù)報結(jié)果越來越精確，但降水量、臺風(fēng)強(qiáng)度和路徑等預(yù)報結(jié)果并不一定導(dǎo)向好的應(yīng)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(tǒng)的物理過程，但通過綜合如交通、能源、農(nóng)業(yè)等各領(lǐng)域的數(shù)據(jù)和研究，它能幫助人類在應(yīng)對天氣影響時拿出更優(yōu)良的決策方案。

　　“人工智能在氣象行業(yè)中的應(yīng)用剛起步，應(yīng)用場景未來還有很多。“錢奇峰表示，“在未來10年當(dāng)中，整合基于物理模式的數(shù)值預(yù)報和數(shù)據(jù)驅(qū)動的方法，將會給天氣預(yù)報帶來新的機(jī)會，例如將機(jī)器學(xué)習(xí)應(yīng)用于交通堵塞、航空延誤、花粉過敏等難以用物理模型處理的預(yù)報，能夠提供更有價值的信息。”