科幻小說作家劉慈欣曾在其小說中描述了這樣一種天氣預報：小說主人公從氣象學院畢業后，發現了一種可以探測龍卷風的系統，進而把龍卷風扼殺在搖籃之中。直到一天，中國的航空母艦遭到了三顆導彈的襲擊，而這三顆導彈并沒有直接攻擊航母。大家很奇怪，發現導彈周圍形成了三股巨大的龍卷風。這些導彈其實改變了海水當中的空氣，航母就被擊沉了。

這一小說場景就很形象地展現了AI之于天氣預測的作用，那么這樣科幻的場景能否在現實中實現呢？其實，在AI逐漸普及的大環境下，AI遇上天氣預報，自然也擦出了不一樣的火花。

AI滌蕩傳統天氣預報模式

AI助力天氣預報，早在過去的幾年里研究者們使用AI系統來對不同的氣候模型進行排序篩選，并通過實際數據和模型氣候數據來識別颶風等極端天氣，同時也致力與發現新的氣象模式。從目前來看，智能相對論分析師柯鳴認為，AI助力天氣預報，主要分“兩步走”。

1．深度學習助力天氣預報

隨著人造衛星和氣象模型的強大化，面臨海量的數據，全球氣象人員開始尋求AI助力于數據處理，以能夠從數據中挖掘出更新鮮且游泳的氣候模式，幫助更好地進行氣候預測。

目前已經有研究人員致力于利用機器學習的方法和技術來處理氣候問題。在機器學習中，AI系統通過學習越來越多的數據來不斷完善自身的性能。一方面，研究人員通過建立“氣候信息學”（climate informatics）來處理不斷增長的巨量數據，并用機器學習的方式來進行有效的處理。

另一方面，利用深度學習的方式來進行研究。2016年研究人員就曾報道基于深度學習來識別那些傳統上由富有經驗的專家來判斷氣候模式，包括熱帶氣旋、大氣流以及天氣鋒面等。這表明算法是有可能復制人類的經驗的。

Monteleoni 發明了一種可以自動評估30種氣候模型并賦予不同的權重。通過學習出不同模型的強弱，這一算法可以比傳統算法對所有模型一視同仁的方法得到更好的結果。Monteleoni 表示氣象學界已經開始逐漸采用AI系統來評估氣候模型，從而幫助他們改善預測結果。

機器學習助力AI天氣預測

2．AI智能網格預報增強預測精確度

從氣候預報的演進過程來看，其演化一般經歷了從定性預報、描述性預報到數字化、格點化預報三個階段。

智能網格就宛如地球上的經緯網，將我國以及每個城市地點的區域分解成許多個5公里×5公里、乃至1公里×1公里的網格，進行每個網格的差異化監測。以北京為例，本來的預報僅僅以南郊觀象臺這一個點的氣溫、降水等來代表整個城市氣候情況，但經過展開網格化預報，北京的氣候不再由一個定點來反映，而是精密地反映在整座城市每個不同的網格之中。

這一AI加持下的智能網格化預報，不只讓形式愈加細化，還供給了更為詳盡和豐厚的預報內容，從本來的氣溫、風和氣候現象單個要素細化到基本要素、環境氣候要素、災害性氣候要素、海上氣候要素四大類18個氣候要素。

氣象部門可以根據自身需求從網格中挑選自身需要的信息。目前，智能網格預報依賴的智能化氣象科技成果中最重要的是數值預報和集合預報。高分辨率智能網格需要高分辨率區域數值預報模式支撐。我國四套已業務化運行的高分辨率模式已通過建在上海的數值預報云（目前正在升級為智能網格預報云）實現全國共享。

是末日還是浴火重生？

人工智能的明星選手“阿爾法狗”，在打敗人類圍棋界頂尖高手李世石、柯潔之后，旋即被零基礎自學成才的“阿爾法元”輕松戰敗，一時引發人們追問：人工智能發展之迅速，未來是否會有更多人類職業被其擊??？

同樣，在氣象行業中，許多人質疑AI的應用究竟是氣象行業的救世主還是定時炸彈？智能相對論分析師柯鳴認為，AI落地于氣象之前，需要理清幾個問題。

1．AI在天氣預報中如何落子？

其實，早在人工智能落地各行業之時，氣象行業也早早的擁抱了AI系統2015年7月，IBM創建團隊，利用機器學習法研發云預測模式。這一模式比目前其他云預測模式準確率提高了30％，使人們能夠享受精準到分鐘、精確到街道的預報服務。

從目前的發展情況來看，人工智能在氣象領域也得到了廣泛的應用，如天氣預報專家系統、智能天氣信息采集系統、智能預報系統、智能氣象信息發布系統以及應用在天氣預報中的人工神經網絡等。

其中，天氣預報專家系統是源于上世紀70年代發展起來的專家系統在氣象領域的重要應用；基于人工智能的圖像理解技術目前已廣泛用于衛星云圖、雷達圖和天氣圖的圖像識別和理解；自動程序設計可大大減少程序員的工作量。

其實早在10年前，德國已經初步應用了AI氣象系統，該系統會從多個數據源自動下載氣象數據，然后進行自動處理，接著天氣預報自動預測系統開始工作，然后對天氣預報進行自動發布。全球1．5萬多個城市的預報和天氣實況信息源源不斷地自動發布在網站上和各種媒體平臺上。這大大提高了氣象工作者的工作效率。

2．擊敗天氣預報員是偽命題

其實，人工智能在氣象領域更多是一種技術，它和人類預報員之間并不存在競爭和淘汰的關系。目前，人工智能技術可以幫助預報員作普通的、常規天氣的精準預報，但在一些災害性、極端性、轉折性的天氣過程中，仍需要預報員利用天氣學知識、長期積累的預報經驗發揮作用。

而在將來，人類預報員可以利用更為先進的人工智能等技術，結合豐富的知識基礎和對大氣運動機理的分析認識，訂正作出更精準的預報及影響預報，為有關部門決策和開展防洪減災提供科學支撐。

AI加持后的天氣預報預測關系到水利調度、水資源利用以及防洪抗旱的效率。隨著AI賦能后，小尺度、更加精細、更加短時的預報將成為現實，結合當地的水文預報模型進行山洪災害、中小河流洪水預報預警，將會變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時預報（即0～2小時的臨近預報，2～12小時的短時預報）方面出現。隨著探測技術的發展，AI要想完全融入氣象行業之中，依然需要時日。

3．極端天氣預測，又能做到幾分？

再觀極端天氣預測方面，地震預測被稱為地震學的圣杯，AI是否能夠在諸如地震、龍卷風等極端天氣預測表現中依然出彩呢？

雖然到目前為止，沒有人找到可靠的方法來預測地震。但是隨著AI預測的逐漸深入化，技術改進的機器學習算法和超級計算機的進步及其存儲和處理大量數據的能力現在賦予了來自美國的保羅·約翰遜團隊使用人工智能探測地震的嘗試。

保羅·約翰遜團隊通過使用來自真實風暴的原始地震數據進行相同類型的機器學習分析。他們通常使用稱為“地震目錄”的這些經過處理的地震數據來尋找預測線索。這些數據集僅包含地震幅度、位置和時間，并省略其余信息。通過使用原始數據，約翰遜的機器算法或許能夠拾取重要的預測標記。

約翰遜的“地震預測”嘗試

約翰遜已經開始將他的技術應用于實際數據中——機器學習算法將分析由法國勞倫斯伯克利國家實驗室和其他來源收集的地震數據。

同樣，從目前的發展情況來看，AI已為氣象業發展著自己的特有優勢。在美國，搭載AI的氣象系統可以實現龍卷風的提前五到十分鐘預測，這一切，都是AI不斷發展后的結果。AI與天氣預報碰撞出的火花，正是氣象人所期待的智能氣象的模樣。

智能相對論：深挖人工智能這口井，評出咸淡，講出黑白，道出深淺。重點關注領域：AI＋醫療、機器人、智能駕駛、AI＋硬件、物聯網、AI＋金融、AI＋安全、AR／VR、開發者以及背后的芯片、算法、人機交互等。