怎么没人告诉我，人工智能和天气预报居然是一对好CP？！

你知道为了让天气预报准一点，再准一点，气象工作者有多努力么？

大部分人肯定不知道，笔者也是刚刚才晓得，有一个形象的比喻——天气预报是一年三百六十五天不停休的高考，每天每夜气象工作者都要和“厚厚一摞数据”做斗争，可是，天气预报并不总是百分百准确，换做谁每次都拿到不一样的考卷，也答不到次次满分。

天气预报的古早期，古人看天看地看朝霞，也就有了“青蛙叫，大雨到”、“朝霞不出门，晚霞行千里”等脍炙人口的谚语，青蛙还成为了世界气象电视节的吉祥物，以纪念青蛙在天气预报历史长河所做出的贡献，不可否认古人的智慧，但随着这些谚语逐渐被每晚7点半的天气预报淡化，恰恰象征着天气预报走向科学化。

当天气预报发展为一门科学，现代人看数看图看表格，数值预报技术是天气预报的核心技术，国际上天气预报技术领先的国家无不以先进的数值预报技术代言，中国正在实施的气象现代化建设的实施纲要中明确提出，到2020年，建成以水平分辨率10km的数值预报业务系统。

“更高更快更强”是天气预报不懈的追求，更高分辨率、更快给出结果、更准确的预测等等考验着现代大气科学。“为何不在天气预报融入人工智能呢”，我想到。翻阅资料追踪寻迹，原来人工智能和天气预报早在上世纪80年代就有了交集，大大超出我的预想。

天气预报是一门预测科学，人工智能的本质也是预测，无巧不成此事。

天气预报为何做不到100%准确？

从经验预报到数值预报，天气预报的准确率一直在提升，但却永远不可能达到100%。是的，你可以肯定地用这么决绝的词语下结论。

据气象专家介绍，目前的3天预报，在全球范围可达70%至80%的准确度，如果是一定区域，比如我国华南地区的3天预报，准确度能高于80%。我国天气预报的准确率在发展中国家排名靠前，已经接近发达国家水平。

如前所述，天气预报的核心技术就是数值预报技术，如今天气预报技术已由单一的天气图经验预报转变为以数值预报产品为基础、多种观测资料综合应用的现代技术。

数值天气预报是以气象观测资料为初值条件，通过巨型计算机进行数值计算，再用流体力学和热力学的方程组进行求解，进而预测未来一定时段的大气运动状态。简单理解，数值模式是一堆描述大气运动的方程组，利用计算机计算得到数值结果，气象工作者再根据得出的数值结果具现大气变化，推测可能发生的天气。

数值预报技术让天气预报有了更高的准确率，但这种模式本身的特点决定了得不出百分百正确的数值。首先，目前任何一套模型都只能近似地模拟大气演变，人类尚未破解大气运动规律的全部秘钥。

除了大气自身活动的随机性难以准确把握以外，还有很多因素隔开了天气预报的理想与现实，比如复杂地形地貌无端增添了不确定性，横断山脉西部受西南季风影响多产生地形雨，年降雨量1600毫米左右，但山脉东侧年降雨量却仅有245毫米，一山横断了天气预报的边界。

再如气象工作者经验知识不一致，同一天的同一地点，不同预报员也可能给出不同的天气预报结果，在转折性或复杂天气形势出现的时候比较常见。

天气预报是一系列预测结果的集合，人类预报天气本质上就是在寻找这一集合的最大公约数。

人工智能预测为何总有偏差？

说罢天气预报的误差，再谈谈方兴未艾的人工智能，人工智能和天气预报的境遇何其相似。

人工智能既然是计算机科学的一个分支，也就跳不出计算机科学的藩篱，抛开繁琐的技术，人工智能通过模仿人类，构建智能执行任务的系统或机器，它们可以根据所收集的信息不断对自身做出迭代式改进，神经网络、深度学习等等都是为了实现人工智能的手段。

但是目前的人工智能在各个环节都可能出现偏差。李飞飞就曾表示，深度学习系统“输入有偏差，输出就会有偏差”。尽管人工智能的算法可能是中立的，但输入数据和应用本身并不一定，关键在建立人工智能的人和建立人工智能的动机。

偏差来源之一就是输入数据的的偏差，训练集本身选得不好，或者与实际情况误差较大，直接会影响系统决策时有偏差，并且偏差滚雪球般越滚越大。

再如交互中的偏差，系统接收到错误的知识，并且不具备自我纠错能力，输入结果南辕北辙。

等等环节不一而同，人工智能的偏差更多来自于人工的那部分，智能有赖于不断的训练，就目前看来，偏差是不可避免的，因此我们目前看到的人工智能应用，没有一家敢说出准确率达到100%。

最早于上世纪八、九十年代，人们将人工智能技术应用于资料同化 、资料解释 、预报制作、预报质量保证 、数据库开发 、资源计划 、决策支持 、混合数据处理以及影响评价等各个领域 。直到20世纪末，，大气科学的人工智能应用重点才从专家系统转向人工神经网络，有了现代人工智能的雏形

人工智能和天气预报的“风云际会”

《天气公报》听起来有些陌生，其实它就是每晚7点半央视天气预报播报员口播的依据，1970年，中央气象台开始向国务院及有关部委报送《天气公报》，从2018年开始，几十年历史的《天气公报》已经有了人工智能的参与。

当然，研究人员还需要结合NLP和GIS空间分析技术，利用大量历史数据对模型进行训练，将复杂专业的多维气象数据转换为浅显的自然语言，使其获得“气象语言特征”“地理区划分析”和图文的“叠加分析”能力，最后应用“气象服务信息模板库”输出成文。

如果说这只是人工智能的台前工作，那么幕后才是人工智能的真正舞台。

天气预报和人工智能有着天然耦合的关系。天气预报需要大量的、多种多样的资料，人工智能天生就是处理大数据的工具；现有资料的时空数据密度均不够，人工智能技术可以根据不完全不确定信息推断的能 力；人工智能可以总结专家知识经验，提高平均预测水平；人工智能可以利用统计与数值模式中无法利用的抽象预报知识。

新时代的人工智能和天气预报具备更为宽广的结合空间。1月6日，深圳市气象局与华为云于宣布开展深度合作，双方将携手打造“气象+云+AI+5G”。

具体来看，基于华为云AI，双方致力研创更精准的灾害性天气预测模型。通过海量历史数据学习，推算云团变化和移动规律，助力于提高深圳市天气预报的质量，促进灾害性天气预警信息智能发布与传播的发展。

天气预报一大难点就在于短时极端天气的预报，自然灾害往往伴随发生，暴雨、冰雹等天气条件下，快一秒就多一秒的生命窗口，越过商业与技术本身的局限，天气预报应用人工智能也贯彻了华为云Cloud for Good理念。

在灾害性天气预报AI模型的建立中，华为云在数据分析和存储上，能够发挥至关重要的作用。尤其是在数据分析方面，气象数据的时空分辨率极高，数据量极大，普通服务器难以承受如此规模的数据处理和模型训练。

华为云AI昇腾集群服务可按需提供强大的AI算力，加上华为云ModelArts一站式AI开发与管理平台，可加速气象预测模型开发进程，极大的缩短模型训练周期，预计一次模型训练，将由原来的1—2个星期缩短至3天甚至是几个小时。

从第一张天气图出现至今，大气科学只有“区区”一百多年的历史，而人工智能正刷新天气预报的极限。

雷锋网雷锋网雷锋网 (公众号：雷锋网)

参考资料：李泽椿，毕宝贵，金荣花，徐枝芳，薛峰．2014.近10年中国现代天气预报的发展与应用.气象学报，72（6）：1069—1078

国外人工智能技术在天气预报中的应用综述 —— 曾晓梅.中国气象科学研究院气象科技信息中心

。