“人工智能+气象”

智联未来

观测数据能直接驱动“智脑”输出预报结论，不再需要经过复杂的同化等流程；人工智能将在深度学习的基础上自主凝练出极端天气气候机理理论，带来研究范式的变革；在保障城市安全运行、助力应对气候变化等方面，自动化、数字化、智能化的服务形式将成为主流……

有了人工智能技术赋能，这些气象领域的“未来场景”也许很快就会成为现实。

今年，“人工智能+”首次被写入政府工作报告，气象部门已经在积极拥抱新技术，不断拓展人工智能气象应用领域，开发新技术、新模式。

一种认识：“人机协作”模式仍占主导

人工智能（AI）一词最早诞生于1956年达特茅斯学会上，它是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新的技术科学，研究领域涉及机器人、语言识别、图像识别、自然语言处理和专家系统等。

从ChatGPT到Sora，从单模态到多模态，从单一智能到通用智能，全球人工智能创新热潮迭起，但我们需意识到，在未来很长一段时间内，包括气象在内的众多领域中“人机协同”模式依然占主导——在这种模式中，人工智能提供建议，最终任务的完成仍需要人类介入。

以气象业务的“龙头”——预报为例，人工智能技术的引入，可能带来的是更准的目标识别、更高的预测准确率和效率、更强的数据挖掘能力……“这本质上还是通过算力、算法对大数据等信息进行挖掘整合继而实现的，是一种数据驱动的预报。”国家气象中心天气预报技术研发室主任曹勇表示，其优势在于运算效率高，且消耗的计算资源极小，非线性的模拟能力强，对预报流程的集约化建设具有重要作用。

比如依托人工智能技术，我国能在30秒内生成未来10天逐6小时全球天气预报；强对流天气预警时间提升至3小时，台风路径预报准确率提升了5%；0至6小时极端强对流天气短时预报能力稳步提升；短临时段降水位置预报更加稳定，1至2小时预报准确率提升1%至5%……

获得这些成果的关键是培育出本行业自有的人工智能大模型，即一个拥有超大规模参数（通常在十亿个以上）、超强计算资源的“智脑”，从而实现类人水平的自我学习和自我演化。

这样的培育或者说“训练”当然需要时间，只不过相较于人类往往十几年乃至数十年的漫长学习生涯，人工智能可能仅需要数周甚至数小时就能“学有所成”。

“但完全的数据驱动也有劣势”，中国气象科学研究院人工智能气象应用研究所所长王亚强说，“因为依赖海量数据，数据质量在一定程度上决定了大模型的运算效果，最重要的是，人工智能目前仍无法解决其不可解释性这一弊端。”

具体而言，机器只能处理“关联关系”而无法理解因果关系，更无法判断学习结果正确与否。比如，研究显示，赤道东太平洋海温区每升高1℃，将会使全球年平均温度上升0.12℃，机器通过学习或许可以捕捉到这一规律，但它永远也无法解释其背后复杂的深层原因。

而数值预报是通过对海量多源观测资料的处理和资料同化，形成高精度