人工智慧發展，在氣象領域可釋放哪些潛能？

未來一二十年，幾乎所有行業都會受人工智慧影響，並不是簡單地把現有工作交給機器，而是整個行業的基礎邏輯都將被改變。

問：對於氣象部門而言，人工智慧運用是跨領域的，怎樣才能與科研院所開展良好的合作呢？

姚冬：如果自身的工程能力很強， 和學術研究機構合作時，就要把項目中有清晰明確定義的問題提取出來，開展合作。反之，如果自身工程能力不行，只有業務和數據，就建議和成熟的技術提供商合作，讓對方提供工程成熟的東西，直接集成在業務上。

問：在人工智慧時代，資料獲取、生成、加工都可以由機器完成。在氣象領域，要經歷從監測，到存入資料庫，再分析、整理資料，最後產出服務產品的過程。那麼，未來，人工智慧能否實現從監測到數據自動生成服務產品呢？

姚冬：對人工智慧而言， 這就是圖片到文本、序列到序列映射的問題， 理論上是可行的。但前提是依賴於大量的標註，其成本非常高。想要讓機器看懂衛星雲圖，就需要專家標註量級巨大的衛星雲圖，需要很久的訓練，這不像標註貓狗這樣簡單。

衛星雲圖。圖片來自網路

問：面對人工智慧，氣象專家可以發揮什麼作用，是把所有資料「喂」給機器，讓它自己訓練，還是由專家挑選出一些已知的氣象因子？

姚冬：人工智慧包含專家系統，人工智慧結合行業，可能更多的是專家系統與深度學習的融合。比如機器翻譯不光是基於機器，數字翻譯、日期翻譯都是按照人工規則開展。自動駕駛技術里也有大量的人工規則。

問：人工智慧的發展幾經波折，氣象部門從哪裡入手呢，是否需要構建基礎的數據集？

姚冬：一個行業不知道怎麼邁進人工智慧的大門， 我們會先解決人的問題， 找一些年輕、有學術背景、想做事的人， 讓這個團隊去解決其他問題。如果和其他行業合作， 會從理解需求入手， 做一些可以解決問題、快速發布上線的項目。互聯網的思維不是一下子做好， 而是循環迭代， 慢慢把事情做好做大。

問：人工智慧邁向成熟的標誌是什麼？

姚冬：任何新技術、革命性技術在嬰兒時期，都不如成熟的傳統技術好。世界上第一輛汽車沒有馬車快，第一台打字機沒有成熟的打字工好用。但一匹馬能跑多快，千百年前我們就知道了。傳統技術很完善，但潛力很小，發展很慢。而新技術潛力大，天花板還很高。人工智慧就像百年前那輛比馬慢的汽車，但計算力還有百倍的上升空間，準確性、可靠性、實時性等問題都可能解決。

問：憑現有的經驗可以看出，兩張極其相似的雷達圖，預報出來的結果可能差別很大，說明圖像有著不確定性。針對這種情況，天氣預報的機器學習訓練集怎麼做， 需要多大量級，如何規避不確定性？

姚冬：多大量級的數據對某個項目是否合適， 需要具體分析。通常而言，我們把數據集分兩份，一份訓練，一份驗證，驗證集效果不好，就會調整演算法和參數；如果效果還不好，可能就是數據集不夠。同樣的東西導致不同的結果，說明數據不全。

雷達剖面圖。圖片來源：中國氣象局氣象探測中心

醫療影像也是如此，兩張看似相同的X 光片，會得出不同結論，因為醫生還會參考其他數據，比如年齡、生活習慣等等。氣象數據是超高維數據，只用一點數據進行訓練效果不會很好。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！