气象预报应用人工智能的现状分析和影响初探

文｜唐伟，周勇，王，龚江丽，沈文海

气象预报应用人工智能的现状分析和影响初探

一、引言

近些年，尤其是2013年以来，全球掀起人工智能研发浪潮，人工智能被认为是引领未来的战略性技术。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。

在我国，近年来国家部署了智能制造等国家重点研发计划重点专项，2016年5月印发实施“互联网+”人工智能三年行动实施方案，2017年7月印发《新一代人工智能发展规划》，从科技研发、应用推广和产业发展等方面提出了一系列发展人工智能的战略举措。国际上，德国在2012年发布的10项未来高科技战略计划中，以“智能工厂”为重心的工业4.0是其中的重要计划之一，包括人工智能、工业机器人等在内的技术得到大力支持。日本于2015年1月发布《日本机器人战略：愿景、战略、行动计划》，于2016年9月召开“人工智能技术战略会议”，将人工智能研究纳入《第5期科学技术基本计划》和《科学技术创新综合战略2016》。美国于2016年5月成立了一个新的国家科学技术委员会（NSTC）机器学习和人工智能小组委员会，并于2016年10月印发《美国国家人工智能研究和发展战略计划》和《为未来人工智能做好准备》，确定了美国在人工智能领域的7项长期战略。英国科学和技术委员会于2016年10月发布“机器人和人工智能”报告，英国政府于2017年1月发布“现代工业战略”，将人工智能、“智能”能源技术等纳入规划。

不仅是在国家战略层面，事实上，人工智能的迅速发展已经渗透到每个人身边，正在逐步改变人类的社会生活。在气象领域，能否利用人工智能提升气象预报预测的智能化和准确率，渐渐成为了气象行业人士和社会大众的期待，也是我国全面推进气象现代化、实现智慧气象的重要途径之一。但我们也要清醒地认识到，目前，人工智能处于技术炒作期，各类文章层出不穷，良莠不齐、真假难辨。因此，对气象工作而言，应充分调研了解人工智能的发展现状，站在适合气象自身特点的视角来观察和应用人工智能。

二、人工智能发展历程和现状

（一）发展历程

从人工智能的功能角度来看，人工智能是一系列计算算法和技术，旨在模仿和执行人脑的某些智能功能，完成本应需要人类智慧去执行的任务。从1956年在达特茅斯学院召开的研讨会上正式提出人工智能学科算起，60余年来，人工智能研究已经经历了三次技术浪潮。第一次浪潮集中于1956年～1976年的符号主义、机器证明、逻辑语言，这一时期的基本假设是人类的思考方式可以以逻辑学的知识通过简单的0和1表达出来。与利用推理等简单规则不同，1976年～20世纪末，第二次浪潮开始走向专业化，标志是着重于明确定义域的基于规则的专家系统，其中知识是从人类专家中采集，以“if-then”的规则进行运算，然后在硬件中执行。此类系统推理可成功应用于狭义问题，但其并没有学习或处理不确定性的能力。且随着知识量的不断增加，此类系统因为需要学习专家意见，这样不仅成本大，操作也非常困难，还会经常出现矛盾、前后不一致等情况。人工智能研究的第三次浪潮起始于2006年直到现在，由于计算机处理速度和存储能力的飞速发展，人工智能技术获得新生，其表现特点是机器学习（ML）的崛起，技术关键是机器学习的子集——深度学习的发展。从发展历程来看，人工智能研究已经从第一次技术浪潮提出的“类人”研究宏伟志向转向了现在解决替代人类某一项具体行为的技术研究，取得了在一些狭义的专业化领域（如阿尔法狗围棋）战胜人类的成功。

（二）现状

当前，人工智能发展处在以机器学习为代表的第三次浪潮中。从技术发展来看，过去20余年，人工智能技术的理论和原理并没有创新性的突破，其显著提高在很大程度上得益于统计和概率方法的采用、海量“大数据”的可用性以及相对便宜的大规模并行计算能力和存储能力的提高。在过去10年中，人工智能子领域——机器学习使计算机能够从经验或例子中通过训练来学习，已经表现出越来越准确的结果，引起了人们对人工智能近期前景更多的兴趣。如今，人工智能系统在专业任务上的表现经常胜于人类。人工智能首次超越人类表现的主要里程碑包括：国际象棋（1997 年）、trivia（2011 年）、Atari 游戏（2013 年）、图像识别（2015 年）、语音识别（2015 年）和阿尔法狗围棋（2016 年）。

正是由于人工智能的最新研究进展让其潜力更为乐观，使行业得到迅猛发展，并让人工智能方法变得商业化且能获得高额利润，所以开发人工智能技术产品的各大服务商加大了宣传力度。而事实上我们要问，哪些人工智能技术已经处于成熟期可以应用？哪些技术仍处于开发婴儿期被过度炒作？为回答这些问题，国际知名信息技术研究和分析公司高德纳（Gartner）对人工智能技术的发展现状进行了技术成熟度分析。可以看到一些人工智能技术如人机回圈众包、AI相关的C&SI服务、人工通用智能等技术处于技术萌芽期，深度神经网络ASIC、深度学习、机器学习技术等处于期望膨胀期，虚拟客户助理、增强现实、知识管理工具技术等处于泡沫破裂低谷期，GPU加速器、虚拟现实、集成学习技术处于稳步爬升复苏期，语音识别处于生产成熟期。高德纳预测，深度学习、机器学习、深度神经网络ASIC等目前靠近或处于过热期的技术，在未来2～5年将会到达技术成熟期。对于这些技术，现在正是确定先发优势、开始制定应用这些技术路线图的时候。

三、气象应用人工智能发展历程

（一）发展历程

实际上，人工智能在第二次浪潮时期就已在气象领域得到应用，如天气预报专家系统、智能天气信息采集系统、智能预报系统、智能气象信息发布系统以及应用在天气预报中的人工神经网络等。其中，天气预报专家系统是源于上世纪70年代发展起来的专家系统在气象领域的重要应用。

早在1984年，美国、加拿大气象部门的科研人员就开始研制强对流预报中的专家系统。20世纪80年代末到90年代初，人工智能方法在美、加、英、法等国家天气预报中的应用掀起了一场热潮。1989 年就已有许多人工智能预报系统研发, 仅灾害性天气预报系统就有KASSP、GORAD、CONVEX、OCI、WILLARD 、WX1等。这些预报系统大多基于专家系统和自然语言处理来研制，预报对象以强对流灾害性天气为主，如雷暴、冰雹、雾、海雾、闪电等。也有不少系统基于人工神经网络系统来做强降水预报、河流预报、龙卷风预报、闪电预报等。这个时期的人工智能系统特点是多数处于研制阶段，只有不到20%的系统经过实地验证，极少数投入业务使用。这是因为当时既没有专门的顶层设计将人工智能技术引入预报业务，也缺乏独立的计算机环境，且人工智能系统从本质上讲是一种工程开发而不是科学研究，在气象学界不容易被接受。少数几个在美国气象业务中开发和使用的人工智能系统有强对流天气预报系统ITWS（1993），短期雷暴神经网络预报系统（1992）等。少数几个在加拿大环境局气象预报业务中开发和使用的人工智能预报系统有高级交互式处理系统FPA（1993）、交互式综合预报系统SCRIBE（1995）等。

人工智能技术自80年代初期引入我国气象部门，大致经历了两个阶段。第一阶段是1983～1987年，主要特点是初级专家系统的普及应用。这个期间，有90%以上的省级气象台、近50%的地、市级气象台进行了气象专家系统的开发应用，内容涉及暴雨、大风、冰雹、霜冻等多种气象灾害的判别和预报。第二阶段是1987年开始的气象智能预报系统的开发，主要特点是将模式识别技术、传统人工智能与人工神经元网络结合在一起。这个阶段气象部门就专家神经网络系统（EANN）在预报业务中的实际应用进行了试验，专家们运用人工神经网络（ANN）的自适应性及容错等功能和特性，弥补了专家系统在这方面的不足，彼此取长补短，较为有效地提高了灾害性天气预报的成功率。

进入20世纪90年代，国内外气象部门的有关专家将研究领域逐渐聚焦在具体气象灾害类别的机器学习以及计算机仿真方面，并开始关注一些重要的基础性工作，如：槽、脊、锋面、高低压中心、台风云系等基本气象形态的机器自动识别等。和人工智能在其他领域碰到的问题一样，气象预报领域的人工智能技术需要学习大量的专家意见，在成本投入和操作上都非常困难，所以这些基础性工作在此后较长时间内进展迟缓，使得一直到21世纪的前十年，人工智能技术在气象预报上的应用就逐渐淡出了视野。

（二）现状

近年来，机器学习技术蓬勃发展。机器学习旨在从一系列观察结果中提取出某些类型的知识和模式，深度学习是其涉及深度神经网络的分支。因为深度学习能够利用以前是人类专属领地的认知领域：图像识别、文本理解和音频识别等，所以成为了最热门的技术概念之一。当美国硅谷、国内BAT等互联网公司利用深度学习等人工智能技术在金融、医疗、安防、无人驾驶等领域大显身手之时，气象领域的人工智能应用也在沉寂了10余年后波澜渐起。

1、延伸期概率预报——深度学习

在数值天气预报中，15天到30天之间的延伸期预报一直没有好的预报方法。洛伦兹的混沌理论早就指出，两周以上的天气预报没有可预报性。因此延伸期预报一直是气象预报中的一个难点。而天气风险分析公司Earth Risk的一个预报产品，似乎带来了延伸期预报的一个发展契机。

2013年10月，Earth Risk发布了一个40天的气温概率预报模式TempRisk Apollo。该模式通过深度学习方法，利用近百年的气象历史数据和千亿次计算来建立气候模式，然后将这些模式与当前的气候条件进行比较，再运用预测性分析方法计算冷热天气的概率，是一种区别于传统天气预报的独立的预报方法。依靠海量观测“大数据”和深度学习算法，TempRisk Apollo不考虑各种变量之间的物理机制和相互作用，而是利用相关关系就给出了未来40天的可靠的气温概率预报。但是要注意到，这个预报方法不是万能的，对于更为复杂的降水预报，如果不考虑物理原理，类似这样的人工智能预报方法也束手无策。即使是对气温的预报，该公司也开始重视物理机制和人工智能方法的结合。2015年，Earth Risk在最新的TempRisk Apollo II的算法中引入了美国国家环境预报中心（NCEP）和欧洲中期天气预报中心（ECMWF）的数值预报结果，来提供更加综合和可靠的预报。

2、短临预报——图像识别和深度学习

2017年，中国气象局公共气象服务中心联合天津大学共同研发了全国强对流服务产品加工系统。该系统运用图像识别和深度学习等新技术，能够快速和智能化地监测预警强对流天气，可以判断出未来30分钟内强对流天气发生和影响的区域，预测产品的区域空间分辨率为1公里，每6分钟滚动更新。就冰雹预警来说，通过深度学习，该系统能清晰地分析出雷达回波上的冰雹特征，从而更好地识别冰雹云，并推算出其移速和移向，给出公里级的冰雹可能影响范围。这标志着人工智能技术可以有效提高短时临近预报的预警能力。

北京彩彻区明科技有限公司于2014年推出的App“彩云天气”基于位置的短临预报也是一个很好的应用案例。彩云天气App通过对天气雷达实时回波图、地面天气观测实况、卫星遥感云图以及数值天气预报产品等数据资料的图像识别、系统外推以及深度学习等，结合用户的位置信息（如利用高德地图的定位系统等），使得1小时内降水短临预报的准确率达到90%甚至更高，落区则精确到每一条街道。值得注意的是，中国气象局的全国强对流服务产品加工系统是基于数值天气预报的一个技术性补充，而彩云天气App的预报本质上是外推法利用人工智能技术的升级版。由于彩云天气的这种预报方法脱离了天气过程的物理基础，对于强对流天气的发生会导致漏报。比如夏季是强对流天气多发季，存在大量不稳定能量，有很多强对流天气都是局地发生发展，事先在雷达图上是没有预兆的。在事先没有回波的前提下，彩云天气这种深度学习模式是无法提前做出预报的。因此，对于强对流天气的短时临近预报，仅仅是基于图像识别和深度学习的预报模式不是万能的，需要数值预报和人工智能技术互为补充。

四、人工智能对气象预报业务未来发展的影响分析

在人工智能技术发展日新月异的今天，专家普遍认为，人工智能在气象预报中的应用具有广阔的前景。当前虽然已经有一些很好的尝试和应用案例，但总体而言还处于探索起步阶段。本文基于气象预报业务的特征和当前人工智能技术的发展趋势，就人工智能对气象预报方法、气象预报系统和气象预报员的影响作了初步分析。

（一）人工智能对气象预报方法短期内不会产生颠覆性影响

当前，由于在围棋、金融等领域的成功应用，人工智能技术的确对气象预报提出了挑战，但是短期内对气象预报方法不会产生颠覆性的影响。首先，气象和围棋、金融等是差别非常明显的两类事物。目前的人工智能系统有其局限性，几乎所有进步都是在能够有效完成专业任务的“狭义人工智能”方面取得。以围棋为例，基于人工智能技术，现在的阿尔法狗围棋已经脱离了靠大量棋谱来“喂养”的阶段，凭深度学习就能不断进步。这是由于围棋虽然内部机理比较复杂，但其初始状态、输入参数、游戏规则、评判标准、因果关系都明确，这决定了人工智能通过深度学习能够进行自我判别。而天气气候系统是一个耗散的、具有多个不稳定源的高阶非线性系统，其复杂的内部相互作用和随机变化导致了天气气候的可变性和复杂性，所以其初值、边界值、输入、输出、物理机理等都不是100%确定的。比如最常见的降雨就是一个复杂的天气过程，即使水汽、湿度条件都满足了，但如果空气中没有凝结核，或者没有足够多的凝结核，也不会形成降雨。所以，深度学习技术难以应用在气象预报上。其次，目前我们的灾害性天气事件如暴雨、冰雹、龙卷、台风等的气象观测数据和气候观测数据集还远远达不到气象预报深度学习需要的样本数量，这也是人工智能技术在气象预报中应用的一个现实问题。第三，气象预报场输出变量比初始场的输入变量的种类更多且不是同样的变量，且预报场的时空分辨率往往需要比初始场的更为精细，这在目前的深度学习技术里很难实现。

因此，当前的“狭义人工智能”不会代替经典的数值预报方法，而可以利用深度学习、图像识别等技术在短临预报、延伸期预报等方面发挥其优势，成为数值预报的一个有力补充。未来，人工智能将发展人工通用智能（AGI）技术，即“强人工智能”，目标是构建现实世界现象类的解释性模型，与人进行自然交流，自我学习和思考，并通过总结过去的经验解决新问题，到那时候能否产生颠覆经典气象预报的新的预报方法值得进一步研究，但目前这仅存在于科幻小说和“假设”讨论中。

（二）人工智能将成为气象预报业务系统中必不可少的组成部分

气象预报业务系统是气象预报方法的载体，已有的成功案例已经预示了人工智能将会是气象预报业务系统中的重要组成部分。首先，人工智能技术将使得气象预报业务系统向智能化、自动化方向发展，将预报员从繁重的资料分析和简单的预报流程重复劳动中解脱出来。天气预报主要解决的是初值问题，需要大量观测和再分析资料。大量数据虽然增加了可以利用的预报信息，但也可能会导致预报员错误地使用信息，在预报过程中预报员可能会顾此失彼。人工智能技术具有比人类更强的综合能力，如人工智能相关的（C&SI）服务技术能协调整理好各种资料并以高效自动的方式提交预报员使用，体现在气象预报业务系统的智能化自动化以及业务流程的优化上。业务系统实现智能化后，预报员只需要在适当的地方进行控制，而数据分析处理、图像识别等很多重复性工作将由人工智能来完成。其次，当前的业务系统是按照传统的气象业务流程来设计，顺序是从观测到预报再到服务，而人工智能技术通过对观测资料的深度学习，加上高性能计算机并行计算的高效运行，有可能改变当前的预报流程，通过预判用户需求提前汇集数据、生成产品，使得工作得到“并行化”高效执行，有可能实现“观测即预报”、“观测即服务”。第三，人工智能技术如自然语言处理（NLP）和自然语言生成（NLG）技术可以应用于智能化自动化的按需生成服务产品上，如对预报产品的图形图像基于位置和需求进行智能裁剪，适应人类的查看习惯等。因此，人工智能技术已经正在并将进一步在气象预报业务系统中发挥必不可少的作用。

（三）人工智能将会使气象预报员的工作发生较大转变

在人工智能带来巨大收益的同时，也会有许多忧虑随之而来，例如因为人工智能在很多方面都远远胜过人类，气象行业不少人担心人工智能将导致预报员下岗失去工作。本研究通过前文的调研分析认为，在目前的人工智能技术框架下，人工智能并不能取代气象预报员，而是会让预报员的工作发生较大转变。目前来说，由于对物理过程和动力框架基础的天气气候动力学知识的掌握，气象预报员对复杂天气形势能够有较为准确的把握。而由于目前对天气过程进行深度学习还很难，所以应用人工智能技术并不意味着预报员在这一过程中毫无“用武之地”。在智能预报的初级阶段，预报员多年的预报经验可以用来“喂养”机器和模式；而在模型和智能化水平越来越高、人工订正的空间越来越小时，一部分预报员将会投入人工智能应用技术研发，而另一部分预报员将主要转向对关键转折性天气过程等的气象服务工作。对气象工作者而言，这是冲击也是机遇。人工智能发展能使气象工作者从预报业务的重复性劳动中解脱出来，更好地了解用户需求，更好地从事服务业务。同时，预报员要从仅仅提高预报准确率的思维里跳出去，未来要思考的是如何利用人工智能将更多的人类社会活动数据与气象数据相结合，如何从做气象预报转向做基于影响的预报。因此，人工智能与预报员的合作，将比任何一方单独行事更出色。

五、结束语

从历史上看，是一次次的科学技术进步推动了气象事业的发展。在计算能力高速发展、数据共享成为趋势的今天，人工智能技术将在气象预报领域发挥越来越重要的作用。特别是在国家开始战略部署人工智能研发和应用的今天，气象部门要把握机遇，充分利用人工智能技术推动气象科学和气象事业的下一步发展。一是未来气象部门应发展结合数值预报与人工智能方法的多领域技术融合智能预报方法，既要围绕数值预报的核心技术加强自主研发和业务化应用，也要充分利用人工智能的图像识别、数据挖掘、关联分析等强项来为数值预报作补充。二是要尽快研制长时间序列、高时空密度的气候数据集和灾害性天气数据库，为人工智能参与天气预报和气候预测的训练准备充足的样本。三是要加强局校合作、局企合作和国际交流，着手部署相关项目研发投入和人才培养，提前做好人工智能技术和气象学知识齐备的复合型人才储备。

作者单位：唐伟、周勇、王、龚江丽：中国气象局发展研究中心沈文海：国家气象信息中心