天气预报缺“玩数据”的人才

目前的AI人才聚集在诸如自动驾驶等热门领域，而矿业勘探、天气预报等关系国计民生的领域则很难聚集顶尖人才。

■ 张唯

气象界正在努力解决精准预报的难题，而人工智能为他们提供了思路。

日前，“AI Challenger2018全球AI挑战赛”年度总决赛颁奖典礼在北京举行。本届AI挑战赛以“用AI挑战真实世界的问题”为主题，大赛设置10个赛道，除了关注AI在机器翻译、无人驾驶等领域的传统应用，还新增天气预报和农作物病害检测等场景。

其中，天气预报赛道备受关注。

“天气预报需要AI”

如何把天气预报做得更准确是一个真实世界中的难题。“天气预报需要AI。”北京市气象局副局长王迎春在颁奖典礼上说，“气象这个学科就是玩数据的，我们非常需要先进的算法和AI人才的投入。”

王迎春提到，她在这次大赛中发现，一些人工智能算法所得出的结果超过了传统气象科学所用的模型和统计方法，这次竞赛研发的技术在提升预测能力方面也可能具有潜在应用价值。她希望未来能够有更多的AI人才参与天气预报方面的工作，并寻找一些长期合作伙伴。

中国气象局北京城市气象研究所副所长陈敏详细介绍了天气预报的工作方法。她介绍，天气预报本质手段是用超级计算器进行海量的数据计算。但计算的结果与真实的天气状况之间存在偏差，不是百分之百准确，缩小这个差距是非常重要的工作。“天气预报本身就是大数据问题，涉及不同时间和空间上的海量数据，正是人工智能非常好的应用场景。”在这次大赛中，她希望能用人工智能算法把超级计算机的预报结果尽可能地、自动地、不用人工干预地修正到与实际观测数据更接近，以达到“天气预报越来越准”的终极目标。

“在这次大赛中，机器学习的准确率在天气预报的某些方面比传统数值运算高出了几个百分点。”创新工场人工智能工程院执行院长王咏刚表示，天气预报的传统方法是高性能数据运算。此前已有用机器学习等方式做天气预报的研究，但成果不多。他认为，从算法本身来看，以深度学习、机器学习为代表的新一代人工智能算法在天气预报的某些点上比传统的数值计算方法更有优势。

王咏刚与北京气象局都希望能够把机器学习算法的优势融入到传统计算框架中以实现工程化和产品化，帮助产生更准确的天气预报。

AI人才集聚冷热不均

近几年，气象界开始意识到AI人才对天气预报工作的重要性。但陈敏表示，最近几年没有在招揽AI人才方面取得实际进展。

不过，陈敏观察到，这次大赛成绩较好的几支队伍并没有接受过大气科学的专业训练。但他们对数据特征进行了深入分析和了解，同时尝试了一些天气预报从业人员没有尝试过的新方法，这让她看到了人工智能在修正超级计算机预测结果中的潜力。

这些大气科学“门外汉”的表现也使她意识到，他们所寻找的AI人才不一定需要接受过系统的大气科学教育，也不用特别深入地了解天气的机理，只需了解一些基本天气知识、掌握AI工具和算法，并能够从数据出发，挖掘规律、深入分析。

“AI领域存在非常严重的人才分布不均衡。”王咏刚谈到了人工智能人才分布的问题，这也是本次大赛设置天气预报、农作物病害检测等赛道的初衷。他认为，出于市场分布和薪资的原因，目前的AI人才聚集在诸如自动驾驶等热门领域，而矿业勘探、天气预报等关系国计民生的领域则很难聚集顶尖人才。

人工智能算法在天气预报领域的尝试性试验让创新工场董事长兼CEO李开复受到启发。他认为，人工智能可以应用在比我们所能想象的更多的领域。“几十年来，人类一直用传统的算法做天气预报，但现在人们发现，人工智能用更少的计算量也可以得到很好的结果。”

“AI是个工具”还有挖掘空间

不过，目前人们只是看到了人工智能在天气预报中的潜能，离具体应用落地还很远。

陈敏介绍，这次大赛的测试时间是2018年10月下旬至11月初，为期十余天。这段时间里，测试地北京市的天气情况较为简单，没有强降水，只有一天出现了大风天气。“这种简单的天气情况使得比赛在算法的测试性上有一定的缺陷。”

她希望未来能够在夏季测试AI算法，观察AI在强对流、冰雹、闪电等复杂天气中的预测准确度。

加州大学伯克利分校 Berkeley DeepDrive人工智能自动系统研究中心联系主任詹景尧从人工智能的天气预报应用中看到了AI的工具性。他认为，AI让那些愿意投入精力和时间来研究某个新领域的年轻一代可以马上转型，AI让他们可以做完全不同领域的事情。