文｜唐偉，周勇，王，龔江麗，沈文海

氣象預報應用人工智能的現(xiàn)狀分析和影響初探

一、引言

近些年，尤其是2013年以來，全球掀起人工智能研發(fā)浪潮，人工智能被認為是引領(lǐng)未來的戰(zhàn)略性技術(shù)。世界主要發(fā)達國家均把發(fā)展人工智能作為提升國家競爭力、維護國家安全的重大戰(zhàn)略，加緊出臺規(guī)劃和政策，圍繞核心技術(shù)、頂尖人才、標準規(guī)范等強化部署，力圖在新一輪國際科技競爭中掌握主導權(quán)。

在我國，近年來國家部署了智能制造等國家重點研發(fā)計劃重點專項，2016年5月印發(fā)實施“互聯(lián)網(wǎng)+”人工智能三年行動實施方案，2017年7月印發(fā)《新一代人工智能發(fā)展規(guī)劃》，從科技研發(fā)、應用推廣和產(chǎn)業(yè)發(fā)展等方面提出了一系列發(fā)展人工智能的戰(zhàn)略舉措。國際上，德國在2012年發(fā)布的10項未來高科技戰(zhàn)略計劃中，以“智能工廠”為重心的工業(yè)4.0是其中的重要計劃之一，包括人工智能、工業(yè)機器人等在內(nèi)的技術(shù)得到大力支持。日本于2015年1月發(fā)布《日本機器人戰(zhàn)略：愿景、戰(zhàn)略、行動計劃》，于2016年9月召開“人工智能技術(shù)戰(zhàn)略會議”，將人工智能研究納入《第5期科學技術(shù)基本計劃》和《科學技術(shù)創(chuàng)新綜合戰(zhàn)略2016》。美國于2016年5月成立了一個新的國家科學技術(shù)委員會（NSTC）機器學習和人工智能小組委員會，并于2016年10月印發(fā)《美國國家人工智能研究和發(fā)展戰(zhàn)略計劃》和《為未來人工智能做好準備》，確定了美國在人工智能領(lǐng)域的7項長期戰(zhàn)略。英國科學和技術(shù)委員會于2016年10月發(fā)布“機器人和人工智能”報告，英國政府于2017年1月發(fā)布“現(xiàn)代工業(yè)戰(zhàn)略”，將人工智能、“智能”能源技術(shù)等納入規(guī)劃。

不僅是在國家戰(zhàn)略層面，事實上，人工智能的迅速發(fā)展已經(jīng)滲透到每個人身邊，正在逐步改變?nèi)祟惖纳鐣睢Ｔ跉庀箢I(lǐng)域，能否利用人工智能提升氣象預報預測的智能化和準確率，漸漸成為了氣象行業(yè)人士和社會大眾的期待，也是我國全面推進氣象現(xiàn)代化、實現(xiàn)智慧氣象的重要途徑之一。但我們也要清醒地認識到，目前，人工智能處于技術(shù)炒作期，各類文章層出不窮，良莠不齊、真假難辨。因此，對氣象工作而言，應充分調(diào)研了解人工智能的發(fā)展現(xiàn)狀，站在適合氣象自身特點的視角來觀察和應用人工智能。

二、人工智能發(fā)展歷程和現(xiàn)狀

（一）發(fā)展歷程

從人工智能的功能角度來看，人工智能是一系列計算算法和技術(shù)，旨在模仿和執(zhí)行人腦的某些智能功能，完成本應需要人類智慧去執(zhí)行的任務。從1956年在達特茅斯學院召開的研討會上正式提出人工智能學科算起，60余年來，人工智能研究已經(jīng)經(jīng)歷了三次技術(shù)浪潮。第一次浪潮集中于1956年～1976年的符號主義、機器證明、邏輯語言，這一時期的基本假設(shè)是人類的思考方式可以以邏輯學的知識通過簡單的0和1表達出來。與利用推理等簡單規(guī)則不同，1976年～20世紀末，第二次浪潮開始走向?qū)I(yè)化，標志是著重于明確定義域的基于規(guī)則的專家系統(tǒng)，其中知識是從人類專家中采集，以“if-then”的規(guī)則進行運算，然后在硬件中執(zhí)行。此類系統(tǒng)推理可成功應用于狹義問題，但其并沒有學習或處理不確定性的能力。且隨著知識量的不斷增加，此類系統(tǒng)因為需要學習專家意見，這樣不僅成本大，操作也非常困難，還會經(jīng)常出現(xiàn)矛盾、前后不一致等情況。人工智能研究的第三次浪潮起始于2006年直到現(xiàn)在，由于計算機處理速度和存儲能力的飛速發(fā)展，人工智能技術(shù)獲得新生，其表現(xiàn)特點是機器學習（ML）的崛起，技術(shù)關(guān)鍵是機器學習的子集——深度學習的發(fā)展。從發(fā)展歷程來看，人工智能研究已經(jīng)從第一次技術(shù)浪潮提出的“類人”研究宏偉志向轉(zhuǎn)向了現(xiàn)在解決替代人類某一項具體行為的技術(shù)研究，取得了在一些狹義的專業(yè)化領(lǐng)域（如阿爾法狗圍棋）戰(zhàn)勝人類的成功。

（二）現(xiàn)狀

當前，人工智能發(fā)展處在以機器學習為代表的第三次浪潮中。從技術(shù)發(fā)展來看，過去20余年，人工智能技術(shù)的理論和原理并沒有創(chuàng)新性的突破，其顯著提高在很大程度上得益于統(tǒng)計和概率方法的采用、海量“大數(shù)據(jù)”的可用性以及相對便宜的大規(guī)模并行計算能力和存儲能力的提高。在過去10年中，人工智能子領(lǐng)域——機器學習使計算機能夠從經(jīng)驗或例子中通過訓練來學習，已經(jīng)表現(xiàn)出越來越準確的結(jié)果，引起了人們對人工智能近期前景更多的興趣。如今，人工智能系統(tǒng)在專業(yè)任務上的表現(xiàn)經(jīng)常勝于人類。人工智能首次超越人類表現(xiàn)的主要里程碑包括：國際象棋（1997 年）、trivia（2011 年）、Atari 游戲（2013 年）、圖像識別（2015 年）、語音識別（2015 年）和阿爾法狗圍棋（2016 年）。

正是由于人工智能的最新研究進展讓其潛力更為樂觀，使行業(yè)得到迅猛發(fā)展，并讓人工智能方法變得商業(yè)化且能獲得高額利潤，所以開發(fā)人工智能技術(shù)產(chǎn)品的各大服務商加大了宣傳力度。而事實上我們要問，哪些人工智能技術(shù)已經(jīng)處于成熟期可以應用？哪些技術(shù)仍處于開發(fā)嬰兒期被過度炒作？為回答這些問題，國際知名信息技術(shù)研究和分析公司高德納（Gartner）對人工智能技術(shù)的發(fā)展現(xiàn)狀進行了技術(shù)成熟度分析?？梢钥吹揭恍┤斯ぶ悄芗夹g(shù)如人機回圈眾包、AI相關(guān)的C&SI服務、人工通用智能等技術(shù)處于技術(shù)萌芽期，深度神經(jīng)網(wǎng)絡(luò)ASIC、深度學習、機器學習技術(shù)等處于期望膨脹期，虛擬客戶助理、增強現(xiàn)實、知識管理工具技術(shù)等處于泡沫破裂低谷期，GPU加速器、虛擬現(xiàn)實、集成學習技術(shù)處于穩(wěn)步爬升復蘇期，語音識別處于生產(chǎn)成熟期。高德納預測，深度學習、機器學習、深度神經(jīng)網(wǎng)絡(luò)ASIC等目前靠近或處于過熱期的技術(shù)，在未來2～5年將會到達技術(shù)成熟期。對于這些技術(shù)，現(xiàn)在正是確定先發(fā)優(yōu)勢、開始制定應用這些技術(shù)路線圖的時候。

三、氣象應用人工智能發(fā)展歷程

（一）發(fā)展歷程

實際上，人工智能在第二次浪潮時期就已在氣象領(lǐng)域得到應用，如天氣預報專家系統(tǒng)、智能天氣信息采集系統(tǒng)、智能預報系統(tǒng)、智能氣象信息發(fā)布系統(tǒng)以及應用在天氣預報中的人工神經(jīng)網(wǎng)絡(luò)等。其中，天氣預報專家系統(tǒng)是源于上世紀70年代發(fā)展起來的專家系統(tǒng)在氣象領(lǐng)域的重要應用。

早在1984年，美國、加拿大氣象部門的科研人員就開始研制強對流預報中的專家系統(tǒng)。20世紀80年代末到90年代初，人工智能方法在美、加、英、法等國家天氣預報中的應用掀起了一場熱潮。1989 年就已有許多人工智能預報系統(tǒng)研發(fā), 僅災害性天氣預報系統(tǒng)就有KASSP、GORAD、CONVEX、OCI、WILLARD 、WX1等。這些預報系統(tǒng)大多基于專家系統(tǒng)和自然語言處理來研制，預報對象以強對流災害性天氣為主，如雷暴、冰雹、霧、海霧、閃電等。也有不少系統(tǒng)基于人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)來做強降水預報、河流預報、龍卷風預報、閃電預報等。這個時期的人工智能系統(tǒng)特點是多數(shù)處于研制階段，只有不到20%的系統(tǒng)經(jīng)過實地驗證，極少數(shù)投入業(yè)務使用。這是因為當時既沒有專門的頂層設(shè)計將人工智能技術(shù)引入預報業(yè)務，也缺乏獨立的計算機環(huán)境，且人工智能系統(tǒng)從本質(zhì)上講是一種工程開發(fā)而不是科學研究，在氣象學界不容易被接受。少數(shù)幾個在美國氣象業(yè)務中開發(fā)和使用的人工智能系統(tǒng)有強對流天氣預報系統(tǒng)ITWS（1993），短期雷暴神經(jīng)網(wǎng)絡(luò)預報系統(tǒng)（1992）等。少數(shù)幾個在加拿大環(huán)境局氣象預報業(yè)務中開發(fā)和使用的人工智能預報系統(tǒng)有高級交互式處理系統(tǒng)FPA（1993）、交互式綜合預報系統(tǒng)SCRIBE（1995）等。

人工智能技術(shù)自80年代初期引入我國氣象部門，大致經(jīng)歷了兩個階段。第一階段是1983～1987年，主要特點是初級專家系統(tǒng)的普及應用。這個期間，有90%以上的省級氣象臺、近50%的地、市級氣象臺進行了氣象專家系統(tǒng)的開發(fā)應用，內(nèi)容涉及暴雨、大風、冰雹、霜凍等多種氣象災害的判別和預報。第二階段是1987年開始的氣象智能預報系統(tǒng)的開發(fā)，主要特點是將模式識別技術(shù)、傳統(tǒng)人工智能與人工神經(jīng)元網(wǎng)絡(luò)結(jié)合在一起。這個階段氣象部門就專家神經(jīng)網(wǎng)絡(luò)系統(tǒng)（EANN）在預報業(yè)務中的實際應用進行了試驗，專家們運用人工神經(jīng)網(wǎng)絡(luò)（ANN）的自適應性及容錯等功能和特性，彌補了專家系統(tǒng)在這方面的不足，彼此取長補短，較為有效地提高了災害性天氣預報的成功率。

進入20世紀90年代，國內(nèi)外氣象部門的有關(guān)專家將研究領(lǐng)域逐漸聚焦在具體氣象災害類別的機器學習以及計算機仿真方面，并開始關(guān)注一些重要的基礎(chǔ)性工作，如：槽、脊、鋒面、高低壓中心、臺風云系等基本氣象形態(tài)的機器自動識別等。和人工智能在其他領(lǐng)域碰到的問題一樣，氣象預報領(lǐng)域的人工智能技術(shù)需要學習大量的專家意見，在成本投入和操作上都非常困難，所以這些基礎(chǔ)性工作在此后較長時間內(nèi)進展遲緩，使得一直到21世紀的前十年，人工智能技術(shù)在氣象預報上的應用就逐漸淡出了視野。

（二）現(xiàn)狀

近年來，機器學習技術(shù)蓬勃發(fā)展。機器學習旨在從一系列觀察結(jié)果中提取出某些類型的知識和模式，深度學習是其涉及深度神經(jīng)網(wǎng)絡(luò)的分支。因為深度學習能夠利用以前是人類專屬領(lǐng)地的認知領(lǐng)域：圖像識別、文本理解和音頻識別等，所以成為了最熱門的技術(shù)概念之一。當美國硅谷、國內(nèi)BAT等互聯(lián)網(wǎng)公司利用深度學習等人工智能技術(shù)在金融、醫(yī)療、安防、無人駕駛等領(lǐng)域大顯身手之時，氣象領(lǐng)域的人工智能應用也在沉寂了10余年后波瀾漸起。

1、延伸期概率預報——深度學習

在數(shù)值天氣預報中，15天到30天之間的延伸期預報一直沒有好的預報方法。洛倫茲的混沌理論早就指出，兩周以上的天氣預報沒有可預報性。因此延伸期預報一直是氣象預報中的一個難點。而天氣風險分析公司Earth Risk的一個預報產(chǎn)品，似乎帶來了延伸期預報的一個發(fā)展契機。

2013年10月，Earth Risk發(fā)布了一個40天的氣溫概率預報模式TempRisk Apollo。該模式通過深度學習方法，利用近百年的氣象歷史數(shù)據(jù)和千億次計算來建立氣候模式，然后將這些模式與當前的氣候條件進行比較，再運用預測性分析方法計算冷熱天氣的概率，是一種區(qū)別于傳統(tǒng)天氣預報的獨立的預報方法。依靠海量觀測“大數(shù)據(jù)”和深度學習算法，TempRisk Apollo不考慮各種變量之間的物理機制和相互作用，而是利用相關(guān)關(guān)系就給出了未來40天的可靠的氣溫概率預報。但是要注意到，這個預報方法不是萬能的，對于更為復雜的降水預報，如果不考慮物理原理，類似這樣的人工智能預報方法也束手無策。即使是對氣溫的預報，該公司也開始重視物理機制和人工智能方法的結(jié)合。2015年，Earth Risk在最新的TempRisk Apollo II的算法中引入了美國國家環(huán)境預報中心（NCEP）和歐洲中期天氣預報中心（ECMWF）的數(shù)值預報結(jié)果，來提供更加綜合和可靠的預報。

2、短臨預報——圖像識別和深度學習

2017年，中國氣象局公共氣象服務中心聯(lián)合天津大學共同研發(fā)了全國強對流服務產(chǎn)品加工系統(tǒng)。該系統(tǒng)運用圖像識別和深度學習等新技術(shù)，能夠快速和智能化地監(jiān)測預警強對流天氣，可以判斷出未來30分鐘內(nèi)強對流天氣發(fā)生和影響的區(qū)域，預測產(chǎn)品的區(qū)域空間分辨率為1公里，每6分鐘滾動更新。就冰雹預警來說，通過深度學習，該系統(tǒng)能清晰地分析出雷達回波上的冰雹特征，從而更好地識別冰雹云，并推算出其移速和移向，給出公里級的冰雹可能影響范圍。這標志著人工智能技術(shù)可以有效提高短時臨近預報的預警能力。

北京彩徹區(qū)明科技有限公司于2014年推出的App“彩云天氣”基于位置的短臨預報也是一個很好的應用案例。彩云天氣App通過對天氣雷達實時回波圖、地面天氣觀測實況、衛(wèi)星遙感云圖以及數(shù)值天氣預報產(chǎn)品等數(shù)據(jù)資料的圖像識別、系統(tǒng)外推以及深度學習等，結(jié)合用戶的位置信息（如利用高德地圖的定位系統(tǒng)等），使得1小時內(nèi)降水短臨預報的準確率達到90%甚至更高，落區(qū)則精確到每一條街道。值得注意的是，中國氣象局的全國強對流服務產(chǎn)品加工系統(tǒng)是基于數(shù)值天氣預報的一個技術(shù)性補充，而彩云天氣App的預報本質(zhì)上是外推法利用人工智能技術(shù)的升級版。由于彩云天氣的這種預報方法脫離了天氣過程的物理基礎(chǔ)，對于強對流天氣的發(fā)生會導致漏報。比如夏季是強對流天氣多發(fā)季，存在大量不穩(wěn)定能量，有很多強對流天氣都是局地發(fā)生發(fā)展，事先在雷達圖上是沒有預兆的。在事先沒有回波的前提下，彩云天氣這種深度學習模式是無法提前做出預報的。因此，對于強對流天氣的短時臨近預報，僅僅是基于圖像識別和深度學習的預報模式不是萬能的，需要數(shù)值預報和人工智能技術(shù)互為補充。

四、人工智能對氣象預報業(yè)務未來發(fā)展的影響分析

在人工智能技術(shù)發(fā)展日新月異的今天，專家普遍認為，人工智能在氣象預報中的應用具有廣闊的前景。當前雖然已經(jīng)有一些很好的嘗試和應用案例，但總體而言還處于探索起步階段。本文基于氣象預報業(yè)務的特征和當前人工智能技術(shù)的發(fā)展趨勢，就人工智能對氣象預報方法、氣象預報系統(tǒng)和氣象預報員的影響作了初步分析。

（一）人工智能對氣象預報方法短期內(nèi)不會產(chǎn)生顛覆性影響

當前，由于在圍棋、金融等領(lǐng)域的成功應用，人工智能技術(shù)的確對氣象預報提出了挑戰(zhàn)，但是短期內(nèi)對氣象預報方法不會產(chǎn)生顛覆性的影響。首先，氣象和圍棋、金融等是差別非常明顯的兩類事物。目前的人工智能系統(tǒng)有其局限性，幾乎所有進步都是在能夠有效完成專業(yè)任務的“狹義人工智能”方面取得。以圍棋為例，基于人工智能技術(shù)，現(xiàn)在的阿爾法狗圍棋已經(jīng)脫離了靠大量棋譜來“喂養(yǎng)”的階段，憑深度學習就能不斷進步。這是由于圍棋雖然內(nèi)部機理比較復雜，但其初始狀態(tài)、輸入?yún)?shù)、游戲規(guī)則、評判標準、因果關(guān)系都明確，這決定了人工智能通過深度學習能夠進行自我判別。而天氣氣候系統(tǒng)是一個耗散的、具有多個不穩(wěn)定源的高階非線性系統(tǒng)，其復雜的內(nèi)部相互作用和隨機變化導致了天氣氣候的可變性和復雜性，所以其初值、邊界值、輸入、輸出、物理機理等都不是100%確定的。比如最常見的降雨就是一個復雜的天氣過程，即使水汽、濕度條件都滿足了，但如果空氣中沒有凝結(jié)核，或者沒有足夠多的凝結(jié)核，也不會形成降雨。所以，深度學習技術(shù)難以應用在氣象預報上。其次，目前我們的災害性天氣事件如暴雨、冰雹、龍卷、臺風等的氣象觀測數(shù)據(jù)和氣候觀測數(shù)據(jù)集還遠遠達不到氣象預報深度學習需要的樣本數(shù)量，這也是人工智能技術(shù)在氣象預報中應用的一個現(xiàn)實問題。第三，氣象預報場輸出變量比初始場的輸入變量的種類更多且不是同樣的變量，且預報場的時空分辨率往往需要比初始場的更為精細，這在目前的深度學習技術(shù)里很難實現(xiàn)。

因此，當前的“狹義人工智能”不會代替經(jīng)典的數(shù)值預報方法，而可以利用深度學習、圖像識別等技術(shù)在短臨預報、延伸期預報等方面發(fā)揮其優(yōu)勢，成為數(shù)值預報的一個有力補充。未來，人工智能將發(fā)展人工通用智能（AGI）技術(shù)，即“強人工智能”，目標是構(gòu)建現(xiàn)實世界現(xiàn)象類的解釋性模型，與人進行自然交流，自我學習和思考，并通過總結(jié)過去的經(jīng)驗解決新問題，到那時候能否產(chǎn)生顛覆經(jīng)典氣象預報的新的預報方法值得進一步研究，但目前這僅存在于科幻小說和“假設(shè)”討論中。

（二）人工智能將成為氣象預報業(yè)務系統(tǒng)中必不可少的組成部分

氣象預報業(yè)務系統(tǒng)是氣象預報方法的載體，已有的成功案例已經(jīng)預示了人工智能將會是氣象預報業(yè)務系統(tǒng)中的重要組成部分。首先，人工智能技術(shù)將使得氣象預報業(yè)務系統(tǒng)向智能化、自動化方向發(fā)展，將預報員從繁重的資料分析和簡單的預報流程重復勞動中解脫出來。天氣預報主要解決的是初值問題，需要大量觀測和再分析資料。大量數(shù)據(jù)雖然增加了可以利用的預報信息，但也可能會導致預報員錯誤地使用信息，在預報過程中預報員可能會顧此失彼。人工智能技術(shù)具有比人類更強的綜合能力，如人工智能相關(guān)的（C&SI）服務技術(shù)能協(xié)調(diào)整理好各種資料并以高效自動的方式提交預報員使用，體現(xiàn)在氣象預報業(yè)務系統(tǒng)的智能化自動化以及業(yè)務流程的優(yōu)化上。業(yè)務系統(tǒng)實現(xiàn)智能化后，預報員只需要在適當?shù)牡胤竭M行控制，而數(shù)據(jù)分析處理、圖像識別等很多重復性工作將由人工智能來完成。其次，當前的業(yè)務系統(tǒng)是按照傳統(tǒng)的氣象業(yè)務流程來設(shè)計，順序是從觀測到預報再到服務，而人工智能技術(shù)通過對觀測資料的深度學習，加上高性能計算機并行計算的高效運行，有可能改變當前的預報流程，通過預判用戶需求提前匯集數(shù)據(jù)、生成產(chǎn)品，使得工作得到“并行化”高效執(zhí)行，有可能實現(xiàn)“觀測即預報”、“觀測即服務”。第三，人工智能技術(shù)如自然語言處理（NLP）和自然語言生成（NLG）技術(shù)可以應用于智能化自動化的按需生成服務產(chǎn)品上，如對預報產(chǎn)品的圖形圖像基于位置和需求進行智能裁剪，適應人類的查看習慣等。因此，人工智能技術(shù)已經(jīng)正在并將進一步在氣象預報業(yè)務系統(tǒng)中發(fā)揮必不可少的作用。

（三）人工智能將會使氣象預報員的工作發(fā)生較大轉(zhuǎn)變

在人工智能帶來巨大收益的同時，也會有許多憂慮隨之而來，例如因為人工智能在很多方面都遠遠勝過人類，氣象行業(yè)不少人擔心人工智能將導致預報員下崗失去工作。本研究通過前文的調(diào)研分析認為，在目前的人工智能技術(shù)框架下，人工智能并不能取代氣象預報員，而是會讓預報員的工作發(fā)生較大轉(zhuǎn)變。目前來說，由于對物理過程和動力框架基礎(chǔ)的天氣氣候動力學知識的掌握，氣象預報員對復雜天氣形勢能夠有較為準確的把握。而由于目前對天氣過程進行深度學習還很難，所以應用人工智能技術(shù)并不意味著預報員在這一過程中毫無“用武之地”。在智能預報的初級階段，預報員多年的預報經(jīng)驗可以用來“喂養(yǎng)”機器和模式；而在模型和智能化水平越來越高、人工訂正的空間越來越小時，一部分預報員將會投入人工智能應用技術(shù)研發(fā)，而另一部分預報員將主要轉(zhuǎn)向?qū)﹃P(guān)鍵轉(zhuǎn)折性天氣過程等的氣象服務工作。對氣象工作者而言，這是沖擊也是機遇。人工智能發(fā)展能使氣象工作者從預報業(yè)務的重復性勞動中解脫出來，更好地了解用戶需求，更好地從事服務業(yè)務。同時，預報員要從僅僅提高預報準確率的思維里跳出去，未來要思考的是如何利用人工智能將更多的人類社會活動數(shù)據(jù)與氣象數(shù)據(jù)相結(jié)合，如何從做氣象預報轉(zhuǎn)向做基于影響的預報。因此，人工智能與預報員的合作，將比任何一方單獨行事更出色。

五、結(jié)束語

從歷史上看，是一次次的科學技術(shù)進步推動了氣象事業(yè)的發(fā)展。在計算能力高速發(fā)展、數(shù)據(jù)共享成為趨勢的今天，人工智能技術(shù)將在氣象預報領(lǐng)域發(fā)揮越來越重要的作用。特別是在國家開始戰(zhàn)略部署人工智能研發(fā)和應用的今天，氣象部門要把握機遇，充分利用人工智能技術(shù)推動氣象科學和氣象事業(yè)的下一步發(fā)展。一是未來氣象部門應發(fā)展結(jié)合數(shù)值預報與人工智能方法的多領(lǐng)域技術(shù)融合智能預報方法，既要圍繞數(shù)值預報的核心技術(shù)加強自主研發(fā)和業(yè)務化應用，也要充分利用人工智能的圖像識別、數(shù)據(jù)挖掘、關(guān)聯(lián)分析等強項來為數(shù)值預報作補充。二是要盡快研制長時間序列、高時空密度的氣候數(shù)據(jù)集和災害性天氣數(shù)據(jù)庫，為人工智能參與天氣預報和氣候預測的訓練準備充足的樣本。三是要加強局校合作、局企合作和國際交流，著手部署相關(guān)項目研發(fā)投入和人才培養(yǎng)，提前做好人工智能技術(shù)和氣象學知識齊備的復合型人才儲備。

作者單位：唐偉、周勇、王、龔江麗：中國氣象局發(fā)展研究中心沈文海：國家氣象信息中心