突發強降水、雷雨大風、龍捲風、冰雹……深圳這座城,近百年潮起潮落、雲捲雲舒之間,不僅完成了從小漁村到「中國矽谷」的躍遷,也歷經了大自然的風雨洗禮。
強對流天氣多發,一直是天氣預報的一大難點,尤其是對於地處大灣區的深圳。
如果天氣預報不準,對於走在大街上的深圳人來說,可只是半路淋溼、行程耽擱,但對於特定場景下的一些人來說,卻會給一些人的工作和生活帶來很大的改變,比如出海漁民、戶外工作人員等等。
人工智慧(AI)的出現,為深圳氣象預測帶來了新思路。
近日,深圳市氣象局宣布與華為雲合作,計劃共同研創更精準的災害性天氣預測模型,應對災害性天氣。
通過將深圳近十年的氣象數據進行訓練,災害性天氣預測模型有望將預測準確率提升10%~20%。基於新的合作,一次模型訓練,能由原來的1—2個星期縮短至3天甚至是幾個小時。
天氣預報為什麼還不夠準?AI技術如何使氣象預測完成「跨代升級」,甚至精準預測方圓一公裡內幾分鐘之後的天氣變化?背後又有什麼樣的行業內幕?這是智東西想要了解的真相,也是本文要探討的話題。
氣象預測行業的痛點由來已久
「準不準」是老百姓們評價天氣預報的最直接指標。
許多人都能感到,類似「北京明天下不下雪」的大面預測,一般都還靠譜。然而一旦涉及到「海澱區未來兩小時是否降雪」等更精細的預報,天氣預報就好像到了「吐槽大會」現場。
精細化程度不足,是氣象預報行業長期以來的痛點。
2012年是我國氣象預報的一個重要轉折點。當年,國家氣象中心大刀闊斧地推出了「大城市精細化預報」,規定「每六小時預報一次,降水量細化到毫米」。而2017年,隨著AI技術、氣象專業技術的發展,氣象預報也迎來智能網格化落地。
所謂「網格預報」,就像地球上的經緯網一樣,把區域分解成許多個5公裡×5公裡甚至1公裡×1公裡的網格,進行分塊氣象預測播報,播報頻率可達到1小時或幾小時一次。也就是說,同樣一場雨,無論用戶身在深圳哪個角落,都能得到更精準的差異化預報。
網格化預報
智能網格化預報目標美好,卻也困難重重。
由於傳統的氣象數值模式方法難以應對如此精細化的氣候測算,AI成為最合適的方法之一。但是目前,市場上已有的氣象預測AI模型,往往都難以達到理想的預測效果。
一方面,模型的訓練需要大量氣象數據,時空解析度高,且涉及觀測站、風場、雷達等多維度,因此數據量極大,對數據分析處理的要求很高。另一方面,如此大規模的氣象預測AI模型需要經過許多次調優,則需要耗費許多試錯成本,也非常吃算力。
簡而言之,要打造強大而準確的氣象預測AI模型,對硬體算力和軟體AI算法具有很高的要求。從市場角度來看,氣象預報短期來看更接近公共服務範疇,一些企業看不到產業紅利,就導致AI氣象預測的發展更加乏力。
復盤10年氣象數據,模型準確率將提升20%
新年伊始,平地一聲雷。
深圳市氣象局大手一揮,將「華為公司」一把拉入氣象預測變革的大潮中來。
1月6日,深圳市氣象局正式宣布已與華為雲開展深度合作,計劃共同研創災害性天氣預測模型,推進「超大城市精準預報服務」,從而支持災害性天氣預警發布與傳播。
深圳市氣象局與華為公司達成合作
在天氣預測模型建立方面,華為雲團隊將深圳市氣象局近10年的氣象數據應用起來,建立機器學習模型,用以推算雲團變化和移動規律,從而進行更精確的天氣預測。
一位參與此項目的華為雲AI專家說:「在以前0~2個小時的短臨天氣預測中,常用的光流法往往只預測雲的移動趨勢,卻不預測雲團的生消(會合和分化),因此預測準確率不高。」
「同時,多數短臨預測方法預測的『雷達回波圖』往往比較模糊,因此需要人工輔助,人工預報員很多時候也難以很好地判斷局部地區的天氣情況,因此天氣預測的準確率也會受影響。」
華為雲在開發AI算法時,正是應氣象行業需求,瞄準了「生消」和「模糊」這兩個難點。
「現在,採用數據驅動的AI方法,預測準確率可以提高10%~20%。」這位華為雲AI專家說。
這個數字「換算」成用戶體驗來說就是,老百姓將能夠隨時隨地了解到,自己所處的方圓一公裡內是什麼天氣,能清楚地了解氣溫、降水、風等多個基本氣象要素。
據了解,在模型訓練的計算資源支持上,利用華為雲AI昇騰集群服務,氣象預測模型開發耗時和訓練周期有望大大縮減。預計一次模型訓練,將由原來的1—2個星期縮短至3天甚至是幾個小時。
在預報的精準分發方面,深圳市氣象局和華為雲則致力於建立以氣象服務基礎數據云平臺、畫像式用戶管理平臺等工具,從而在洞察用戶需求的基礎上,適時主動推送服務。
「預報只是前端的工作,如何把預報結果快速推送給有需要的市民才是最重要的。」一位參與到深圳氣象項目工作人員的告訴智東西,「除了市民主動查詢,我們還將通過簡訊、App等渠道推動給可能有需要的市民。」新系統將基於位置和場景,向用戶精準推送以「無感」為特徵的公眾氣象服務。比如,深圳市將在公園景區等人流密集的地方設置二維碼和大屏幕,通過不同的渠道將氣象信息告訴市民。
華為雲AI通過深度學習預測未來2小時內每公裡內的天氣變化情況
氣象行業的跨代升級是什麼?
隨著AI與雲計算技術在智慧交通、智慧安防、智慧醫療等領域快速落地,華為云為什麼選擇切入看起來比較偏門的氣象領域?
對此,來自華為雲的資深AI專家表示,「氣象+AI」不僅僅是氣象預測本身的問題,它還跟各行業有比較緊密的聯繫。一方面,氣象預報首要是為老百姓服務,另一方面,它在農業、航空等行業服務領域具有可觀的紅利。比如,航空公司就非常依賴氣象預報,需要精確的天氣預報系統。
其實,華為並不是第一個進入氣象領域的新玩家。
以百度、騰訊、阿里、墨跡天氣、彩雲天氣為代表的網際網路公司、行業玩家都在「氣象+AI」上有所布局。
比如,百度基於百度大腦EasyDL的「看雲」的AI系統,它能對20多種類型的雲狀識別準確率均達到達80%以上;廣東氣象局利用阿里平臺對短臨降水做AI預報;墨跡天氣將眾包數據結合傳統氣象數據,將AI短臨預報應用於外賣行業氣象服務……
但是,華為雲的入局卻為氣象行業的智能網格化變革帶來新的「進階」機遇。
一方面,基於華為雲ModelArts一站式AI開發與管理平臺以及AI昇騰集群服務,華為雲有望成為氣象行業AI化變革的「黑土地」。
2019年9月20日,ModelArts 2.0面世,其以全流程的極簡和自動化優勢,分別針對數據準備、模型訓練、模型管理、模型推理四大步驟做了全面升級。雖然在深圳市氣象局的合作中,目前仍由華為雲工作人員進行AI模型訓練,但是隨著團隊與氣象部門工作人員的磨合深入,氣象部門人員有望自己無障礙地「動動手指」完成模型訓練。
智東西曾體驗一代ModelArts平臺,三步即可完成模型訓練
而華為雲AI昇騰集群服務就更具備「賦能行業」的黑土地屬性。2019年9月18日,基於數千顆昇騰910 AI處理器強大算力的華為雲AI昇騰集群服務發布。
據了解,其能用於預測天氣、天文探索、石油勘探、自動駕駛等各個領域。例如,僅用約10秒鐘,它還完成對20萬顆星體的搜索、定位與識別,原文天文學家需要74小時。
另一方面,華為雲人工智慧團隊的行業問題解決能力和執行力有望為氣象行業帶來一些實質性的進展。比如,在華為雲團隊與深圳市氣象局宣布戰略合作之時,其就瞄準了「雲團生消」和「雷達圖模糊」這兩大短臨預測的痛點,基於兩大痛點進行AI氣象預測模型訓練。
痛點即是賣點。
天氣預報自古以來都是一個世界性的難題,很多人說「預報不準才是正常的」。華為雲AI專家說,「天氣的變化影響它的因素實在是太多了,而華為雲能做的就是在拿到的科學觀測數據的基礎上,儘可能地發揮AI的價值。」
可以想像,隨著AI氣象預測模型的初步建立,許多新的問題都將湧現。AI模型與傳統氣象數值模型如何兼容?如何保證訓練數據真實反映氣候變化?如何使人工智慧人才更加深入了解傳統氣象領域的那整套精深的氣象預測方法論?
跨越氣象預報行業的壁壘,與氣象預報精英們進行世紀握手,對人工智慧從業者來說並沒有那麼容易。而華為雲,恰恰擅長與各種「問題」周旋,於持久中作戰。
結語:AI飛入尋常百姓家,氣象服務迎跨代升級
隨著AI、大數據、雲計算等技術的發展,廣大認知中比較傳統的氣象行業也將迎來新機遇。
其實,氣象行業天然擁有AI發揮價值所需的海量數據,有望成為華為雲的AI練兵場,也有可能帶來傳統氣象服務行業的自身跨代進化。
AI進入氣象行業,並不僅僅意味著AI飛入「尋常百姓家」帶來公共服務,還將帶來長遠的市場紅利。一方面,氣象預測之後基於氣象的延伸服務將具有發展空間;另一方面,氣象服務作為交通、軍事、旅遊等眾多行業的基礎服務之一,有望與各行各業結合帶來新的盈利模式。
華為開發者大會2020(Cloud)將於2020年2月11日-12日在深圳舉辦,這是華為面向ICT(信息與通信)領域全球開發者的年度頂級旗艦活動。大會旨在搭建一個全球性的交流和實踐平臺,開放華為30年積累的ICT技術和能力,以「鯤鵬+昇騰」硬核雙引擎,為開發者提供澎湃動力,改變世界,變不可能為可能。