要说天气预报和人工智能，这两者简直就是天生一对。天气预报离不开海量、多样的数据，而AI天生就是处理大数据的行家里手；现有资料的时空密度不够，AI又擅长从不完全、不确定的信息中推断出结论；更关键的是，它还能把专家的经验和知识“学”到手，提升整体预报水平，甚至能利用那些传统统计和数值模式“消化不了”的抽象预报知识。
更快、更准，这是天气预报永恒的追求。但现实是，观测卫星、雷达和传感器网络一刻不停地产生着天文数字般的数据，如何高效处理这些“数据洪流”，成了提升预报精度的关键挑战。而人工智能强大的大数据处理能力，恰好为解决这个难题提供了关键工具。
就拿最近我国南方多地持续暴雨来说，水平上涨、险情频发，救援工作刻不容缓。在这场与时间的赛跑中，各种“智能+”技术正广泛渗透进天气预测和抗洪抢险的各个环节，为高效调度和科学决策提供支撑。
那么，人工智能在极端天气预报、灾害预警和救援中，到底有哪些硬核应用？在回答这个问题之前，必须先承认一个前提：应用规模正在急剧放大，深度神经网络让预报准确率飙升了40%。
2010年以来，随着新一代信息技术带来的数据环境变革，海量的图像、语音、文本等多模态数据不断涌现，算力的飞跃让AI终于迎来了爆发期。在天气预报领域，它到底扮演了什么角色？
国家气象中心高级工程师朱文剑指出，最近两三年，国外AI在天气预报领域的应用呈爆发式增长，而且趋势非常明确——从传统的机器学习全面转向深度学习。目前，AI的应用已经覆盖了观测数据质量控制、数值模式资料同化、模式参数化、模式后处理、天气系统识别、灾害性天气（如台风、强对流、雾霾）的监测和临近预报，甚至包括预报公文的自动生成。
朱文剑特别提到，相比传统机器学习，深度学习在海量数据处理、图像识别与处理、非线性时空预测方面优势明显。比如，欧洲中期天气预报中心已经将深度学习用于卫星观测资料的同化分析。而在气象卫星资料的应用上，AI还有更大的想象空间，比如图像修复、基于卫星观测的天气系统识别、时空降尺度以及数据同化等。
国内气象行业对AI的关注度也在快速升温。中央气象台已经在定量降水融合预报、强对流天气分类潜势预报、台风智能检索、预报公文自动制作等方面采用了AI技术，效果相当鼓舞人心。举个例子，中央气象台和清华大学联合开发的一种基于深度神经网络的雷达回波外推方法，相比传统方法，预报准确率提高了约40%。
再说算力：灾害性天气的临近预报，AI已经超越了人类。
以前巡堤，得靠人到现场看，然后口述、笔记，反馈效率很低。现在，江西九江共青城市的系统可以自动记录水情变化，实时显示堤防沿线视频。一旦发现异常，管理员直接上传画面和文字，研判效率大幅提升。
“更高、更快、更强”是天气预报的不懈追求——更高分辨率、更快输出、更准预测，这些都对现代大气科学提出了极高要求。朱文剑直言，人工智能凭借超强算力和算法，在某些方面已经远远超过人类。比如，美国一个关于雷暴生命史的实时预测模型，其预报结果已经明显优于人类主观经验。调查还显示，在模棱两可的情况下，预报员更愿意相信AI的预报结果。
国外已经研发出基于深度神经网络和卫星观测资料的数据同化算法，在一定的准确率容忍范围内，AI方法的计算效率远超传统方法。欧洲中期天气预报中心对AI在数值模式各环节的应用潜力进行了全面评估，给出了非常乐观的预期，并已经在物理过程参数化等环节开展技术试验。
对于冰雹、短时强降水、雷暴大风这类灾害性天气的临近预报（6小时以内），国外科学家基于AI技术，结合多种遥感观测和快速更新的数值模式资料，预报准确率已经超过了人类预报员。不过，这些技术目前仍处于研究或实验阶段，尚未形成正式的业务能力。至于持续性暴雨、极端强度暴雨的预报，难度依然很大，但从业者们正在借助包括AI在内的多种技术攻克难关。
在国内，AI也已被用于观测数据质量控制，比如滤除气象雷达回波中的地物等非气象回波，一些气象科技企业在这方面做了大量工作。此外，AI还被用于数值模式产品的后处理，以提升准确率和时空分辨率。中央气象台和清华大学合作的格点降水订正和超分辨率处理算法，在保证准确率的同时，计算效率更高，并能输出超高分辨率的智能网格预报产品。
最后看向未来：物联网加持，每个人都可能成为“气象数据源”。
天气影响着消费、交通物流，甚至体育比赛的结果，所以精准的天气预报至关重要。那么在灾害预警中，大数据如何分析研判，帮助AI做出更精准的预测？
朱文剑解释，大数据有四大特性：体量大、类型多、处理快、价值高。在灾害预警中，前三个特点可以被充分利用，最终实现高价值。具体来说，可以构建智能分析模型，把历史上长时序、多来源的资料——比如人口分布、历史气候、地形、受灾数据，以及来自气象、水文等多种观测的实时数据——统统纳入进来。再结合气象部门提供的实时高分辨率智能网格预报数据，利用模型快速进行影响分析，为决策提供支撑。
为了加强对台风、强对流、雾霾等灾害性天气的智能化监测和预报，各地气象部门都在积极探索。朱文剑列举了几个例子：中央气象台自主研发了基于卷积神经网络的雨带订正技术和雾霾格点化预报技术，以及冰雹、短时强降水、雷暴大风等分类强对流短时短期预报技术；上海市气象局研发了基于机器学习的无缝隙短时临近预报技术；深圳市气象局和香港天文台合作研发了雷达回波临近预报技术。此外，中央气象台还与北京邮电大学合作研发了基于机器学习的台风定强技术，与清华大学合作研发了基于深度学习的雷达回波临近预报技术。
目前，气象单位主要通过卫星、雷达等设备监测天气。但今后，物联网技术或将彻底改变游戏规则。朱文剑认为，在物联网的帮助下，任何物品——手机、车辆、雨伞——都可能成为获取气象数据的通道。尤其是随着可穿戴设备的发展，未来每个人都可能成为“气象数据源”。以色列创业公司ClimaCell已经通过物联网技术，把行人的手机、路灯、监视器变成气象侦测器，能够获得时间分辨率达到分钟级、空间分辨率精细到街道的温、降水、风向风速等观测数据。
回过头来看，天气预报和人工智能的耦合可以说是天作之合。天气预报需要海量、多样的资料，AI天生就是处理大数据的工具；现有资料时空密度不够，AI擅长从不完全、不确定的信息中推断；此外，AI还能总结专家的知识经验，提升平均预测水平，并利用统计与数值模式无法处理的抽象预报知识。这一切，都让我们对未来的天气预报充满期待。