风云再起：人工智能大模型能否颠覆气象预报的未来?
风云再起：人工智能大模型能否颠覆气象预报的未来?
2024年11月30日下午，中国计算机学会青年计算机科技论坛深圳分论坛（CCF YOCSEF深圳）在英特尔大湾区科技创新中心举办了一场主题为“风云再起：人工智能大模型能否颠覆气象预报的未来？”的技术论坛。本次论坛邀请了来自气象预报部门、气象科学和人工智能等相关领域的专家和学者，围绕人工智能大模型在气象和气候预测中的作用、挑战和未来发展方向展开了深入讨论。
论坛与会人员合影
传统气象预报面临的挑战与AI带来的机遇
论坛伊始，执行主席邱宇轩介绍了当前气象预报领域面临的挑战。传统的气象预报方法依赖于复杂的数值模拟与海量历史数据，尽管在预报精度和时间范围上取得了一定突破，但依然面临计算量庞大、处理周期长等瓶颈。随着大模型技术的发展，人工智能有望通过高效的计算和多源数据融合，实现更精准、更快速的气象预报。
然而，大模型在气象预测中的应用仍面临诸多挑战，包括数据来源复杂、模型可解释性差、预测偏差等，这些都是当前亟待解决的难题。
专家观点：AI在气象预报中的应用现状与前景
本次论坛邀请了多位领域专家进行引导发言：
深圳市人工智能气象应用重点实验室副主任陈训来分享了深圳在气象预报中应用人工智能的实践经验。深圳通过结合人工智能、大数据和大模型等技术，有效提升了气象预报的精准性和时效性，为城市防灾减灾提供了强有力的技术支持。此外，陈训来还介绍了与华为云等多家企业合作开展区域大模型研发的进展，通过优化模型分辨率，针对深圳特有气象需求进行精准预报，并取得了良好的应用效果。
哈尔滨工业大学(深圳)计算机学院副院长李旭涛探讨了人工智能在短临气象预报中的创新应用。他强调了短临预报在应对突发天气事件中的重要性，并指出人工智能技术，特别是深度学习，在提升预报准确性和时效性方面的潜力。李旭涛分享了基于雷达和卫星数据的智能预报方法，包括通过雷达数据预测降雨的发生及强度，利用卫星数据识别强对流天气的形成与发展。这些方法显著提高了气象预警的精度，并经过多代模型优化，取得了良好的预测效果。
中山大学大气科学学院教授胡晓明从气象气候的角度出发，探讨了天气与气候预报中的不确定性来源及机器学习和大模型在该领域的应用潜力。她指出，短期天气预报具有较高的可预测性，而气候预估在长时间尺度上面临更大的挑战，尤其是在预测准确性上。随着时间尺度的延长，气候的可预测性逐渐下降，从初始值问题转变为边界条件问题。胡晓明介绍了当前大模型在天气预报中的应用，能够以极低的计算成本实现与先进数值模式相媲美的1到10天的天气预测，并扩展至季节到次季节尺度。针对气候预报的高度不确定性，除了边界条件外，还存在模式参数化差异带来的误差和不确定性。NeuralGCM作为数值模式与AI融合的创新应用，通过深度学习优化参数化方案，有效改善了GCM模式的预报能力。
鹏城实验室助理研究员高彦介绍了人工智能在天气预报中的应用进展，并阐述了AI技术如何推动传统数值天气预报方法的创新与发展。他分享了基于AI的短中期天气预报模型，展示了其在准确性和时效性上超越传统方法的优势。高彦还介绍了鹏城实验室在智能计算和大数据处理方面的最新成果，强调通过与气象单位的合作，借助“鹏城云脑”大科学装置，推动国产算力和模型在气象预报中的应用示范。展望未来，AI技术在提升天气预报精准度、应对极端天气和增强预报及时性方面具有巨大的潜力。同时，鹏城实验室结合人工智能、科学计算与大数据，构建了大湾区气象领域的多模态智能体示范应用，该应用包括三大核心部分：气象大数据的特征提取与融合、复杂非线性大气演变关系的预报大模型，以及通过关联其他行业信息提升气象服务决策能力的服务大模型。
思辨环节：AI气象预报的三大挑战
在随后的思辨环节，论坛围绕三个关键议题展开了深入讨论：
- 大模型预报天气真的可靠吗？在气象预报中，如何平衡大模型的预测准确性与可解释性？
深圳市国家气候观象台高级工程师夏昕指出，随着大规模人工智能模型在气象预测领域的广泛应用，这些模型在提升预测准确性方面已展现出显著优势，但也伴随着不可解释的问题，尤其是在决策支持与公众沟通中带来诸多挑战。夏昕提出，通过结合传统物理模型与人工智能大模型，可以利用物理模型的高可解释性来提升AI模型的透明度。与此同时，引入可视化工具和归因分析方法，有助于将预测结果以更加直观和易理解的方式呈现，从而提高其可验证性。当前的研究正在探索如何增强模型的可解释性，使得预测不仅能够提供高准确度的结果，还能清晰地阐释预测过程中涉及的关键因素，从而提升其在实际应用中的可操作性和公众的信任度。
深圳市国家气候观象台 夏昕 鹏城实验室 高彦
参会嘉宾普遍认为，尽管大模型显著提升了预测准确性，但其缺乏可解释性仍是一个关键挑战，特别是在涉及公共安全和决策支持时。嘉宾们强调，准确性应优先考虑，尤其在极端天气预测中，因为误报或漏报会带来严重后果。混合模型被认为是一种有效的解决方案，通过结合大模型与传统物理学、气象学等领域的知识，能够在提高预测性能的同时增强可解释性。此外，不同的用户群体对气象预报的要求不同，部分专家提出通过多模型、多概率的呈现方式，有助于提升预报的透明度和可信度，从而更好地满足不同应用场景的需求。
哈尔滨工业大学(深圳) 漆舒汉 腾讯 张伟鹏
- 面对极端天气事件或数据不足的情况，大模型还能准确预报吗？
广州大学电子与通信工程学院讲师杨小飞指出，面对极端天气事件和数据不足的挑战，大模型的预测准确性面临严峻考验。由于极端天气事件通常具有突发性且与历史数据差异较大，传统模型难以有效应对这种不确定性。他建议，大模型需要加强对预测不确定性的评估，以应对极端天气的多变性。同时，模型应具备动态调整能力，能够实时整合新的观测数据，从而优化预测结果。此外，数据质量和缺失问题也对预测精度构成威胁，低质量或缺失的数据会显著影响模型的效果。因此，如何提高数据质量和填补缺失数据成为提升预测精度的关键。
北京理工大学（珠海）许瑞琦 北京理工大学（珠海）陈炳志
对于这一议题，参会嘉宾普遍认为，尽管大模型在捕捉极端天气的不确定性方面具有优势，但在实时数据同化和小尺度天气预测上仍面临重大挑战。当前，全球范围内的实时数据同化技术尚未成熟，特别是在极端天气的预测中，由于数据稀缺和质量问题，大模型难以提供精确的预测。与会专家指出，解决这一问题需要在数据积累、模型精度提升和实时数据整合技术方面取得突破，同时，增加临时观测设备和用户反馈机制被认为是提高预测精度的有效途径。此外，模型微调和特定事件优化（如台风专用模型）被提出作为应对小样本极端事件的可行方案，但这仍需要大量实验验证和技术改进。
广州大学电子与通信工程学院 杨小飞
- 气象数据涉及国家安全或商业利益，如何在保护数据安全的同时，实现大模型对多源异构数据的高效利用？
深圳数据交易所数据应用专家许楷俊指出，气象数据作为国家安全和社会稳定的重要保障，特别是在防灾减灾、公共安全和交通运输等领域，其安全性和高效利用尤为关键。许楷俊强调，随着气象数据在多个领域的广泛应用，部分数据被定义为“重要数据”，一旦遭受非法使用或泄露，可能会对国家安全、经济运行和社会稳定带来严重影响。因此，保障气象数据的安全和有效利用，不仅需要依靠数据加密、访问控制和身份认证等技术手段，确保数据传输与存储的安全性，还需要通过法律法规和数据分类分级管理等政策监管手段来强化数据保护，明确敏感数据与可公开共享数据的界限。
香港理工大学 范文琦 深圳职业技术大学 管明雷
经过激烈的讨论与分析，与会嘉宾一致认为，气象数据作为国家安全的关键组成部分，尤其在军事安全和公共安全领域具有不可或缺的作用。部分气象数据因涉及敏感信息或国家安全，需要严格保密，而其他数据则可通过脱敏处理后安全地公开利用，以平衡数据安全与社会需求的双重考量。
总结与展望
CCF YOCSEF深圳主席黄典对本次论坛进行了总结。她表示，本次论坛选择气象与AI结合的这一细分领域，尽管比较小众，但讨论的深度与激烈程度令人印象深刻。不同学科背景的专家围绕人工智能大模型能否颠覆气象预报问题展开了富有洞察力的交流与思辨，为各自领域带来了独特视角和新的思想碰撞。黄典强调，AI for Science作为一种新的研究范式，为传统科学研究如气象等领域注入新的活力，希望未来通过更多跨学科的交流与合作，为未来的技术创新提供源源不断的动力。
本次活动由中国计算机学会主办，由CCF YOCSEF深圳学术委员会组织，得到英特尔大湾区科技创新中心支持，天融信科技集团股份有限公司为本次活动提供了赞助支持。
YOCSEF深圳主席 黄典