近期高溫、臺風、大規模降雨等極端惡劣天氣頻發，天氣預報在指導人們應對此類自然災害時起到了至關重要的作用。7月20日，中國氣象局印發《人工智能氣象應用工作方案（2023—2030年）》，推動人工智能技術在氣象觀測、預報和服務中的深度融合應用，為監測精密、預報精准、服務精細提供新的技術支橕。而隨著行業大模型時代的到來，人工智能技術在氣象預測過程中扮演了怎樣的角色，是否已經在某些方面超越了傳統氣象預測方法？通過本活動的舉辦，來自政府、科研院所、高校與氣象服務企業的人士共聚一堂，從不同角度進行深度思辨討論，希望能推動人工智能技術在氣象預測領域的更好發展。為了梳理現狀、凝聚共識，CCF YOCSEF天津組織了本場特別活動。

　　經過一個上午的深入探討和熱烈思辨，本次活動觀點總結如下：

　　（1）人工智能輔助極端災害天氣預報確實存在痛點和難點，主要因素是氣象數據不能夠完全開放、存在數據安全問題；氣象領域的某些計算量過大，導致現有資源難以匹配；極端天氣是氣象領域面臨的難點之一，因為它涉及多種因素。在預報極端天氣時，需要考慮各種可能性和後果。

　　（2）人工智能輔助極端災害天氣預報中，人們尤其關注算法的准確性，包括災害發生的具體時間和地理位置，以及算法的可信程度，這會極大的支橕後續的決策過程。

　　（3）氣象大模型會給行業帶來新的機遇和挑戰，尤其是其響應速度較快，能夠在短時間內運行並生成預測結果，可以在簡化的硬件平臺上部署。

　　此次活動由信創海河實驗室協辦。活動由CCF YOCSEF天津AC副主席王朕（天津財經大學）、CCF YOCSEF天津AC委員劉丁（天津工業大學）擔任現場活動執行主席。氣象學及人工智能領域科研一線學者、產業專家匯聚一堂，針對氣象預報中的人工智能應用當前的發展水平和落地應用進行深入思辨討論，為我國在該領域的發展尤其是應用落地建言獻策。

　　活動現場活動包括引導發言和深度思辨兩部分，協辦單位信創海河實驗室龔克主任做了前導發言。指出充足而高質量的數據對於構建氣象大模型至關重要，例如在衛星數據之間的關聯以及地形數據等方面，不可忽視其對氣象預測的影響。為了提高模型的預測性能與准確性，提議將人類知識融入模型中，即生成人工反饋的強化學習。通過將人類知識嵌入模型，能夠更好地將動力學等重要知識納入分析過程，進一步提昇模型的表現。著重強調在未來應當將AI+大氣科學放在一個更突出的位置，共同探索更多創新路徑，為人民生產生活提供有力保障，提昇社會的安全穩定水平。

　　針對活動主題，邀請了九位人工智能賦能氣象預報領域的一線專家，他們分別來自天津海洋中心氣象臺、清華大學、天津市氣象科學研究所、濱海新區氣象局、東麗區氣象局、中國氣象科學研究院、天津大學、國防科技大學、天津優展科技有限公司。九位嘉賓針對行業發展現狀，從應用前景、技術瓶頸、國內外發展態勢等幾個方面進行探討，力圖厘清困惑，達成共識，為我國氣象預報事業的發展建言獻策。

　　天津海洋中心氣象臺臺長劉彬賢的發言題目是《人工智能氣象應用及發展規劃》。劉彬賢介紹了2022年4月28日國務院印發的《氣象高質量發展綱要(2022—2035年)》,指出氣象事業是科技型、基礎性、先導性社會公益事業,並指出以智慧氣象為主要特征的氣象現代化已經成為氣象科學發展的主要趨勢。尤其大數據的有效應用是氣象業務特點之一，也為氣象與AI技術的結合提供了契機。報告進一步從人工智能氣象應用現狀、存在的問題和下一步發展的思路進行了探討。

　　清華大學張育宸博士的發言題目是《基於深度學習的臨近降水預報》。張育宸介紹了近年來深度學習技術在天氣預報領域取得的激動人心的進展，提出了一系列基於深度學習技術的降水預報模型，並於近日提出了臨近預報大模型，顯著提高了公裡尺度下0?3小時極端降水的預報能力，在全國62位氣象預報專家的過程檢驗中大幅領先國際上的同類方法。

　　天津市氣象科學研究邱曉濱副所長的發言題目是《人工智能技術為數值天氣預報帶來的機遇與挑戰》。邱曉濱指出准確預測極端性天氣氣候事件的發生時間和落區是十分具有挑戰性的工作。近幾十年，天氣預報的精度和提前量已經得到顯著提昇。而近年來，隨著人工智能技術發展，依靠各種氣象數據驅動的預報技術開始蓬勃發展。特別是近兩年，各種天氣預報大模型的不斷湧現，似乎為氣象預報的發展又打開了一條新的途徑。今後，傳統預報技術與人工智能技術如何競爭與協作，共同促進氣象預報質量提昇，將會成為行業關注的熱點。

　　在思辨環節，嘉賓們從本次極端災害天氣的預報中有哪些痛點和難點，AI方法相比於傳統方法的優缺點？AI算法在氣象預測應用中的關鍵：算法的准確性、可解釋性，還是決策的風險評估？氣象大模型的出現將會給極端災害天氣預報帶來什麼樣的契機和機遇？這三個議題展開思辨紛紛表達了自己的觀點，發言涉及到產業前景、技術瓶頸、國內外發展態勢等幾個方面。

　　在第一個思辨議題中，經過充分的思辨討論與會者認為極端災害天氣預報的痛點和難點主要在以下方面：（1）AI預報需要氣象數據支橕，但是氣象數據不能夠完全開放、存在數據安全問題；（2）氣象領域的某些計算量過大，導致現有資源難以匹配；（3）極端天氣是氣象領域面臨的難點之一，因為它涉及多種因素。在預報極端天氣時，需要考慮各種可能性和後果，這可能是一個復雜的過程；（4）對於極端災害天氣，這些事件的數據較少，樣本不平衡也是一個挑戰，因為現有數據集中普通天氣樣本遠多於極端天氣樣本，導致模型難以捕捉到極端情況。而AI算法的優點集中在以下方面：（1）AI大模型可能有助於提高預測精度和效率可能能夠更快地處理數據，進行預報和分析。（2）機器學習可能是一種補充方法，用以補充在極端天氣預測的短板。存在缺點如下：（1）黑箱、可信度有待提昇；（2）短時行、極端性預測難度大，當前模型能力與水平達不到實際要求。

　　在第二項議題中，經過充分的思辨討論與會者認為算法准確性和可解釋性之間有一定關系，在實際應用中，他們可以是互補的，當模型准確性到達很高時，引入可解釋性變得重要，這樣可以分析模型的誤差、流程和傳遞方式，以及內部的各種因素。這需要結合領域專業知識來更好地理解模型內部。可解釋性也可以幫助專業人士更好地理解模型內部的運作，從而更好地分析誤差和改進模型。同時，在解決算法准確性問題時，物理約束的引入是重要的。將物理約束融入人工智能模型的損失函數中，能夠提昇模型的可解釋性，並引導模型生成更符合實際的預測。除此之外，預測算法的『可信性』是很重要的指標，會直接影響後續的決策結果，而在氣象預警風險評估中，決策可能受到政策和約束的影響。在決策中引入風險評估，考慮不同決策的可能風險和影響，以確保決策的可靠性和合理性。

　　在第三項議題中，經過充分的思辨討論與會者認為氣象大模型可能會引入更多的不確定性和復雜性，因為大模型可能會更加復雜，數據更加豐富，不同的模型之間可能存在差異，人們在選擇模型時會權衡不同的因素，並強調在極端情況下模型選擇可能尤其困難。現有氣象大模型的一個機遇是其響應速率較快，能夠在簡化的硬件平臺上部署並迅速運行。這對於快速變化的天氣情況，特別是短時期的天氣現象，具有重要意義。而與傳統的數值模式相比，機器學習模型在計算效率上可能具有優勢。它們能夠在短時間內運行並生成預測結果，尤其適用於快速響應需求的場景。

　　此次活動歷時四小時，YOCSEF天津AC主席張鵬進行了總結致辭。此次活動聚焦於人工智能輔助氣象預報的關鍵問題，尤其在行業前景、技術瓶頸、國內外發展態勢等方面展開研討，相信會對行業的從業者提供有益的參考和借鑒。