AL拿下天气预报，现实还是想象？
不论是在靠天吃饭的古代，还是科技发达的现代，天气预测往往关乎着国之根本。从淮南子的24节气到“嫁已生而后雨，少辄言雨少多”的报汛驿站，这些积累下来的天气经验一直沿用至今，充分展现了先辈们的勤劳与智慧。
而在科技发达的今日，专业人员依靠先进的传感器与气象卫星来搜集大量数据，从而得以预测天气。事实上，尽管我们已经建立了成套的传感器预测系统，但是由于影响天气变化的因子过多，“不准”往往成为了天气预报的槽点。作为科技行业的领军技术，人工智能是否能成为改善天气预测准确性的新手段呢？
AI技术已经吸引了气象工作者的注意，美国国家海洋与大气管理局就曾指出，人工智能与机器学习可以有效帮助天气预测的工作。Google也在今年初发布《根据雷达图像进行降水临近预报的机器学习》，仅使用神经网络训练数据集来建立大气物理的学习模型。
那么我们在人工智能的那些研究可以用于气象预测呢？
相比传统的机器学习，深度学习在海量数据处理、图像识别与 时空预测方面展现了更好的应用前景，并且在国外的气象研究领域与卫星观测资料结合，取得了较好的成果。在我国，中央气象台与清华大学联合开发的基于深度神经网络的雷达回波外推方法将传统方法的准确度提高了40%以上。
美国曾建立雷暴的预测模型，其结果明显优于人们的主观经验。相较于传统的“防汛驿站”监控式管理，人工智能的可靠性更加突出。对于冰雹、强降水、雷暴等灾害性天气，国外学者使用人工智能技术与遥感观测和快速更新数值式预报，准确性已大大提高。中央气象台与清华大学联合开发的格点降水订正和超分辨率处理算法，在满足准确性与计算效率的同时，输出更高分辨率的预报结果。
尽管国内外的科研人员对人工智能与气象领域的结合做出很多突破性的工作，但是很多研究成果尚在研究和测试阶段，未能进行产业化。并且对于持续性、极端性的灾害天气预报的研究还面临着许多困难。总而言之，我们在AI气象数据预测领域还有很长的路要走，每个跟天气有关的变量都在不知不觉间影响着气候变化，这就需要大量的数据和经验对人工智能模型进行训练，也需要计算能力更高的算法技术，需要更多的科研人才和科研力量加持。