编者按：人工智能技术在不断探索中日渐发展成熟，气象服务也迎来了新的发展机遇和变革空间。颇具远见的IT巨头和独具慧眼的新兴公司将人工智能技术作为利器，来开发颇具特色的气象服务。本版特别策划，与读者共享他们的故事，从中一窥气象服务“遇见”人工智能后的无限可能性。
全球最大IT公司IBM
IBM作为全球最大的信息技术和业务解决方案公司之一，在人工智能领域的竞争中占有一席之地。IBM的勃勃野心也同样延伸到气象人工智能领域。该公司以自主研发的沃森（Watson）平台、与天气公司（The Weather Company）“联姻”获取的气象大数据以及绿色地平线（Green Horizon）人工智能项目等为“核心武器”，进军气象领域。
事实上，IBM致力于天气研究已有多年历史。从上世纪90年代，IBM就与美国国家海洋和大气管理局（NOAA）合作，帮助政府开发短期天气预报模式。2015年初，随着大西洋飓风季的到来，IBM曾与天气公司联合推出城市灾害管理解决方案，利用智能分析特点，结合实时气象数据为人们提供更准确的自然灾害预测。
沃森平台可将获得的数据正确地“碾碎吸收”。在收购天气公司之前，IBM已经拥有了大量气象资料。物理分析团队尝试利用历史上每一次天气报告信息来建立一个可以更精准预测天气的系统。团队试图通过建立这个数据库来判断什么时候多云。如此一来，太阳能公司便能据此了解哪些资源在哪些时候可用。
2016年1月，IBM斥巨资收购天气公司旗下包括网站、应用等数码业务及知识产权、基础设施和数据等。利用自身强大的计算能力以及天气频道（The Weather Channel）的预测平台，IBM研发了一款新的气象工具Deep Thunder。 开发者称，Deep Thunder可以预测城区规模的气候事件，但只有付费客户才能获得这些信息。Deep Thunder愿意为那些花大价钱想了解极小天气变化会对他们盈亏产生何种影响的商人提供这些信息。
DeepThunder结构图。
除了提供气象预测，IBM将其他数据与天气联系起来提供商业决策信息。随着预报分辨率提高到0.2公里到1.2公里，Deep Thunder可以非常精细地计算出天气如何影响客户的购买行为，因此商家可以正确地存货和销售产品；而公用事业公司可以利用数据估算电线杆是否会在暴风雨中损坏。
商业预测帮助公司更好地量化人们的行为。但是由于气候变化，改进的天气预报将会对最近的恶劣天气事件特别有效。“新的联合预测模型将会为所有类型的商业和工业应用提供一个了解天气影响的理想平台。”天气公司科学与预测运营主管玛丽·格莱金说。
而在空气污染问题上，IBM希望通过绿色地平线人工智能项目提供一个新的解决方案。该项目通过复杂的计算机模型和机器学习技术来计算污染在城市中如何蔓延，并提供未来十天1公里分辨率的污染预报。它甚至还可以为政府部门提供应对建议来减缓这一问题，例如关闭某些工厂或减少路上的汽车数量。
与此同时，绿色地平线还会利用机器学习技术，将收集的数据与之前的预报进行比对分析，不断优化预报结果。目前，绿色地平线比传统预报的准确率高30%左右。
笛卡尔实验室
笛卡尔实验室于2014年成立，位于美国新墨西哥州中部城镇洛斯阿拉莫斯，仅有25名员工。它主要利用机器学习算法来处理大量卫星影像数据，从而预测粮食产量。笛卡尔实验室被FastCompany杂志评为2017年人工智能和机器学习领域最具创造性的十大公司之一。
玉米是美国种植范围最广的农作物，在每年10月玉米收获季，美国农业部就得提前一个月派遣数百名工作人员深入实地，调查统计数千个农场的玉米产量。玉米产量预测是美国的一件大事，每年整个农业供应链产值高达数十亿美元。
每年8月当玉米开始出苗后，谷仓运营商、酿酒商、商品贸易商、对冲基金公司、保险公司甚至农民都期待着农业部8月12日将发布的农作物报告，以了解玉米市场前景。
笛卡尔实验室老板马克·约翰逊试图在自己开发的“游戏”中击败美国农业部：预测美国的粮食产量。笛卡尔实验室与美国农业部的做法不同，它主要依靠4PB（1PB等于一千万亿字节）卫星影像数据和一种机器学习算法来分析计算玉米产量。
笛卡尔实验室利用机器学习技术将不同作物田地进行分割。
2015年，笛卡尔实验室在美国农业部发布8月农作物报告之前就公布了其对玉米产量的预测结果。“在玉米生长季，在全国每个格点上，我们公司所用模式的预测结果均优于农业部。”约翰逊说。根据该实验室提供的数据可以看出，其对2015年8月玉米产量的预测准确率较农业部高1%。现在，约翰逊称其算法精确度得到进一步提高，当利用历史数据检验预测模式时，其误差幅度均值为2.5%。
“此外，我们公司能够分析的数据深度和频率将对粮食产量预测带来重大变革。如果像农业部那样利用传统方法来获取粮食产量数据，就必须实地走访无数农场，而我们通过机器学习技术和大量卫星影像就可以知道作物的生长状况和预期产量。”约翰逊说。
当前，各行各业的公司均在接入大量数据，再利用谷歌和亚马逊等公司提供的廉价云计算服务进行数据分析。但是，大数据和机器学习仅仅是笛卡尔实验室所用技术的一方面而已。在过去5年中兴起的纳米卫星为笛卡尔实验室这样的创业公司提供了大展手脚的巨大可能性。
过去，如果一家公司想要获取卫星影像数据，就必须借助美国政府运行的卫星，如陆地卫星（Landsat）或MODIS卫星，其大约一周拍摄一幅20米至30米分辨率的地球全景影像，而“行星”等卫星影像公司运行的新型纳米卫星群每天均可获取3米至5米分辨率的地球全景影像。“行星”公司为笛卡尔实验室提供预测粮食产量所需的相关数据。利用纳米卫星可获取海量的卫星影像数据。过去40余年来7颗陆地卫星获取的数据总量不到1PB，而“行星”公司一年获取的数据量就可以轻易超过1PB。
“只要没有云层遮挡，我们每天均会对美国每个农场的卫星数据进行分析，并且每两天更新一次作物产量预测结果，而美国农业部每个月才更新一次。”约翰逊说。一家全球农作物分析公司Geosys创立者达米安·勒普特表示：“对于农作物而言，发布局地水平的产量预报至关重要。过去35年来我对农业的复杂性深有体会，农业从来都是局地的，没有两片完全相同的土壤。”
“但最后都要归结到模式上，而难点在于训练机器学习算法，这是从数据中创造实际价值的中枢神经网络。”普华永道首席技术专家克里斯·柯伦说。
除玉米产量预测外，笛卡尔实验室已经开始追踪预测大豆产量。“借助更加优良的卫星，更好的数据，更强大的算法，我们的预测模式将更加准确。下一步我们计划将产量预测扩大到其他作物，并将预测范围拓展到诸如巴西、阿根廷、中国和欧洲等区域。”约翰逊说。
俄罗斯搜索巨头Yandex
近日，俄罗斯搜索巨头Yandex 首次曝光了为按需乘坐服务开发的自动驾驶车辆 Yandex.Taxi，引发了国内媒体关注。
其实，除了发展自动驾驶技术，作为俄罗斯最大的网络公司，Yandex近年来在利用人工智能开展短时临近天气预报、实时更新小尺度区域天气提升用户体验方面花了很大力气。
在该公司主要气象服务产品Yandex.Weather中，他们使用了被称之为“即时预报”（Nowcasting）的技术，该技术主要体现在短时临近预报方面。
Yandex.Weather负责人迪玛·索洛缅采夫表示：“即时预报技术利用了雷达图像及一种最先进的工具，后者可以搜集雷达站附近方圆200公里左右的降水情况，来预报天气变化。”
Yandex.Weather制作天气预报的核心技术是深度学习神经网络Yandex.Meteum，它可以将搜集来的雷达图像及其他数据进行转化。当Yandex用户查看天气预报时，Yandex.Meteum会向Yandex.Weather应用程序界面发起请求，并将用户位置发送给它。Yandex.Weather开始搜集被请求区域的相关天气数据，并通过Yandex.Meteum将该用户习惯和所在地服务数据混合计算，计算出未来数小时内的天气情况，并将精确产品信息发送给用户。整个过程会在一秒之内完成。
Meteum工作流程图。
人工智能技术帮助Yandex.Weather提供未来两小时内逐分钟级的预报，精确度相当之高。并且，它的预报不仅基于天气预报制作的网格点，还基于用户的精确坐标，因此，它能提供非常精细的本地化预报，可以精细到用户所在的具体街道，而非泛泛的城市预报。
以其气象服务产品短时临近降水预报为例，当某区域降水快要结束之前，Yandex.Weather会根据用户所在位置智能发送通知，提醒用户精确的雨停时间。
迪玛·索洛缅采夫说，一个城市内部的天气可能千差万别。比如，在美国纽约，可能中央公园下暴雨的时候，华尔街还艳阳高照。
除了发展人工智能技术预报短时临近天气，Yandex还在全球范围内推广自己的天气服务。Yandex与印度智能手机生产商Micromax签订合同，将Yandex.Zen手机应用程序预装在Micromax制造的手机中。Yandex.Zen不但能提供新闻消息，帮助用户叫出租车或完成支付，还能为用户提供天气信息。当然，Yandex.Zen中也少不了人工智能学习系统的支持，它可以根据每个特定用户的习惯来选择内容。
Yandex.Zen根据用户的个人偏好进行内容推荐。
截至去年秋季，Yandex已经与许多智能手机制造商商讨类似于与Micromax的合作事宜。据报道，其计划遍及巴西、印度、墨西哥、美国、英国等国。
