氣象超腦，釋放了一只混沌蝴蝶互聯網+
導讀
少了一顆釘子，丟了一塊蹄鐵；少了一塊蹄鐵，丟了一匹戰馬；少了一匹戰馬，丟了一個騎手；少了一個騎手，丟了一場勝利；少了一場
少了一顆釘子，丟了一塊蹄鐵；少了一塊蹄鐵，丟了一匹戰馬；少了一匹戰馬，丟了一個騎手；少了一個騎手，丟了一場勝利；少了一場勝利，丟了一個國家……
美國氣象學家愛德華·羅倫茲（Edward N.Lorenz）在1963年認為，在南美洲亞馬遜河流域熱帶雨林中的蝴蝶，偶爾扇動幾下翅膀，可以在兩周以后引起美國得克薩斯州的一場龍卷風。
此后，“蝴蝶效應”——The Butterfly Effect一詞，就總被用來形容哲學上的混沌現象，即任何事物發展都存在不可測的“變數”，往往一個微小的變化，就能影響事物的走向。
但有人選擇了相信最初的解釋版本。
在科幻作家劉慈欣的筆下，一位熱愛祖國的南斯拉夫科學家，“為了苦難中的祖國，我撲動蝴蝶的翅膀……”——試圖通過自己建立的大氣模型軟件，在世界各地尋找到“大氣敏感點”制造擾動，從而使自己的祖國上空出現不易遭受美軍空襲的天氣現象。
這位科學家失敗了。
然而在真實的世界里，也有科學家試圖建造一個龐大的“氣象超腦”，來拯救連續兩個周末遭到風暴肆虐的英國。
投資12億英磅，只為一個晴天
就在前不久，英國政府宣布將在未來十年投資12億英鎊（約1.56億美元），用于開發最先進的超級電腦。
從公開消息中可以得知，該系統比現有的氣象超腦運算性能增加三倍，用以提高惡劣天氣和氣候的預測能力。
如此大費周章，到底有哪些價值呢？
英國政府大概舉了幾個例子，比如更精密的降雨預測，有助于快速部署防洪系統；讓機場進行更好的預測，以便為潛在的斷電做好計劃；以及為能源部門提供更詳細信息，協助其減輕潛在的能源中斷和突波等影響。
其實，上述數字技術的應用和價值，在氣象領域早已有之。
早在人工智能第二次浪潮時期，就已經發展出了天氣預報專家系統、智能天氣信息采集系統、智能預報系統等技術。
1989年，僅預報災害性天氣的AI系統就出現了KASSP、GORAD、CONVEX、OCI、WILDARD等等，通過專家系統和自然語言處理技術，來預報一些雷暴、冰雹、大霧、閃電等自然災害。
更強大的氣象超腦，又能讓氣候預測升級到何種水平呢？
洞察氣象的智慧大腦， 到底有什么意義？
值得注意的是，在本世紀的前十年，氣象領域對智能技術的探索，大多停留在研究階段，只有不到20%的系統能夠被實踐檢驗，更少一部分才會被在業務中使用。
一方面，是當時沒有足夠完整的機制來讓智慧氣象技術融入，同時也缺乏獨立的計算機環境支持，成本上自然更加捉襟見肘。
這也是為什么，普通大眾對氣象預報產生了兩個相對狹隘的刻板印象：
一是測不準。
天氣本身的不確定性，本身就存在無法被百分百精準預報的限制，而此前的技術也并未能很好地解決這一問題。常規的“3天天氣預報”，在全球范圍內至多達到70%至80%的準確度。這就導致許多自然災害、突發事件無法被預先判斷，城市也難以提供足夠高效的應急保障。
二是價值低。
既然重大災害測不準，那么天氣預報在日常服務上所能發揮的作用就顯得有些尷尬了。因為大多數常規天氣下，人們對是否需要加衣、能不能洗車、適不適合戶外跑步、該不該開空調等等，并不存在不可或缺的剛性需求。
而伴隨著機器學習發展、摩爾定律被挑戰，人工智能開始在應用端所向披靡，也讓氣象服務開始發生質的轉變。
首先，見得更多。
以往氣象預測不盡如人意，掣肘要素之一就是氣象數據過于龐雜且數據量大，無法被全部高效地處理。
其中既包括實況數據，即來自全球氣象站點的觀測數據，既有幾千米高空的氣象衛星、雷達，還有最原始的人工實時觀測。除此之外，還需要“模式數據”，即由各類計算機的程序運算生成、預測所需要的初始值。二者疊加，才能保障精準預測的可能。實際上，伴隨著大數據的狂飆，各國升級氣象計算機的新聞不時就會見諸報端。
其次，算得更快。
如此龐大的數據一股腦兒涌來，需要一系列處理、分析、推演、預測等操作，加上人們所需的氣象預報時空精度越來越高，所需的計算量級和復雜程度也非常之大，而且整個過程往往需要在半小時之內完成，輕易就能干倒一個計算設備的可用資源。
比如中國氣象局最近一次提出的“計算”需求是：高性能計算系統峰值運算速度要不低于8000萬億次每秒，在線存儲容量要大于12.6PB，全系統可用度超過99%，堪稱是算力怪獸。
最后，想得更準。
氣象預測最終是要為服務社會民生所用，但限制其可用性的既包括系統本身的技術局限，還有著復雜且無法預測的用戶需求，如何將二者統一起來輸出合理的決策呢？
以往的做法是，讓經驗豐富的人類預報員與機器一同工作，來給出適當的指導。當然，人工智能的加入可以幫助工作人員大大地提升效率。
2017年，中國氣象局公共氣象服務中心聯合天津大學共同研發了全國強對流服務產品加工系統。就運用圖像識別和深度學習等新技術，快速監測強對流天氣。比如就冰雹預警來說，通過深度學習，清晰地分析出雷達回波上的冰雹特征，從而更好地識別冰雹云，推算出其移速和移向，給出公里級的冰雹可能影響范圍，幫助人類更早地預警和防范。
所以，近年來在諸多智慧城市項目中，將氣象數據與城市基礎數據疊加，通過模擬天氣變化來為城市運行、應急調度提供決策依據，已經作為公共服務的一部分，成為城市治療的必備選項。
氣象大腦+超算，會帶來哪些改變？
既然氣象大腦的能力進階，對計算能力提出了超高要求，那么計算機的更新換代自然也就刻不容緩了。
目前有實力的國家如中美英日等，支撐起氣象預測數值計算的都是高性能的超級計算機。
比如中國的神威·太湖之光，就擁有超過1000萬個內核、125PFlops （1PFLOPS等于每秒1×1015次浮點運算）的峰值性能。
如此龐大的計算集群，自然也會給運營過程帶來一些不確定因素。
比如說，天氣模擬需要數萬個CPU并行計算，微小的互連延遲和帶寬都有可能給結果帶來偏移；
再比如降本增效。氣象大腦的災備往往需要設計兩個計算資源相對獨立的子系統，同時共享存儲資源。這樣一來，業務可靠性大大提高，但功耗、服務器成本也大大提高，如何降低氣象預測的社會成本，也與每個人利益切身相關。
當然，一部分計算可以借助“上云”來實現。一方面可以降低計算成本，同時利用云端智能技術，可以提供傳統計算不具有的管理功能。
比如深圳市氣象局聯合國家超級計算深圳中心打造的“深圳氣象云”，就具備分區預警、地質災害預警、第三方數據查詢分析等功能，對泛華南區域多種實時氣象監測數據，進行高速分析處理和精細化格點預報。
不過，天氣系統本身是一個復雜多變且不穩定的系統，其數值、輸入、輸出以及物理機制都存在不確定性，這也使得精細化模型的訓練和實現相對困難。對于短期內的臨時天氣預測，人工智能還需要繼續磨練才行。
投入了那么多，精準預測天氣到底有多大價值，恐怕是人們最想了解的。
正如前文所說，夏有空調、冬有暖氣的都市人可能早已有了抵御氣候變化的盔甲，但這只是人類社會生活極小占比的存在。在更廣泛的領域內，明辨天時，依然有著重要的價值。
簡單總結一下：
1.提高第一產業的生產效率。
無論科技和城市文明如何發展，農業“靠天吃飯”的本質都難以改變，越來越準的天氣預報，才能讓農林牧副漁等產業獲得預期回報。
比如漁業，就是最早對氣象服務提出迫切需求的行業。早期，為了保障出海安全，漁民們求助過媽祖，尋找過氣象人員來為其講解天氣，與之相比，網格化顆粒度的預報，顯然能最大限度地保障漁民們的生命安全。
2.最大程度地保障城市安全。
即使身處城市之中，也依然會面臨突發天氣的困擾。比如雷暴天氣就是夏季影響飛行安全的主要危險天氣之一，當你在機場延誤了八個小時之后，你會不會氣憤為什么天氣預報不能在你買票時就提醒你？別問我是怎么知道的。
比如廣東就基于歷史觀測資料，系統地研究了廣東省熱帶氣旋(tropical cyclone,TC)風雨及其帶來的直接經濟損失的空間分布特征，發現風雨天氣和經濟損失之間的相關系數達到0.66以上（強正相關），這也表明了智能天氣系統在城市經濟中的價值。
3.認識地球，建立完善領先的生態體系。
除了天氣變化本身，氣象系統也能夠把空氣、河流、山丘等拉進一張“數據網”中，比如南京就建立了特大城市綜合大氣垂直廓線觀測網，太湖、洪澤湖、高郵湖、駱馬湖建設了水上綜合觀測平臺。
而日本氣象新聞公司WNI為了開發北極新航道，甚至在2017年專門發射了一顆商用氣象衛星，用于探測北極地區的陸面和洋面溫度。
總而言之，盡管《混沌蝴蝶》一書中能呼風喚雨的“大氣敏感點”并不可能存在，但從國家戰略層面，認識地球規律更多，本身也意味著在經濟、人文布局上占據了主動權。
最后，引用一句民謠來結束本篇文章，或許它能夠解釋為什么，預測天氣和氣候是世界上最復雜的問題之一，但我們卻孜孜以求地用最尖端的計算科學來抵達它——
少了一顆釘子，丟了一塊蹄鐵；少了一塊蹄鐵，丟了一匹戰馬；少了一匹戰馬，丟了一個騎手；少了一個騎手，丟了一場勝利；少了一場勝利，丟了一個國家……
此后，“蝴蝶效應”——The Butterfly Effect一詞，就總被用來形容哲學上的混沌現象，即任何事物發展都存在不可測的“變數”，往往一個微小的變化，就能影響事物的走向。
但有人選擇了相信最初的解釋版本。
在科幻作家劉慈欣的筆下，一位熱愛祖國的南斯拉夫科學家，“為了苦難中的祖國，我撲動蝴蝶的翅膀……”——試圖通過自己建立的大氣模型軟件，在世界各地尋找到“大氣敏感點”制造擾動，從而使自己的祖國上空出現不易遭受美軍空襲的天氣現象。
這位科學家失敗了。
然而在真實的世界里，也有科學家試圖建造一個龐大的“氣象超腦”，來拯救連續兩個周末遭到風暴肆虐的英國。
投資12億英磅，只為一個晴天
就在前不久，英國政府宣布將在未來十年投資12億英鎊（約1.56億美元），用于開發最先進的超級電腦。
從公開消息中可以得知，該系統比現有的氣象超腦運算性能增加三倍，用以提高惡劣天氣和氣候的預測能力。
如此大費周章，到底有哪些價值呢？
英國政府大概舉了幾個例子，比如更精密的降雨預測，有助于快速部署防洪系統；讓機場進行更好的預測，以便為潛在的斷電做好計劃；以及為能源部門提供更詳細信息，協助其減輕潛在的能源中斷和突波等影響。
其實，上述數字技術的應用和價值，在氣象領域早已有之。
早在人工智能第二次浪潮時期，就已經發展出了天氣預報專家系統、智能天氣信息采集系統、智能預報系統等技術。
1989年，僅預報災害性天氣的AI系統就出現了KASSP、GORAD、CONVEX、OCI、WILDARD等等，通過專家系統和自然語言處理技術，來預報一些雷暴、冰雹、大霧、閃電等自然災害。
更強大的氣象超腦，又能讓氣候預測升級到何種水平呢？
洞察氣象的智慧大腦， 到底有什么意義？
值得注意的是，在本世紀的前十年，氣象領域對智能技術的探索，大多停留在研究階段，只有不到20%的系統能夠被實踐檢驗，更少一部分才會被在業務中使用。
一方面，是當時沒有足夠完整的機制來讓智慧氣象技術融入，同時也缺乏獨立的計算機環境支持，成本上自然更加捉襟見肘。
這也是為什么，普通大眾對氣象預報產生了兩個相對狹隘的刻板印象：
一是測不準。
天氣本身的不確定性，本身就存在無法被百分百精準預報的限制，而此前的技術也并未能很好地解決這一問題。常規的“3天天氣預報”，在全球范圍內至多達到70%至80%的準確度。這就導致許多自然災害、突發事件無法被預先判斷，城市也難以提供足夠高效的應急保障。
二是價值低。
既然重大災害測不準，那么天氣預報在日常服務上所能發揮的作用就顯得有些尷尬了。因為大多數常規天氣下，人們對是否需要加衣、能不能洗車、適不適合戶外跑步、該不該開空調等等，并不存在不可或缺的剛性需求。
而伴隨著機器學習發展、摩爾定律被挑戰，人工智能開始在應用端所向披靡，也讓氣象服務開始發生質的轉變。
首先，見得更多。
以往氣象預測不盡如人意，掣肘要素之一就是氣象數據過于龐雜且數據量大，無法被全部高效地處理。
其中既包括實況數據，即來自全球氣象站點的觀測數據，既有幾千米高空的氣象衛星、雷達，還有最原始的人工實時觀測。除此之外，還需要“模式數據”，即由各類計算機的程序運算生成、預測所需要的初始值。二者疊加，才能保障精準預測的可能。實際上，伴隨著大數據的狂飆，各國升級氣象計算機的新聞不時就會見諸報端。
其次，算得更快。
如此龐大的數據一股腦兒涌來，需要一系列處理、分析、推演、預測等操作，加上人們所需的氣象預報時空精度越來越高，所需的計算量級和復雜程度也非常之大，而且整個過程往往需要在半小時之內完成，輕易就能干倒一個計算設備的可用資源。
比如中國氣象局最近一次提出的“計算”需求是：高性能計算系統峰值運算速度要不低于8000萬億次每秒，在線存儲容量要大于12.6PB，全系統可用度超過99%，堪稱是算力怪獸。
最后，想得更準。
氣象預測最終是要為服務社會民生所用，但限制其可用性的既包括系統本身的技術局限，還有著復雜且無法預測的用戶需求，如何將二者統一起來輸出合理的決策呢？
以往的做法是，讓經驗豐富的人類預報員與機器一同工作，來給出適當的指導。當然，人工智能的加入可以幫助工作人員大大地提升效率。
2017年，中國氣象局公共氣象服務中心聯合天津大學共同研發了全國強對流服務產品加工系統。就運用圖像識別和深度學習等新技術，快速監測強對流天氣。比如就冰雹預警來說，通過深度學習，清晰地分析出雷達回波上的冰雹特征，從而更好地識別冰雹云，推算出其移速和移向，給出公里級的冰雹可能影響范圍，幫助人類更早地預警和防范。
所以，近年來在諸多智慧城市項目中，將氣象數據與城市基礎數據疊加，通過模擬天氣變化來為城市運行、應急調度提供決策依據，已經作為公共服務的一部分，成為城市治療的必備選項。
氣象大腦+超算，會帶來哪些改變？
既然氣象大腦的能力進階，對計算能力提出了超高要求，那么計算機的更新換代自然也就刻不容緩了。
目前有實力的國家如中美英日等，支撐起氣象預測數值計算的都是高性能的超級計算機。
比如中國的神威·太湖之光，就擁有超過1000萬個內核、125PFlops （1PFLOPS等于每秒1×1015次浮點運算）的峰值性能。
如此龐大的計算集群，自然也會給運營過程帶來一些不確定因素。
比如說，天氣模擬需要數萬個CPU并行計算，微小的互連延遲和帶寬都有可能給結果帶來偏移；
再比如降本增效。氣象大腦的災備往往需要設計兩個計算資源相對獨立的子系統，同時共享存儲資源。這樣一來，業務可靠性大大提高，但功耗、服務器成本也大大提高，如何降低氣象預測的社會成本，也與每個人利益切身相關。
當然，一部分計算可以借助“上云”來實現。一方面可以降低計算成本，同時利用云端智能技術，可以提供傳統計算不具有的管理功能。
比如深圳市氣象局聯合國家超級計算深圳中心打造的“深圳氣象云”，就具備分區預警、地質災害預警、第三方數據查詢分析等功能，對泛華南區域多種實時氣象監測數據，進行高速分析處理和精細化格點預報。
不過，天氣系統本身是一個復雜多變且不穩定的系統，其數值、輸入、輸出以及物理機制都存在不確定性，這也使得精細化模型的訓練和實現相對困難。對于短期內的臨時天氣預測，人工智能還需要繼續磨練才行。
投入了那么多，精準預測天氣到底有多大價值，恐怕是人們最想了解的。
正如前文所說，夏有空調、冬有暖氣的都市人可能早已有了抵御氣候變化的盔甲，但這只是人類社會生活極小占比的存在。在更廣泛的領域內，明辨天時，依然有著重要的價值。
簡單總結一下：
1.提高第一產業的生產效率。
無論科技和城市文明如何發展，農業“靠天吃飯”的本質都難以改變，越來越準的天氣預報，才能讓農林牧副漁等產業獲得預期回報。
比如漁業，就是最早對氣象服務提出迫切需求的行業。早期，為了保障出海安全，漁民們求助過媽祖，尋找過氣象人員來為其講解天氣，與之相比，網格化顆粒度的預報，顯然能最大限度地保障漁民們的生命安全。
2.最大程度地保障城市安全。
即使身處城市之中，也依然會面臨突發天氣的困擾。比如雷暴天氣就是夏季影響飛行安全的主要危險天氣之一，當你在機場延誤了八個小時之后，你會不會氣憤為什么天氣預報不能在你買票時就提醒你？別問我是怎么知道的。
比如廣東就基于歷史觀測資料，系統地研究了廣東省熱帶氣旋(tropical cyclone,TC)風雨及其帶來的直接經濟損失的空間分布特征，發現風雨天氣和經濟損失之間的相關系數達到0.66以上（強正相關），這也表明了智能天氣系統在城市經濟中的價值。
3.認識地球，建立完善領先的生態體系。
除了天氣變化本身，氣象系統也能夠把空氣、河流、山丘等拉進一張“數據網”中，比如南京就建立了特大城市綜合大氣垂直廓線觀測網，太湖、洪澤湖、高郵湖、駱馬湖建設了水上綜合觀測平臺。
而日本氣象新聞公司WNI為了開發北極新航道，甚至在2017年專門發射了一顆商用氣象衛星，用于探測北極地區的陸面和洋面溫度。
總而言之，盡管《混沌蝴蝶》一書中能呼風喚雨的“大氣敏感點”并不可能存在，但從國家戰略層面，認識地球規律更多，本身也意味著在經濟、人文布局上占據了主動權。
最后，引用一句民謠來結束本篇文章，或許它能夠解釋為什么，預測天氣和氣候是世界上最復雜的問題之一，但我們卻孜孜以求地用最尖端的計算科學來抵達它——
少了一顆釘子，丟了一塊蹄鐵；少了一塊蹄鐵，丟了一匹戰馬；少了一匹戰馬，丟了一個騎手；少了一個騎手，丟了一場勝利；少了一場勝利，丟了一個國家……
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
