近期高温、台风、大规模降雨等极端恶劣天气频发，天气预报在指导人们应对此类自然灾害时起到了至关重要的作用。7月20日，中国气象局印发《人工智能气象应用工作方案（2023—2030年）》，推动人工智能技术在气象观测、预报和服务中的深度融合应用，为监测精密、预报精准、服务精细提供新的技术支撑。而随着行业大模型时代的到来，人工智能技术在气象预测过程中扮演了怎样的角色，是否已经在某些方面超越了传统气象预测方法？通过本论坛的举办，来自政府、科研院所、高校与气象服务企业的人士共聚一堂，从不同角度进行深度思辨讨论，希望能推动人工智能技术在气象预测领域的更好发展。为了梳理现状、凝聚共识，CCF YOCSEF天津于2023年8月27日在天津举办了题为“人工智能在灾害性天气预警中的优势何在？”特别论坛。

经过一个上午的深入探讨和热烈思辨，本次论坛观点总结如下：

（1）人工智能辅助极端灾害天气预报确实存在痛点和难点，主要因素是气象数据不能够完全开放、存在数据安全问题；气象领域的某些计算量过大，导致现有资源难以匹配；极端天气是气象领域面临的难点之一，因为它涉及多种因素。在预报极端天气时，需要考虑各种可能性和后果。

（2）人工智能辅助极端灾害天气预报中，人们尤其关注算法的准确性，包括灾害发生的具体时间和地理位置，以及算法的可信程度，这会极大的支撑后续的决策过程。

（3）气象大模型会给行业带来新的机遇和挑战，尤其是其响应速度较快，能够在短时间内运行并生成预测结果，可以在简化的硬件平台上部署。

此次论坛由信创海河实验室协办。活动由CCF YOCSEF天津副主席王朕（天津财经大学）、CCF YOCSEF天津AC委员刘丁（天津工业大学）担任现场活动执行主席。气象学及人工智能领域科研一线学者、产业专家汇聚一堂，针对气象预报中的人工智能应用当前的发展水平和落地应用进行深入思辨讨论，为我国在该领域的发展尤其是应用落地建言献策。

论坛现场活动包括引导发言和深度思辨两部分，协办单位信创海河实验室龚克主任做了前导发言。指出充足而高质量的数据对于构建气象大模型至关重要，例如在卫星数据之间的关联以及地形数据等方面，不可忽视其对气象预测的影响。为了提高模型的预测性能与准确性，提议将人类知识融入模型中，即生成人工反馈的强化学习。通过将人类知识嵌入模型，能够更好地将动力学等重要知识纳入分析过程，进一步提升模型的表现。着重强调在未来应当将AI+大气科学放在一个更突出的位置，共同探索更多创新路径，为人民生产生活提供有力保障，提升社会的安全稳定水平。

针对论坛主题，邀请了九位人工智能赋能气象预报领域的一线专家，他们分别来自天津海洋中心气象台、清华大学、天津市气象科学研究所、滨海新区气象局、东丽区气象局、中国气象科学研究院、天津大学、国防科技大学、天津优展科技有限公司。九位嘉宾针对行业发展现状，从应用前景、技术瓶颈、国内外发展态势等几个方面进行探讨，力图厘清困惑，达成共识，为我国气象预报事业的发展建言献策。

天津海洋中心气象台刘彬贤台长的发言题目是《人工智能气象应用及发展规划》。刘彬贤介绍了2022年4月28日国务院印发的《气象高质量发展纲要(2022—2035年)》,指出气象事业是科技型、基础性、先导性社会公益事业,并指出以智慧气象为主要特征的气象现代化已经成为气象科学发展的主要趋势。尤其大数据的有效应用是气象业务特点之一，也为气象与AI技术的结合提供了契机。报告进一步从人工智能气象应用现状、存在的问题和下一步发展的思路进行了探讨。

清华大学张育宸博士的发言题目是《基于深度学习的临近降水预报》。张育宸介绍了近年来深度学习技术在天气预报领域取得的激动人心的进展，提出了一系列基于深度学习技术的降水预报模型，并于近日提出了临近预报大模型，显著提高了公里尺度下0～3小时极端降水的预报能力，在全国62位气象预报专家的过程检验中大幅领先国际上的同类方法。

天津市气象科学研究邱晓滨副所长的发言题目是《人工智能技术为数值天气预报带来的机遇与挑战》。邱晓滨指出准确预测极端性天气气候事件的发生时间和落区是十分具有挑战性的工作。近几十年，天气预报的精度和提前量已经得到显著提升。而近年来，随着人工智能技术发展，依靠各种气象数据驱动的预报技术开始蓬勃发展。特别是近两年，各种天气预报大模型的不断涌现，似乎为气象预报的发展又打开了一条新的途径。今后，传统预报技术与人工智能技术如何竞争与协作，共同促进气象预报质量提升，将会成为行业关注的热点。

在思辨环节，嘉宾们从本次极端灾害天气的预报中有哪些痛点和难点，AI方法相比于传统方法的优缺点？AI算法在气象预测应用中的关键：算法的准确性、可解释性，还是决策的风险评估？气象大模型的出现将会给极端灾害天气预报带来什么样的契机和机遇？这三个议题展开思辨纷纷表达了自己的观点，发言涉及到产业前景、技术瓶颈、国内外发展态势等几个方面。

在第一个思辨议题中，嘉宾们认为极端灾害天气预报的痛点和难点主要在以下方面：（1）AI预报需要气象数据支撑，但是气象数据不能够完全开放、存在数据安全问题；（2）气象领域的某些计算量过大，导致现有资源难以匹配；（3）极端天气是气象领域面临的难点之一，因为它涉及多种因素。在预报极端天气时，需要考虑各种可能性和后果，这可能是一个复杂的过程；（4）对于极端灾害天气，这些事件的数据较少，样本不平衡也是一个挑战，因为现有数据集中普通天气样本远多于极端天气样本，导致模型难以捕捉到极端情况。而AI算法的优点集中在以下方面：（1）AI大模型可能有助于提高预测精度和效率可能能够更快地处理数据，进行预报和分析。（2）机器学习可能是一种补充方法，用以补充在极端天气预测的短板。存在缺点如下：（1）黑箱、可信度有待提升；（2）短时行、极端性预测难度大，当前模型能力与水平达不到实际要求。

在第二项议题中，嘉宾们认为算法准确性和可解释性之间有一定关系，在实际应用中，他们可以是互补的，当模型准确性到达很高时，引入可解释性变得重要，这样可以分析模型的误差、流程和传递方式，以及内部的各种因素。这需要结合领域专业知识来更好地理解模型内部。可解释性也可以帮助专业人士更好地理解模型内部的运作，从而更好地分析误差和改进模型。同时，在解决算法准确性问题时，物理约束的引入是重要的。将物理约束融入人工智能模型的损失函数中，能够提升模型的可解释性，并引导模型生成更符合实际的预测。除此之外，预测算法的“可信性”是很重要的指标，会直接影响后续的决策结果，而在气象预警风险评估中，决策可能受到政策和约束的影响。在决策中引入风险评估，考虑不同决策的可能风险和影响，以确保决策的可靠性和合理性。

在第三项议题中，嘉宾们认为气象大模型可能会引入更多的不确定性和复杂性，因为大模型可能会更加复杂，数据更加丰富，不同的模型之间可能存在差异，人们在选择模型时会权衡不同的因素，并强调在极端情况下模型选择可能尤其困难。现有气象大模型的一个机遇是其响应速率较快，能够在简化的硬件平台上部署并迅速运行。这对于快速变化的天气情况，特别是短时期的天气现象，具有重要意义。而与传统的数值模式相比，机器学习模型在计算效率上可能具有优势。它们能够在短时间内运行并生成预测结果，尤其适用于快速响应需求的场景。

此次论坛历时四小时，YOCSEF天津分论坛AC主席张鹏进行了总结致辞。此次论坛聚焦于人工智能辅助气象预报的关键问题，尤其在行业前景、技术瓶颈、国内外发展态势等方面展开研讨，相信会对行业的从业者提供有益的参考和借鉴。