其中，天氣預報賽道備受關注。
“天氣預報需要AI”
如何把天氣預報做得更準確是一個真實世界中的難題。“天氣預報需要AI”，北京市氣象局副局長王迎春在頒獎典禮上說，“氣象這個學科就是玩數據的，我們非常需要先進的算法和AI人才的注入”。
王迎春提到，她在這次大賽中發現，一些人工智能算法所得出的結果超過了傳統氣象科學所用的模型和統計方法，這次競賽研發的技術在提升預測能力方面也可能具有潛在應用價值。她希望能夠未來能夠有更多的AI人才參與天氣預報方面的工作，并尋找一些長期合作伙伴。
作為本屆大賽的協辦支持方，北京市氣象局為參賽選手提供了北京市10個氣象觀測站點約3年多的氣象數據。1000多個參賽團隊通過設計算法與模型，結合上述數據集，預報出指定氣象站的當前時間至第二天15:00(UTC，世界統一時間)的整點氣象要素。大賽通過氣象常用預報質量評價標準對參賽者提交的預報值進行準確率評價，評估所提交的天氣預報算法和模型。最終，浙江大學光電科學與工程學院光及電磁波研究中心2018級碩士生李元鵬獲得天氣預報賽道冠軍。
中國氣象局北京城市氣象研究所副所長陳敏在接受澎湃新聞記者采訪時詳細介紹了天氣預報的工作方法。她介紹，天氣預報本質手段是用超級計算器進行海量的數據計算。但計算的結果與真實的天氣狀況之間存在偏差，不是百分之百準確，縮小這個差距是非常重要的工作。“天氣預報本身就是大數據問題，涉及到不同時間和空間上的海量數據，正是人工智能非常好的應用場景。”在這次大賽中，她希望能用人工智能算法把超級計算機的預報結果盡可能的、自動地、不用人工干預地修正到與實際觀測數據更接近，以達到“天氣預報越來越準”的終極目標。
“在這次大賽中，機器學習的準確率在天氣預報的某些方面比傳統數值運算高出了幾個百分點”，創新工場人工智能工程院執行院長王詠剛表示，天氣預報的傳統方法是高性能數據運算。此前已有用機器學習等方式做天氣預報的研究，但成果不多。他認為，從算法本身來看，以深度學習、機器學習為代表的新一代人工智能算法在天氣預報的某些點上比傳統的數值計算方法更有優勢。
王詠剛與北京氣象局都希望能夠把機器學習算法的優勢融入到傳統計算框架中以實現工程化和產品化，幫助產生更準確的天氣預報。
人才稀缺
近幾年，氣象界開始意識到AI人才對天氣預報工作的重要性。但陳敏表示，最近幾年沒有在招攬AI人才方面取得實際進展。
不過，陳敏觀察到，這次大賽成績較好的幾支隊伍并沒有接受過大氣科學的專業訓練。但他們對數據特征進行了深入分析和了解，同時嘗試了一些天氣預報從業人員沒有嘗試過的新方法，這讓她看到了人工智能在修正超級計算機預測結果中的潛力。
這些大氣科學“門外漢”的表現也使她意識到，他們所尋找的AI人才不一定需要接受過系統的大氣科學教育，也不用特別深入地了解天氣的機理，只需了解一些基本天氣知識、掌握AI工具和算法，并能夠從數據出發，挖掘規律、深入分析。
“AI領域存在非常嚴重的人才分布不均衡”，王詠剛談到了人工智能人才分布的問題，這也是本次大賽設置天氣預報、農作物病害檢測等賽道的初衷。他認為，出于市場分布和薪資的原因，目前的AI人才聚集在諸如自動駕駛等熱門領域，而礦業勘探、天氣預報等關系國計民生的領域則很難聚集頂尖人才。
人工智能算法在天氣預報領域的嘗試性試驗讓創新工場董事長兼CEO李開復受到啟發。他認為，人工智能可以應用在比我們所能想象的更多的領域。“幾十年來，人類一直用傳統的算法做天氣預報，但現在人們發現，人工智能用更少的計算量也可以得到很好的結果。”
不過，目前人們只是看到了人工智能在天氣預報中的潛能，離具體應用落地還很遠。
陳敏介紹，這次大賽的測試時間是2018年10月下旬至11月初，為期十余天。這段時間里，測試地北京市的天氣情況較為簡單，沒有強降水，只有一天出現了大風天氣。“這種簡單的天氣情況使得比賽在算法的測試性上有一定的缺陷。”
她希望未來能夠在夏季測試AI算法，觀察AI在強對流、冰雹、閃電等復雜天氣中的預測準確度。
王詠剛在采訪中表示，雖然選手們在算法上取得了不錯的結果，但未來AI在天氣預報領域的工程化道路還很遠。李開復也對澎湃新聞坦言，本次大賽的賽題設置較為簡單，只涉及到三個比較簡單的天氣特征預測。
至于主辦方會不會推進大賽成果的落地，李開復表示，主辦方并沒有相關策劃。
加州大學伯克利分校 Berkeley DeepDrive人工智能自動系統研究中心聯系主任詹景堯從人工智能的天氣預報應用中看到了AI 的工具性。他認為，AI讓那些愿意投入精力和時間來研究某個新領域的年輕一代可以馬上轉型，AI讓他們可以做完全不同領域的事情。
本屆AI Challenger 2018全球AI挑戰賽于2018年8月29日啟動，共有40支隊的83位參賽者進入總決賽答辯。首屆AI Challenger 全球AI挑戰賽于2017年舉辦。
京公網安備 11010502049343號