英国将投资12亿英磅建“气象超脑”，只为一个晴天

Photo by Johannes Plenio on Unsplash

　　文/藏狐

　　来源：脑极体（ID:unity007）

　　美国气象学家爱德华·罗伦兹（Edward N.Lorenz）在 1963 年认为，在南美洲亚马逊河流域热带雨林中的蝴蝶，偶尔扇动几下翅膀，可以在两周以后引起美国得克萨斯州的一场龙卷风。

　　此后，“蝴蝶效应”——The Butterfly Effect 一词，就总被用来形容哲学上的混沌现象，即任何事物发展都存在不可测的“变数”，往往一个微小的变化，就能影响事物的走向。

　　但有人选择了相信最初的解释版本。

　　在科幻作家刘慈欣的笔下，一位热爱祖国的南斯拉夫科学家，“为了苦难中的祖国，我扑动蝴蝶的翅膀……”——试图通过自己建立的大气模型软件，在世界各地寻找到“大气敏感点”制造扰动，从而使自己的祖国上空出现不易遭受美军空袭的天气现象。

　　这位科学家失败了。

　　然而在真实的世界里，也有科学家试图建造一个庞大的“气象超脑”，来拯救连续两个周末遭到风暴肆虐的英国。

　　投资 12 亿英磅，只为一个晴天

　　就在前不久，英国政府宣布将在未来十年投资 12 亿英镑（约 1.56 亿美元），用于开发最先进的超级电脑。

　　从公开消息中可以得知，该系统比现有的气象超脑运算性能增加三倍，用以提高恶劣天气和气候的预测能力。

　　如此大费周章，到底有哪些价值呢？

　　英国政府大概举了几个例子，比如更精密的降雨预测，有助于快速部署防洪系统；让机场进行更好的预测，以便为潜在的断电做好计划；以及为能源部门提供更详细信息，协助其减轻潜在的能源中断和突波等影响。

　　其实，上述数字技术的应用和价值，在气象领域早已有之。

　　早在人工智能第二次浪潮时期，就已经发展出了天气预报专家系统、智能天气信息采集系统、智能预报系统等技术。

　　1989 年，仅预报灾害性天气的 AI 系统就出现了 KASSP、GORAD、CONVEX、OCI、WILDARD 等等，通过专家系统和自然语言处理技术，来预报一些雷暴、冰雹、大雾、闪电等自然灾害。

　　更强大的气象超脑，又能让气候预测升级到何种水平呢？

　　洞察气象的智慧大脑，

　　到底有什么意义？

　　值得注意的是，在本世纪的前十年，气象领域对智能技术的探索，大多停留在研究阶段，只有不到 20% 的系统能够被实践检验，更少一部分才会被在业务中使用。

　　一方面，是当时没有足够完整的机制来让智慧气象技术融入，同时也缺乏独立的计算机环境支持，成本上自然更加捉襟见肘。

　　这也是为什么，普通大众对气象预报产生了两个相对狭隘的刻板印象：

　　一是测不准。

　　天气本身的不确定性，本身就存在无法被百分百精准预报的限制，而此前的技术也并未能很好地解决这一问题。常规的“3 天天气预报”，在全球范围内至多达到 70% 至 80% 的准确度。这就导致许多自然灾害、突发事件无法被预先判断，城市也难以提供足够高效的应急保障。

　　二是价值低。

　　既然重大灾害测不准，那么天气预报在日常服务上所能发挥的作用就显得有些尴尬了。因为大多数常规天气下，人们对是否需要加衣、能不能洗车、适不适合户外跑步、该不该开空调等等，并不存在不可或缺的刚性需求。

　　而伴随着机器学习发展、摩尔定律被挑战，人工智能开始在应用端所向披靡，也让气象服务开始发生质的转变。

　　首先，见得更多。

　　以往气象预测不尽如人意，掣肘要素之一就是气象数据过于庞杂且数据量大，无法被全部高效地处理。

　　其中既包括实况数据，即来自全球气象站点的观测数据，既有几千米高空的气象卫星、雷达，还有最原始的人工实时观测。除此之外，还需要“模式数据”，即由各类计算机的程序运算生成、预测所需要的初始值。二者叠加，才能保障精准预测的可能。实际上，伴随着大数据的狂飙，各国升级气象计算机的新闻不时就会见诸报端。

　　其次，算得更快。

　　如此庞大的数据一股脑儿涌来，需要一系列处理、分析、推演、预测等操作，加上人们所需的气象预报时空精度越来越高，所需的计算量级和复杂程度也非常之大，而且整个过程往往需要在半小时之内完成，轻易就能干倒一个计算设备的可用资源。

　　比如中国气象局最近一次提出的“计算”需求是：高性能计算系统峰值运算速度要不低于 8000 万亿次每秒，在线存储容量要大于 12.6PB，全系统可用度超过 99%，堪称是算力怪兽。

　　最后，想得更准。

　　气象预测最终是要为服务社会民生所用，但限制其可用性的既包括系统本身的技术局限，还有着复杂且无法预测的用户需求，如何将二者统一起来输出合理的决策呢？

　　以往的做法是，让经验丰富的人类预报员与机器一同工作，来给出适当的指导。当然，人工智能的加入可以帮助工作人员大大地提升效率。

　　2017 年，中国气象局公共气象服务中心联合天津大学共同研发了全国强对流服务产品加工系统。就运用图像识别和深度学习等新技术，快速监测强对流天气。比如就冰雹预警来说，通过深度学习，清晰地分析出雷达回波上的冰雹特征，从而更好地识别冰雹云，推算出其移速和移向，给出公里级的冰雹可能影响范围，帮助人类更早地预警和防范。

　　所以，近年来在诸多智慧城市项目中，将气象数据与城市基础数据叠加，通过模拟天气变化来为城市运行、应急调度提供决策依据，已经作为公共服务的一部分，成为城市治疗的必备选项。

　　气象大脑+超算，会带来哪些改变？

　　既然气象大脑的能力进阶，对计算能力提出了超高要求，那么计算机的更新换代自然也就刻不容缓了。

　　目前有实力的国家如中美英日等，支撑起气象预测数值计算的都是高性能的超级计算机。

　　比如中国的神威·太湖之光，就拥有超过 1000 万个内核、125PFlops （1PFLOPS 等于每秒1×1015 次浮点运算）的峰值性能。

　　如此庞大的计算集群，自然也会给运营过程带来一些不确定因素。

　　比如说，天气模拟需要数万个 CPU 并行计算，微小的互连延迟和带宽都有可能给结果带来偏移；

　　再比如降本增效。气象大脑的灾备往往需要设计两个计算资源相对独立的子系统，同时共享存储资源。这样一来，业务可靠性大大提高，但功耗、服务器成本也大大提高，如何降低气象预测的社会成本，也与每个人利益切身相关。