中国科学院大气物理研究所研究员马柱国长期专注气候变化领域研究，作为气候模型专家，更深知算力、算法与信息数据处理之间的密切关系。他从观察者视角向中国经济时报记者表达了对目前气象气候领域人工智能技术
应用的正向反馈，包括对气象预报带来的积极改变和未来的应用前景。
“人工智能为气象预报带来技术方法提升”
马柱国认为，WMO发布消息旨在形成警示，毕竟极端气象和气候表现带来的经济损失和人身安全是不可忽视的。这也是人类社会至今不断强化技术支撑提高气象预测准确度的一大原因。
“大家关注通过提升技术手段，实现更高准确度的预警，继而为最大限度地规避极端气候气象灾害带来的损失。”马柱国说，“人工智能正可为气象预报带来技术和方法的提升，以此提升预报效率和准确度，让更精准预警成为可能。”
人工智能应用于气象领域，实质上是利用大数据、高算力等技术与气象预测的深度结合，形成智能跨域、多尺度、精准的气象体系，实现大幅度提升气象预报速度，增强预报时效性，以及从数据中挖掘规律和数理方程互补的局面。
气象预报采用的技术手段经历了快速迭代和进步。马柱国自己也曾亲身历经在气候研究领域使用早期微型计算机到如今人工智能的迭代变化。他说，20世纪80年代初，一种可编程的袖珍计算机，俗称PC-1500，就能整合录入气象分析员的经验信息和专业数据，形成指标参考对降雨、冰雹、大风等气象条件进行预报。
40余年时光荏苒带来的技术进步尤为惊人。“从大量信息里高效准确地提取有用和全面的信息，需要日益强化的计算能力支撑。人工智能背后的大模型算法和高算力正是针对数据信息处理能力的提升，能够快速提取可用的信息。”他说。
“局限性难突破，人工智能并非万能”
新技术的发展往往难以突破本身局限性。马柱国认为，即便是拥有了大数据和高算力的人工智能技术，也只是实现了对“足够庞大的已经存在的信息数据”的处理。他说，用这种“过去的数据”推测未来，就是基于一个基本前提：未来的发展规律和过去的存在一定关联性和类似性，这才能依托“过去的数据”形成算法模型，继而实现对未来的预测。“但是预测未来，有很多不可预知性。”
结合最近持续火热的ChatGPT，马柱国给出了一个直观对比，以说明人工智能的局限性所在。假设一个用户对ChatGPT输入“2+8=12”的信息，它会回复“不对”。用户再反问“这是对的”。它会回复“我的数据库不存在2+8=12数据，也许你是对的”。
“这无形中就体现了以此为代表的人工智能显然也存在一定局限性。”马柱国认为，ChatG?PT代表的大语言模型，以及由此衍生出的人工智能技术，本质内核并不是一个创造者，但却是一个非常熟练的信息加工处理和整合者。
“一定程度上，气象和气候预测也存在这样的问题。”马柱国说，以当前最新建的气候模型做气候预测为例，一旦模型某个环节数据出现准确率不足，对结果一定会造成误差。
气候模型，就是利用数学方法对天气变化进行模拟。“目前人们对气候变化的过程并非十分了解，因为对某些气候现象的研究不得不进行假设，而且越精确的模式需要的观测资料越多。”马柱国认为，人工智能技术在气象领域应用，包括大算力和算法带来的信息和资料处理能力的大幅度提升值得肯定，但依旧难免有局限性。
正如“无论怎样通读史书也难以对未来运筹帷幄”一样，马柱国说，气象学家无论怎样了解过去的气候发展规律，也难以完全准确地预测天气。
“人工智能和传统主流预测方法互为促进”
在马柱国看来，人工智能进入气象预报和大气物理应用场景中，本质上带来的还是通过算力、算法对大数据等信息进行整合，对模型模式提供更多新的技术支持和方法，继而对预报准确性和效率加以提升，“但不能期待或者简单说人工智能取代传统的主流预测方法，至少目前尚不具备条件。”
以大家耳熟能详的卫星云图为例，马柱国解释称，天气预报中，卫星监测是十分有效的，能够直观看到云团行进轨迹和速度，一旦用数据化的模式算法取代人工直观观测，实质上带来的改变也是明显的。
现在的天气预报，常规方法是使用天气预报模式进行定量化预报。马柱国介绍，模式本质上是一个数学模型，即利用流体力学变化运动规律对大气流体建立一种运动方程，继而生成一个伴随时间变化的预报方程。比如，已知这个时刻的天气，根据运动方程可以判断下一个时间段的天气情况。
“但在方程的运行过程中要做很多假设限定，这个过程就会出现对数据的取舍，从而带来一定误差，因为只有在流体动力学的条件下进行一定假设，才能进行推测和计算。”马柱国认为，一旦大数据和人工智能技术得以引用和应用，可以输入大量的数据信息，将可数据化的全部信息，如将卫星云团走动之间的关系加以统计输入后，人工智能会生成提取更加精确的可用信息。
当前，人类对于气象领域的研究仍存在局限，更多新的认知有赖于科学研究探索和突破约束，马柱国认为，人工智能关联技术一定会利好科学研究，助力取得新的科学成果。在气象和气候预测领域，人工智能和传统主流预测方法互为促进。
