新科技速遞
阿里巴巴旗下研究機構達摩院推出雲端人工智能短臨天氣預測平台，可對未來六小時内的天氣情況進行精细範圍内高精度的預測。
天氣源自大氣層各種變化，受制於物理學的定律，近代的數值天氣預報是應用了流體力學及熱力學的方程式，以推動大氣運動，再以超級電腦計算作大範圍的天氣預測。
數值預報限制甚多
數值天氣預報的觀念，始於20世紀的初期，挪威氣象學家Vilhelm Bjerknes提出定量天氣預告其實是一個數學初值的問題，只要知道大氣層的初始狀況，便可求解一組描述大氣運動的數學方程得到天氣的未來變化。
隨著電腦進步，處理數值模式更複雜，從單層演變至多層，加上觀察的儀器和遙感平台增加，氣象的數據來自氣象站、氣象雷達、探空氣球、海上浮標、氣象衛星等，分辨率大幅提高，數值天氣預測已大有進步，可預測更小網格，約10公里內的天氣變化。
但以物理定律為基礎的數值預報，受制於模擬大氣物理過程各種限制，加上計算量過大，預測模式採用了某些近似和假設，以簡化基本方程式，所以不是大氣的完全寫照，加上操縱大氣演變物理定義，往往是非線性的微分方程（Differential equation），一般也沒有解析的，以物理學和數值方法建立的數值天氣預報，凖確度受了不少限制，難以預測。
短臨天氣預測價值大
去年，Google發表了以深度神經網絡建立的天氣模型MetNet，以深度神經網絡學習，能預測未來8小時內以1公里的解析度預報降雨量，輸出概率分布，可推斷美國不同地理區域降雨率和相關的不確定性，而且不依賴於大氣動力學物理定律，而是通過AI運算預測天氣，MetNet的預報解析度1公里，每2分鐘更新，可預測未來8小時的降雨量。
阿里巴巴達摩院的AI模型預測一公里網格範圍的分辨率，每十分鐘更新一次，可追蹤降雨量、風速、包括雷暴和冰雹等極端天氣狀況，而預測愈是縮短，應用於農業、物流、運輸和可再生能源等行業的價值也更大，例如減輕對農作物及牲畜的影響；速遞員更有效規劃路徑；光伏發電站更可預測來調節電力供應。
阿里巴巴達摩院機器智能技術實驗室負責人金榕表示：「短臨預測是幫助不同行業作出天氣相關決策的關鍵技術。全球各國科技公司正使用當地的氣候數據，加快研發相關技術和服務。」
AI預測平台算法由阿里巴巴達摩院和中國國家氣象中心合作研發，透過卷積神經網絡（Convolutional Neural Network, CNN）從雷達回波和氣象衛星圖片中提取氣象特徵。
平台的機器學習模型數分鐘內，提供精準及接近實時當區天氣預測；利用生成對抗網絡（Generative Adversarial Network, GAN）技術則可同時生成清晰的預測圖像。
相較於傳統的物理模型，例如需數小時才能生成預測數據的「全球/區域一體化同化預報系統」（Global/Regional Assimilation and Prediction System, GRAPES），達摩院AI模型可提升預測速度和準確度。
近年來，阿里巴巴的技術已應用在智慧農業，武漢葡萄種植以阿里雲物聯網系統，對土地、濕度、日照等環境參數進行分析，以規劃澆水和施肥。安徽省的梨農和海南省的菠蘿種植以「先進數碼農場」提升農作物產量。