2022年世界互联网大会

自然的奥秘隐匿在幽深而晦暗之处，单凭人类在进化中获得的那些认知禀赋难以直接捕获，这使得科学探索常常是极为复杂而艰难的过程只有查知范围有限的知觉器官和脆弱的推理能力，却要找出万物的基本构造。

谷歌也在一份声明中表示，它参与了关于出版商未来如何管理其内容的谈判。与此同时，一些新闻机构也在抵制人工智能。

关于生成式人工智能的问题真的很难给出答案。但在ChatGPT发布之前，数据所有者对此并不太了解，也不认为这是一个特别严重的问题。同月，在代表在线出版商利益的贸易组织Digital Content Next发布的一份声明中，《纽约时报》和《华盛顿邮报》等在线出版商认为，使用受版权保护的新闻文章作为人工智能的训练数据具有潜在风险和法律问题，它们呼吁人工智能公司尊重出版商的知识产权和创作劳动。该公司表示：我们相信，每个人都能从一个充满活力的内容生态系统中受益。这就像一个学生在图书馆读书，然后学习如何写作和阅读。

但在公开露面和对诉讼的回应中，人工智能公司辩解称，使用受版权保护的作品来培训人工智能是合理的——这参考了美国版权法中转换性使用的概念，如果材料以一种变革性的方式改变，就会创造一个例外。法律争议 OpenAI的ChatGPT和Dall-E、谷歌的Bard、Stability AI的Stable Diffusion等生成式AI都是基于从互联网上抓取的海量新闻文章、书籍、图片、视频和博客文章进行训练的，其中很多公开内容都受版权保护。因此，可以考虑调整森林的树种组成，形成具有抵抗林火的森林带，构筑天然的绿色防火道。

监测反演法需要根据监测数据计算排放多少二氧化碳，然后根据周边数据的差异反推出到底扩散了多大范围。林火如何才能得到有效控制呢？面对记者的提问，刘志华说，主要控制手段是早发现早灭火，一旦火势蔓延，转化为树冠火，是很难控制的。如何才能预防森林火灾 历史数据显示，自21世纪以来，随着气候变暖加剧以及人类活动影响，林火发生规模和频次呈扩增趋势。截至7月5日，加拿大森林过火面积已达8.8万平方公里，持续破历史纪录。

加拿大全国仍有670处火场在燃烧，其中半数以上处于失控状态。7月6日，加拿大自然资源部预测，由于高温和干旱，森林火情将持续整个夏天。

刘志华供图 该方法的基本原理是基于遥感逐日观测到的火烧面积等数据，计算林火碳排放强度，模拟得出林火累计碳排放量，较好地兼顾了时效性和准确性。图片来源：CBS 加拿大的森林火了 今年5月以来，加拿大林火持续蔓延，引起国际社会广泛关注。朱教君认为，树种不同，抵抗或引发林火的可能性也不同。目前，加拿大所有省份都有地区遭遇干旱，一些地区的旱情正在加剧。

林火碳排放量超了 根据现有研究，计算林火碳排放量的方法主要有排放因子法、遥感观测法、模型模拟法和监测反演法。长期以来，林火对森林生态系统的影响相对稳定。据有关研究，2021年北美和欧亚大陆高纬度林火向大气中释放近17.6亿吨二氧化碳。朱教君建议，针对极端林火预测和防控的世界性难题，应组织科研人员进一步研究构建我国森林林火风险识别、预警预测和防控技术体系，并加强林火过程碳排放研究，建立更加科学、全面、自主可控的碳核算体系。

版权声明：凡本网注明来源：中国科学报、科学网、科学新闻杂志的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动。虽然森林火灾很难控制，但是可以采取有效手段预防林火发生

毕恺峰不辞辛苦，他花费了大半年的时间，从欧洲气象中心下载了超过200TB的再分析数据，并且利用早期的10年数据，逐步搭建起AI气象预报的训练框架。对传统预报不是替代，而是互补 华为云盘古气象大模型在天气预报中的亮眼表现，让人不禁好奇，AI预报会取代传统预报吗？ 谈替代传统数值计算预报是不合适的。

至少在未来一段时间，AI气象预报方法和传统气象预报方法会结合起来，形成一种混合预报系统。相比传统数值方法，预测速度提升10000倍。我们认为，AI预报天气应该和数值天气预报并存，互相对比验证，为人类提供更加精准可信的天气预报，而不是谈谁替代谁的问题。缺数据？小伙从欧洲气象局下载超200TB 盘古气象大模型的研究，始于2021年。这年也正是毕恺峰选定AI气象预报并开始准备的时间。中央气象局称，华为云盘古大模型在玛娃的路径预报中表现优异，提前五天预报出其转向路径。

这些报告见诸于欧洲气象中心的技术报告、技术博客和在世界气象组织研讨会上的发言。其中一位审稿人称赞：华为云盘古气象大模型让人们重新审视气象预报模型的未来，模型的开放将推动该领域的发展。

3D-EST方法在理论上可以解决很大问题，但很快，缺少实际气象数据又成为新的掣肘空有理论，无法进行模型训练，也无法对比预测结果并不断优化模型。同理，在气象领域也是一样。

此前一则关于清华钱班教育方法的文章披露，毕恺峰曾一度因未能找到感兴趣的方向，而处于迷茫状态。而如果想得到更高精度、更小范围的预测，算力需求和计算时间都将成几何级数增加。

如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的来源，并自负版权等法律责任。3位来自气象领域的专家审稿人对该成果均给出高度评价。论文主要完成人、华为云高级研究员谢凌曦透露：这篇文章90%以上的工作量是一作毕恺峰同学完成的。三位审稿人也同意公开身份和审稿意见，他们分别来自慕尼黑工业大学、欧洲气象中心和科罗拉多州立大学。

他希望能有更多同仁一起，探索AI在气象预报以及更广阔的科学领域的应用。两种方法会发挥各自的优势，如传统方法的可解释性和AI方法的高效性。

我们公开了论文中使用的1小时、3小时、6小时、24小时模型，这些模型的运行速度很快，即使在CPU上单步迭代所需时间不超过1分钟。同时，谢凌曦也表示：我们期待气象学家们与AI领域深度合作，共同探索这一激动人心的新方向。

第一位审稿人，慕尼黑工业大学教授Martin G. Schultz是非常资深的气象学家，他几乎逐字逐句地读了我们的文章，并且巨细靡遗地给出了修改意见。经谢凌曦刷新后，论文率先被上传到arXiv平台。

2022年10月上旬，毕恺峰完成了论文初稿。投稿的过程还挺顺利的，很感谢三位审稿人。第三位审稿人是科罗拉多州立大学教授Imme Ebert-Uphoff，她仔细测试了我们发布的模型，认为这些模型将推动业界的研究。据谢凌曦说，审稿人几乎没有质疑团队的贡献和创新，提出的问题大多是写作、训练细节、开源开放等方面的问题。

AI气象预报所消耗的能源，远远少于传统方法（图源：ECMWF报告） 今年5月，台风玛娃走向受到广泛关注。对于这次投稿，我们完全没有把握，因为团队成员没有任何Nature（包括子刊、通讯等）投稿的经历和经验。

我们使用了全球40年的天气数据，用200张GPU卡进行预训练，大概训练了2个月左右的时间，训练出了参数量达到亿级的盘古气象大模型。一个多月后，他们无意间发现谷歌类似的研究成果GraphCast，已经做出很好的结果。

有了一定的调参经验后，2022年中，他开始在40年数据上做实验。田奇表示，传统数值天气预报方式也有自己的优势，比如数据天气预报可解释性更高。