如今，公眾比以往任何時候都關注空氣質(zhì)量，起床打開手機看空氣質(zhì)量已經(jīng)成為習慣?？諝赓|(zhì)量軟件也成為各種智能終端的出廠默認裝備。類似墨跡天氣、全國空氣質(zhì)量等空氣質(zhì)量預報軟件已經(jīng)不止上百種。

今年初，“全國空氣質(zhì)量預報信息發(fā)布系統(tǒng)”上線，城市空氣質(zhì)量預報發(fā)布內(nèi)容包括未來24小時、48小時空氣質(zhì)量指數(shù)范圍、空氣質(zhì)量等級、首要污染物等預報信息。從此，空氣質(zhì)量預報有了權威聲音。

但記者發(fā)現(xiàn)，目前的空氣質(zhì)量預警預報最多只能知曉未來7天的空氣狀況。想要知道更長時間或者更精確的空氣質(zhì)量還比較困難。

近日，記者走訪了IBM中國研究院綠色地平線研發(fā)團隊，“我們研發(fā)的大氣污染防治量化決策支持平臺可以支持全國367個城市預報和相關決策，對于未來3天，預測精度可以達到1km×1 km，長期預測可以達到10天。如果數(shù)據(jù)資料比較完善的話，準確率可以超過80%以上。”IBM中國研究院副院長董進表示。

?高精度追溯污染源 模擬減排提供決策支撐

進入IBM中國研究院的創(chuàng)新實驗室，記者看到了正在運行的大氣污染防治量化決策支持系統(tǒng)。系統(tǒng)左邊一欄有監(jiān)測站點、遙感數(shù)據(jù)、排放清單、地貌地形、交通信息、社交媒體、宏觀數(shù)據(jù)7項數(shù)據(jù)信息。右上角功能欄里有環(huán)境大數(shù)據(jù)、三維可視化、減排駕駛艙、全景視圖、污染預報、天氣預報6項數(shù)據(jù)應用。

“大數(shù)據(jù)是分析和決策的基礎，這7項環(huán)境大數(shù)據(jù)是所有功能的數(shù)據(jù)基礎?！盜BM中國研究院博士張軍告訴記者。監(jiān)測站點不僅包括每個污染監(jiān)測站點過去24小時主要污染物的實時數(shù)據(jù)，如PM2.5、PM10、SO2、NO2、O3等，還包含各氣象監(jiān)測站點的氣象觀測數(shù)據(jù)。遙感數(shù)據(jù)、地形地貌數(shù)據(jù)、交通信息數(shù)據(jù)都從不同層面增強空氣質(zhì)量預警預報的準確性，其中交通信息數(shù)據(jù)依靠一個大型的交通流量仿真模型，可以同時對上百萬輛車的交通流量進行模擬。

排放清單數(shù)據(jù)、社交媒體數(shù)據(jù)、宏觀經(jīng)濟數(shù)據(jù)3類數(shù)據(jù)主要為大氣污染的治理工作提供決策支撐。排放清單數(shù)據(jù)可以實時更新，溯源污染源，宏觀經(jīng)濟數(shù)據(jù)可以分析經(jīng)濟與環(huán)境的關系，社交媒體數(shù)據(jù)可以及時預警環(huán)境問題。點擊社交媒體數(shù)據(jù)，記者直接可以看到某時間段內(nèi)公眾搜索頻次最高的環(huán)境問題的詞匯是什么，最受關注的話題城市是哪幾個，系統(tǒng)還可以自動計算新聞媒體關于環(huán)境問題的報道數(shù)量、社交網(wǎng)絡的關注數(shù)量以及公眾參與數(shù)量等?！拔覀冞€有一個有意思的發(fā)現(xiàn)，北京的網(wǎng)民對空氣質(zhì)量的敏感度要遠遠高于全國其他地方?！盜BM中國研究院資深研發(fā)總監(jiān)尹文君說。

大氣污染防治量化決策支持平臺不僅可以精準預報空氣質(zhì)量，還可以根據(jù)各站點的污染源數(shù)據(jù)、交通流量、地形地貌、氣象狀況，實時對各地的大氣污染進行溯源， 清晰地知曉各污染源所占的比重，還可以精準分析周圍地區(qū)對當?shù)匚廴镜呢暙I量。張軍隨手點擊了北京的一次重污染過程，系統(tǒng)可以實時分析出污染源的時空特點，以及污染源的構成情況，還可以清晰地看到其他主要城市對這次污染的貢獻占比。

準確知曉污染源后，就可以利用決策支持平臺的減排駕駛艙功能，對污染物減排狀況進行模擬和對比。張軍點擊減排駕駛艙，在污染源控制策略中，選擇工業(yè)源、生活源、機動車不同的參數(shù)，就可以模擬出控制前和控制后PM2.5的變化，并直接分析出對經(jīng)濟的影響。張軍以APEC期間的空氣預報為例，演示了系統(tǒng)如何預報10天的空氣質(zhì)量趨勢，并仿真了不同的減排策略對經(jīng)濟造成的影響，“這是政府決策的重要依據(jù)?！?/p>

?認知計算培育“超級專家” 輔助環(huán)境管理

如何將這7項數(shù)據(jù)進行有機融合？如何實時實現(xiàn)大氣污染溯源？如何模擬不同污染物的削減對于空氣質(zhì)量的影響？如何估算污染物削減帶來的經(jīng)濟影響？記者隨后拋出一連串問題，董進詳細地進行了解答。

“這主要是基于Watson認知計算技術融合多類型來源模型建立的可自調(diào)節(jié)的環(huán)境質(zhì)量超級模型?！倍M說，這就好比一個“超級專家”，他既是大數(shù)據(jù)挖掘?qū)＜?，也是物理學家、化學家、經(jīng)濟學家、統(tǒng)計學家。

認知計算技術能夠模擬人學習的過程，主要是根據(jù)歷史數(shù)據(jù)，不同時間、位置、天氣情況、人類活動等信息進行動態(tài)深度學習，實現(xiàn)各類模型的融合。認知計算技術的出現(xiàn)主要得益于大數(shù)據(jù)時代的到來。以往數(shù)據(jù)量小，人可以依靠自身發(fā)現(xiàn)規(guī)律，而大數(shù)據(jù)出現(xiàn)之后，人已經(jīng)沒有能力從海量的數(shù)據(jù)中去尋找規(guī)律，這就需要訓練機器像人一樣去思考、去學習，從而幫助人類發(fā)現(xiàn)規(guī)律，人類便可以利用這些規(guī)律做決策和判斷。

董進表示，相較于傳統(tǒng)的空氣質(zhì)量預測預警的方法，認知計算技術有獨特的優(yōu)勢。傳統(tǒng)的物理模型、化學模型只能預測短期的空氣質(zhì)量，并且由于沒有考慮到影響空氣質(zhì)量的其他因素，準確率也受到一定影響。認知計算則不僅采用監(jiān)測站點、氣象數(shù)據(jù)等方面的信息，還將交通信息、人流信息、社交媒體數(shù)據(jù)等空氣質(zhì)量相關信息納入進來，通過整合結構化數(shù)據(jù)和圖片、聲音等非

結構化數(shù)據(jù)，實現(xiàn)物理模型、化學模型、氣象模型、統(tǒng)計模型、大數(shù)據(jù)挖掘等模型的融合，形成更準確的空氣質(zhì)量預警預報模型和決策支持模型，實現(xiàn)空氣質(zhì)量預測。

“而這些模型如何更好地融合正是認知計算技術的難點和重點。”董進說，“綠色地平線團隊本身集合了IBM全球研究院幾十位能源、環(huán)境及大數(shù)據(jù)分析領域的科學家，同時我們也積極地和國際及國內(nèi)頂級氣象及環(huán)境研究機構密切合作，優(yōu)勢互補，集成最先進的氣象及環(huán)境模型，推動超級模型完善。”

認知計算技術依賴于數(shù)據(jù)的長期積累，超級模型需要通過這些歷史數(shù)據(jù)，比如通過學習什么樣的氣象條件、站點狀況，會出現(xiàn)什么樣的天氣后，模型便有了“經(jīng)驗”，再次監(jiān)測到相似的氣象條件時，便可以實現(xiàn)與歷史數(shù)據(jù)匹配，實現(xiàn)高準確度的預測。據(jù)了解，IBM已經(jīng)與多地開展了合作，并初步取得成效，在數(shù)據(jù)比較完整的地區(qū)，后臺已經(jīng)依靠模型智能分析出上千條規(guī)律。但是決策系統(tǒng)在認知學習過程中，可能會有幾種預測結果，這就需要專家會商，并與之后的實際情況進行比對，調(diào)整出一個更精準的模型?！俺墝＜摇币簿鸵虼苏Q生了。

比如，環(huán)境和經(jīng)濟問題一直是一對相伴相生的矛盾，APEC期間，超級模型就模擬了上千個場景實現(xiàn)環(huán)境治理，以盡量減輕對經(jīng)濟影響的方式實現(xiàn)環(huán)境治理。這就需要專家會商，并用最后的實際效果進行印證。這就是一個完整的學習過程。

“認知計算是未來信息技術的發(fā)展方向，如何與環(huán)保行業(yè)的實際需求相結合仍是我們未來努力的方向。”董進表示。

?綠色地平線起步 信息技術助三大領域突破

大氣污染防治量化決策支持平臺是IBM從2014年啟動的綠色地平線計劃的一部分。除了大氣污染防治外，綠色地平線計劃還致力于可再生能源高效利用和企業(yè)節(jié)能減排。

可再生能源具有間歇性、不可控性等特點，風光一體化發(fā)電功率預測系統(tǒng)可以對可再生能源的發(fā)電功率進行超短期、短期以及中期預測，準確度高達90%以上，以便于可再生能源接入主干網(wǎng)。

目前，這一系統(tǒng)已經(jīng)為國家電網(wǎng)冀北電力有限公司的張北風光儲輸示范項目提升了10%的可再生能源接入量，這些增加的能源每年可供1.4萬個家庭使用。同時，系統(tǒng)在英國、日本、印度也都投入應用。

致力于企業(yè)減排的智能區(qū)域能量管理系統(tǒng)，通過企業(yè)用能對比、成本計算等分析，為管理部門或高耗能行業(yè)（如鋼鐵、水泥、化工和有色金屬等）提供能源優(yōu)化調(diào)度、節(jié)能管理及分析決策，助力工業(yè)企業(yè)實現(xiàn)綠色轉型。

無論大氣污染治理，還是能源利用、企業(yè)節(jié)能，三大領域的突破都將依賴于認知計算、大數(shù)據(jù)分析、物聯(lián)網(wǎng)等最前沿的信息技術。

尹文君認為，目前數(shù)據(jù)的應用還存在誤區(qū)，往往是直接從數(shù)據(jù)上升到應用。他認為，數(shù)據(jù)從產(chǎn)生到應用應該有3層，是一個金字塔的結構。最下面的一層是數(shù)據(jù)層，首先要把數(shù)據(jù)整合好。第二層是一個由高校、研究所、具有研發(fā)能力的企業(yè)組成的研發(fā)生態(tài)圈，高校、研究所要牽頭做一些前沿的理論研究，類似IBM研究院等科研機構要積極地與其他企業(yè)、高校聯(lián)手，“抱團取暖”，實現(xiàn)研發(fā)成果共享，而不是各自為營。第三層也就是金字塔頂層是數(shù)據(jù)的應用，這樣的結構才是穩(wěn)固的，也才能實現(xiàn)數(shù)據(jù)長效應用。

“認知計算的最高境界就是不僅可以為決策作支撐，還可以實現(xiàn)人機互補，這也是認知建模發(fā)展的方向。”尹文君表示。

■漲知識

微觀認知計算

認知計算出自對于IBM人工智能超級計算機“沃森”的稱謂，而現(xiàn)在，它更多的代表著一種全新的大數(shù)據(jù)分析方式。

“認知計算”是人工智能和大數(shù)據(jù)的“聯(lián)姻”。認知計算的提出，源于人類目前面臨的大數(shù)據(jù)挑戰(zhàn)。今天的大數(shù)據(jù)，不僅數(shù)量大、種類多、傳播速度快，并且大多是非結構化數(shù)據(jù)（圖像、語音、視頻等多媒體數(shù)據(jù)），其中存在很多不確定性，還參雜了一些不準確甚至是錯誤的信息。傳統(tǒng)IT技術已無法從根本上解決大數(shù)據(jù)的分析應用問題，亟待新的技術突破。

作為IBM全球領先的技術創(chuàng)新，認知計算能夠?qū)崿F(xiàn)大規(guī)模學習、針對問題的推理和思考，進行自然語言交互，增強和擴充人類在專業(yè)知識方面的學習能力，與人類合作解決人類和機器無法單獨解決的問題。

認知創(chuàng)新也需要結合物聯(lián)網(wǎng)、云計算與大數(shù)據(jù)分析。

中國人工智能學會理事長李德毅曾表示，認知系統(tǒng)不是追求與人形似，而是需要實現(xiàn)交互、推理、思考、記憶和計算等復雜功能，讓互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)等技術為認知系統(tǒng)智能化提供有力支撐。