编者按：本文来自微信大众号“AIDaily”，作者 小A，修正 小A、仟亿，36氪经授权发布。
每天19点32分，央视一套会在《新闻联播》之后按时播映气候预告，关于普通人来说，这仅仅一个时长5分钟的气候资讯，但这5分钟的背面却有一个杂乱、细致的信息获取、处理、剖析的链条。
气候预告的构成首要分为材料通化和数值预告，前者是手机全球同享数据以及自行监测的数据，后者则是依据这些数据经过大气运动方程式进行运算并输出成果。终究，气候预告员依据这些成果，结合气候发作的要素条件进行预告。
在这些环节中，最为根底的莫过于数据的搜集。现在，气候数据的搜集有三种方法，地基观测、空基观测（气候气球）、天基观测（卫星），而地基观测算是这些方法中最为艰苦的方法。
尤其是地基观测中的地上气候观测站，需求人工24小时值守，观测员的作业内容包括观测温湿度、云、雨、风等，但狭小的作业区域、单调且重复的作业内容、部分站点与世隔绝的作业环境（一般为山地）对观测员的心里是一次巨大的检测。
截止2018年年末，我国有6万多个主动气候站，掩盖95.6%的城镇，数量、密度抵达世界第一。即使如此，由观测员组成的地上观测站依旧在地基监测中占有重要的位置。
现在，我国晴雨预告准确率高达87%以上，居世界领先的水平，地上观测站居功至伟，但地上观测站作业的艰苦却是常人无法幻想的。
7X24小时的高山守望者
杨焕强是来自杭州馒头山观测站的一名观测员，顺着南宋皇城遗址的凤凰山一路向南，不过几百米就可以抵达这儿。杨焕强地点的观测站就在一片像80年代的老社区簇拥下的山顶上，自2006年结业今后，杨焕强就来到这儿作业，距今已有12年。
据守高山上的气候观测站是一项很需求意志的作业，杨焕强刚来馒头山观测站的时分，面临的是7X24小时3班倒的作业制，最近这两年作业制度进行了修正，变成了早上7:00到晚上20:30。即使如此，像杨焕强这样的观测员仍然没有多少休息时间，无可奈何，他们把家都安在了山上。
这些人每天守着25X25m的作业区域，日复一日的观测温湿度、云雨风，繁花似锦的杭州城好像与他们没有太大的联系。
气候的改换莫测，使得这些一线观测员有必要时间据守，尤其是在杭州这种滨海城市，每年的台风季、旱季都需求要点照料。
杭州环境气候中心主任、高级工程师胡德云曾表明，与星为伴、与云为伍，在他人看来是件浪漫的事。但在咱们眼里，它便是一串数字。
既然是数字，就可以被量化。关于从事气候观测作业的人来说，普通人眼中的白云、乌云、火烧云，在他们眼里却可以以细分红三族十属二十九类，天空的云量可以细化到11个等级，并且专业人员肉眼辨认的准确率不低于80%。
可是，再高的肉眼辨认率也需求全时段的人力观测，消磨观测员心智的一起也不利于前进功率、下降人力本钱，并且观测员的作业环境也得不到改进。以杨焕强为例，曩昔的12年，除了偶然去邻近的钱塘江边跑跑步，他连春节都待在山上。
AI图画辨认助力气候观测
在迫切需求改进员作业业环境，一起确保乃至前进观测功率和准确度的前提下，胡德云和杨焕强想到了对观测站进行技能晋级，以期可以分管部分观测员的作业。
此刻，他们想到了AI图画辨认，经过高清摄像头+AI算法的组合代替观测员的眼睛，在经过云图模型对观测到的云进行剖析并输出成果，这样将很大程度上削减观测员的担负。
主意很好，但要完结仍需求细致的证明进程。
为了验证计划的可行性，胡德云和搭档有必要先树立可用的气候模型。为此，他们在全国树立28个气候监测站点，搜集了100万张来自内蒙、青海、黑龙江、北京等地不同的气候图片，涵盖了沙暴、扬尘等多种气候。
不过，为了经过百度EasyDL定制化练习和服务渠道练习气候模型，他们还需求从这100万张气候图片中挑选2万张用作模型的练习数据。终究，智能AI看云系统开始成型。
现在，这套系统可以对20多种云状、11种云量，以及雾、霾、沙尘、霜露、结冰、结雪、雨凇雾凇、茶叶霜冻等气候状况进行主动观测。其间，云状辨认准确率87.5%，云量辨认准确率85%，霜露、雨凇雾凇辨认准确率均在80%以上。
依据杨焕强的表述，他刚刚作业时，气候观测依托的是纯机械设备，后才用上了电器元件，这已经是一次巨大的技能革新。现在，他觉得深度学习或许可以带来第三次技能革新。从现在的技能晋级的成果来看，AI技能的确带来了又一次的技能晋级。
现在，这套系统已经在多个气候观测站进行试点，假如作用比较好，将会推行至全国。得益于这样的技能晋级，杨焕强和他的搭档总算可以下山了。
还可以做更多
和杨焕强有相同境遇的作业岗位还有许多，比方，遍及我国各种山川大河无人区的巡线员，简直每个区域的巡线员都会面临几千公里的输电线路，为确保输电线路的安全，十几个人的巡查班每天要巡查100多公里，而巡查道路多为路况欠安的区域。
现在，无人机成为这些巡查员手里的利器，但即使如此，区分的使命仍然需求巡查员来完结，超长的巡查道路加上巨量的图片数据，单靠巡查班，功率和质量都无法确保。
或许，采纳和馒头山气候观测站相同的技能晋级思路会是一个不错的挑选。经过收集的数据练习辨认模型，再将模型与摄像头和无人机结合，如此仍然，这套AI图画辨认系统就可以分管高强度、高重复性的作业，代替人力的一起还确保的功率。
即使现在AI图画辨认的技能很先进，像气候观测、线路巡查这样的作业仍然无法完结彻底的无人化，究竟经过数据练习的AI系统有必定的局限性（用作练习集的数据不可能包括一切状况），许多时分仍然需求人的介入，尤其是气候观测这种有一整套科学系统的作业，仅仅辨认一张图片无法得出客观的成果。
但年代在开展，技能在前进，能让技能更好的服务于人仅仅时间问题。