2016 年 11 月北京霧霾彌漫的一天，而 IBM 和微軟在此前已經對此進行了預測。圖／機器之心提供
本文轉載自機器之心〈抗擊霧霾的戰鬥中，人工智慧的身影〉，原文來自 IEEE，作者 Lucas Laursen
北京和中國很多其他城市都正籠罩在厚重的霧霾之下。在霧霾嚴重的時候，到達這些城市的飛機都需要備降其他機場。2016 年 12 月 14 日，北京發布了今年第一次霧霾「紅色預警」。據報道，北京地區 1200 家工廠被下令關閉或是減少生產量。
2016 年冬天，中國政府已經開始使用 IBM 和微軟的預測工具，而這些工具在去年已經進行過了測試。各市政府使用的 IBM 預測工具能夠結合傳統來源的數據，例如北京 35 個檢測多種污染物的空氣測量站，另外還有一些成本更低但是卻更廣泛的數據來源，如環境監測站、交通系統、氣象衛星、地形圖、經濟數據，甚至是社交媒體。微軟的系統能夠運用全中國超過 3000 個站點的數據。IBM 和微軟的工具結合了傳統的大氣化學物理模型和基於數據的統計工具如機器學習相結合，以便可以在更短時間內做出更準確的預測。
IBM 中國研究院「綠色地平線」計劃項目經理黃瑾說：「我們的優勢或者說是不同之處就在於我們將這些都結合在了一起。」IBM 提前三天預測空氣狀況的準確率高達 80%，提前 7-10 天預測準確率可達 75% 左右。目前，微軟為中國環保部提供 48 小時的空氣預測支持。2015 年在北京進行測試時，微軟的預測工具在提前 6 小時預測時，準確率達到 75%，提前 12 小時預測準確率達 60%。
怎麼將物理模型和機器學習結合在一起從而實現最好的空氣品質預測，「這是目前一個很活躍的研究領域」氣體科學家 Vincent-Henri Peuch 說，他是英國歐洲哥白尼大氣監測服務的主管。他補充說融合是一個正確的解決問題思路：兩種類型的模型都可以發揮作用且不會互相阻礙。目前的市場情形似乎也印證了這點。IBM 目前在新德里和約翰內斯堡發布了自己的融合模型，北京的初創公司 AirVisual 也提供私人商業應用的機器學習增強型空氣預測解決方案。
北京政府已宣稱在降低可吸入顆粒物污染的努力中取得了一些成果：他們的報導裡表明 2015 年的污染程度比 2014 年降低 6%。北京政府處於減輕空氣污染的壓力之下，同時也面臨防止經濟增長下滑的雙重壓力。IBM 的預測工具包含一個模擬裝置來估量類似關閉一到兩天城市中逆風工廠或者限制一兩天的汽機車所產生的作用。「這個工具逐一估計所建議調解措施下氣體排放引起的後果和經濟影響，」Huang 說道。
AirVisual、 IBM 和微軟都正在針對不同的工作地點對他們的軟體進行泛化，這不但需要集成不同城市的物理模型，還需要對不同類型的輸入數據和變化參數進行調整。例如，在南非約翰尼斯堡（Johannesburg）有 8 個北京空氣品質的監測站。IBM 約翰尼斯堡研究室的電腦工程師 Tapiwa M. Chiwewe 說道：「目前我們仍然可以對南非的一些數據重新進行利用。」
加拿大英屬哥倫比亞大學（University of British Columbia）的一個研究團隊在 2016 年中的報告稱，每一個不同的環境都需要有自己的機器學習模式。在他們的研究中發現，不同的學習方式的成本取決於其包含的數據量以及在運算期間程式中的數據量。對於像北京這樣的城市來說，其累積的空氣品質數據很少，這和那些有著多年歷史數據的城市不同，也為政府提出了挑戰，所以最好的解決辦法就是需要北京政府為當地選擇正確的系統。Peuch 說，「如果不在同一個地方使用相同的數據集，我們很難對不同的模型進行比較。」
要想把空氣品質控制在世界衛生組織建議標準下，全世界的各個城市都需要為之努力。根據 2015 年全球疾病負擔研究的報告顯示，2015 年，空氣懸浮微粒（不包括煙草煙霧）共帶來了 1.031 億失能調整生命年（disability-adjusted life years，一種衡量人類生命品質和長度的單位），它已成為第六大疾病風險因素。這也成為了各國政府和公司工作的重點。據估計，在未來 5 年內，檢測空氣品質的市場每年都將增長 8.5%，有望達到 56.4 億美元。所以也可以預見，空氣品質預測的市場也將會隨之增長。
The post 人工智慧能幫助中國對抗霧霾嗎？ appeared first on PanSci 泛科學.