抗击雾霾的战斗中,人工智能的身影

By 曹瑞2016年12月22日 14:21

maxresdefault.jpg2016 年 11 月北京雾霾弥漫的一天,而 IBM 和微软在此前已经对此进行了预测

北京和中国很多其他城市都正笼罩在厚重的雾霾之下。在雾霾严重的时候,到达这些城市的飞机都需要备降其他机场。12 月 14 日,北京发布了今年第一次雾霾「红色预警」。据报道,北京地区 1200 家工厂被下令关闭或是减少生产量。

今年冬天,政府已经开始使用 IBM 和微软的预测工具,而这些工具在去年已经进行过了测试。市政府使用的 IBM 预测工具能够结合传统来源的数据,例如北京 35 个检测多种污染物的空气测量站,另外还有一些成本更低但是却更广泛的数据来源,如环境监测站、交通系统、气象卫星、地形图、经济数据,甚至是社交媒体。微软的系统能够运用全国超过 3000 个站点的数据。IBM 和微软的工具结合了传统的大气化学物理模型和基于数据的统计工具如机器学习相结合,以便可以在更短时间内做出更准确的预测。

IBM 中国研究院「绿色地平线」计划项目经理黄瑾说:「我们的优势或者说是不同之处就在于我们将这些都结合在了一起。」IBM 提前三天预测空气状况的准确率高达 80%,提前 7-10 天预测准确率可达 75% 左右。目前,微软为中国环保部提供 48 小时的空气预测支持。2015 年在北京进行测试时,微软的预测工具在提前 6 小时预测时,准确率达到 75%,提前 12 小时预测准确率达 60%。

怎么将物理模型和机器学习结合在一起从而实现最好的空气质量预测,「这是目前一个很活跃的研究领域」气体科学家 Vincent-Henri Peuch 说,他是英国欧洲哥白尼大气监测服务的主管。他补充说融合是一个正确的解决问题思路:两种类型的模型都可以发挥作用且不会互相阻碍。目前的市场情形似乎也印证了这点。IBM 目前在新德里和约翰内斯堡发布了自己的融合模型,北京的初创公司 AirVisual 也提供私人商业应用的机器学习增强型空气预测解决方案。

北京政府已宣称在降低可吸入颗粒物污染的努力中取得了一些成果:他们的报道里表明 2015 年的污染程度比 2014 年降低 6%。政府处于减轻空气污染的压力之下,同时也面临防止经济增长下滑的双重压力。IBM 的预测工具包涵一个模拟装置来估量类似关闭一到两天城市中逆风工场或者限制一两天的机动车出行所产生的作用。「这个工具逐一估计所建议调解措施下气体排放引起的后果和经济影响,」Huang 说道。

AirVisual、 IBM 和微软都正在针对不同的工作地点对他们的软件进行泛化,这不但需要集成不同城市的物理模型,还需要对不同类型的输入数据和变化参数进行调整。例如,在约翰内斯堡有 8 个北京空气质量的监测站。IBM 约翰内斯堡研究室的计算机工程师 Tapiwa M. Chiwewe 说道:「目前我们仍然可以对南非的一些数据重新进行利用。」

英属哥伦比亚大学的一个研究团队在 2016 年中的报告称,每一个不同的环境都需要有自己的机器学习模式。在他们的研究中发现,不同的学习方式的成本取决于其包含的数据量以及在运算期间程序中的数据量。对于像北京这样的城市来说,其积累的空气质量数据很少,这和那些有着多年历史数据的城市不同,也为政府提出了挑战,所以最好的解决办法就是需要政府为当地选择正确的直立系统。Peuch 说,「如果不在同一个地方使用相同的数据集,我们很难对不同的模型进行比较。」

要想把空气质量控制在世界卫生组织建议标准下,全世界的各个城市都需要为之努力。根据 2015 年全球疾病负担研究的报告显示,2015 年,大气颗粒物(不包括烟草烟雾)共带来了 1.031 亿伤残调整生命年(一种衡量人类生命质量和长度的单位),它已成为第六大疾病风险因素。这也成为了政府和工作工作的重点。据估计,在未来 5 年内,检测空气质量的市场每年都将增长 8.5%,有望达到 56.4 亿美元。所以也可以预见,空气质量预测的市场也将会随之增长。

声明:本文由机器之心编译出品,原文来自IEEE,作者Lucas Laursen,转载请查看要求,机器之心对于违规侵权者保有法律追诉权。