從學(xué)霸開始走向真理之巔 第422章 徐教授,我有一些疑問

而資源分配，則可以大大提高能源等各種資源的利用效率。

如果人工智能可以在這些領(lǐng)域大放異彩的話，人類未來的生活會發(fā)生很大的改變。

最后的一項，競技游戲，則是相對最公平的一項，可以比較客觀的反映出人工智能的計算能力。

確定了這些細則后，比賽的日期，也定在了一個月之后。

“徐教授，一個月的時間，會不會太短了一些？”

韓書斌知道，除了競技游戲的領(lǐng)域之外，其他的兩個領(lǐng)域，我們還尚未開始著手研究。

而IBM與谷歌那邊，技術(shù)已經(jīng)相對成熟了。

“一個月的時間已經(jīng)足夠了，就定在這個時間吧。”

見徐佑是如此的信心十足，韓書斌也便不再多問。

其實即使把這個期限縮減到半個月，徐佑也是非常有信心，自己是可以完成這些工作的。

對于這場量子競賽，徐佑已經(jīng)迫不及待了。

“就先從天氣預(yù)測的程序開始吧。”

雖說徐佑之前還沒有正式對人工智能的天氣預(yù)測領(lǐng)域進行研究。

但人工智能對天氣的預(yù)測方法，徐佑還是非常了解的。

在天氣預(yù)測上，人工智能主要使用的方法，包括智能網(wǎng)格預(yù)報，與模型分析技術(shù)。

智能網(wǎng)格預(yù)報，采用大數(shù)據(jù)分析技能，對大量天氣數(shù)據(jù)進行全方位地挖掘與探析。

通過這樣的智能網(wǎng)格體系，讓人工智能可以精準(zhǔn)的預(yù)測各種天氣。

這樣的天氣預(yù)測方式，對于降水的預(yù)測即為準(zhǔn)確，缺點就是預(yù)測的周期比較短，無法對數(shù)天之后的天氣進行準(zhǔn)確預(yù)測。

另一種天氣預(yù)測方式，是模型分析技術(shù)。

模型分析技術(shù)同樣會使用到各種大數(shù)據(jù)和人工智能，只是著重點在于，需要對一個復(fù)雜的氣象系統(tǒng)建模。

這種天氣預(yù)測方式，短期內(nèi)或許沒有第一種方式預(yù)測得準(zhǔn)確，但在長期內(nèi)，有著較高的預(yù)測準(zhǔn)確率。

一個月內(nèi)的天氣，都可以較為精準(zhǔn)的預(yù)測出來。

只是，因為計算量過于龐大，對于計算機的性能要求非常高。

甚至連很多超級計算機，都無法勝任如此龐大的計算量。

但這些，對于計算速度極強的算經(jīng)量子計算機來說，并不算什么問題。

更何況，徐佑還有大腦彷真模擬這項技能，來幫助自己完成建模的工作。

僅僅三天的時間，徐佑就完成了所有編程建模的工作，并讓算經(jīng)學(xué)會了對天氣的預(yù)測。

“我們算經(jīng)的天氣預(yù)測系統(tǒng)，同時學(xué)習(xí)了智能網(wǎng)格預(yù)報、模型分析技術(shù)等多項天氣預(yù)測方法，可以通過自有的系統(tǒng)評分機制，對于天氣進行準(zhǔn)確的預(yù)測。在氣象數(shù)據(jù)充足的情況下，算經(jīng)可以近乎百分之百的預(yù)測24h內(nèi)的天氣。甚至對一個月之內(nèi)的天氣，都可以將預(yù)測準(zhǔn)確率提升到95以上。”

因為天氣受到的影響因素實在太多，想要百分百準(zhǔn)確的預(yù)測幾天后的天氣，是一件幾乎不可能做到的事情。

一只蝴蝶扇動一下翅膀，都有可能改變某天的天氣。

更別說，是人工降雨之類，人為對天氣的改變了。

可對于徐佑給出的數(shù)據(jù)，一名研究員提出了自己的疑問。

“徐教授，24小時內(nèi)的天氣預(yù)測準(zhǔn)確率我可以理解。可是……一個月之內(nèi)天氣預(yù)測的準(zhǔn)確率，您是怎么得出的呢？”

這個質(zhì)疑還是非常正常的，因為距離徐佑做出這個天氣預(yù)測的模型，也才過去僅僅三天時間。

根本來不及對模型的準(zhǔn)確率進行統(tǒng)計。

“這個數(shù)據(jù)是理論值，具體的準(zhǔn)確率，我們之后就會知道了。”

說著，徐佑在大屏幕上展示出，算經(jīng)人工智能剛剛作出的天氣預(yù)測。

根據(jù)國家氣象臺提供的雷達等數(shù)據(jù)，算經(jīng)人工智能已經(jīng)完成了全世界各地一個月之內(nèi)的天氣預(yù)測。

只是，相對于氣象臺給出的天氣預(yù)報，算經(jīng)人工智能的天氣預(yù)報會有一些出入，甚至連某地某一天，是晴天還是雨天，都給出了完全不一樣的預(yù)測。

“徐教授，如果只是理論值的話，這個模型會不會缺乏足夠的驗證？”

“先觀察半個月，如果數(shù)據(jù)不達標(biāo)的話，我們再對模型進行更改。”

其實徐佑的信心是非常足的，通過徐佑大腦彷真模擬的結(jié)果，這個模型的準(zhǔn)確率，甚至要比徐佑給出的數(shù)據(jù)更高。

徐佑也很理解他們有懷疑的心理，畢竟如果按照正常的程序，肯定是需要進行多次的驗證、修改的。

“我同意徐教授的說法，等過幾天就知道模型的預(yù)測準(zhǔn)確率了。”韓書斌說道。

即使韓書斌也無法理解，徐佑是如何得出模型預(yù)測的理論值的。

但只要這個成果是出自于徐佑，就沒有什么值得懷疑的了。

做好了天氣預(yù)測的模型之后，徐佑緊接著對資源分配的任務(wù)進行研究。

相比于天氣預(yù)測，資源分配問題的偶然性要小很多，主要考察的還是量子計算機的計算能力。

比如說，在能源調(diào)配方面，通過電網(wǎng)提供的數(shù)據(jù)，預(yù)測用電負載，進而提供預(yù)測性維護措施，給出精準(zhǔn)的電力供需解決方桉。

或者在風(fēng)力發(fā)電領(lǐng)域，根據(jù)歷史發(fā)電數(shù)據(jù)、天氣預(yù)報的信息，來構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，優(yōu)化風(fēng)力發(fā)電的方桉，提升風(fēng)力發(fā)電的效率。

兩天的時間過去，算經(jīng)人工智能已經(jīng)學(xué)會了解決各種資源分配問題。

相對于之前的模型，算經(jīng)人工智能可以提升百分之二十到五十不等的效率，讓資源分配得更加的合理。

而隨著這兩天過去，算經(jīng)人工智能預(yù)測天氣的準(zhǔn)確率，也可以得到驗證了。

“徐教授，我們這兩天對世界各地天氣預(yù)測的準(zhǔn)確率，達到了99.9。其中預(yù)測不準(zhǔn)確的位置，也有很多是進行了人工降雨等人為的行為，影響了我們的預(yù)測準(zhǔn)確性。”一位項目組的成員說道。

這樣的準(zhǔn)確率，意味著算經(jīng)人工智能預(yù)測一千次天氣，才會有一次的失誤。

這對于本來就存在很多偶然性的天氣預(yù)報來說，已經(jīng)是一個非常高的數(shù)據(jù)了。