认知计算为节能减排培养“超级专家”

　　如今，公众比以往任何时候都关注空气质量，起床打开手机看空气质量已经成为习惯。空气质量软件也成为各种智能终端的出厂默认装备。类似墨迹天气、全国空气质量等空气质量预报软件已经不止上百种。

　　今年初，“全国空气质量预报信息发布系统”上线，城市空气质量预报发布内容包括未来24小时、48小时空气质量指数范围、空气质量等级、首要污染物等预报信息。从此，空气质量预报有了权威声音。

　　但记者发现，目前的空气质量预警预报最多只能知晓未来7天的空气状况。想要知道更长时间或者更精确的空气质量还比较困难。

　　近日，记者走访了IBM中国研究院绿色地平线研发团队，“我们研发的大气污染防治量化决策支持平台可以支持全国367个城市预报和相关决策，对于未来3天，预测精度可以达到1km×1 km，长期预测可以达到10天。如果数据资料比较完善的话，准确率可以超过80%以上。”IBM中国研究院副院长董进表示。

　　高精度追溯污染源 模拟减排提供决策支撑

　　进入IBM中国研究院的创新实验室，记者看到了正在运行的大气污染防治量化决策支持系统。系统左边一栏有监测站点、遥感数据、排放清单、地貌地形、交通信息、社交媒体、宏观数据7项数据信息。右上角功能栏里有环境大数据、三维可视化、减排驾驶舱、全景视图、污染预报、天气预报6项数据应用。

　　“大数据是分析和决策的基础，这7项环境大数据是所有功能的数据基础。”IBM中国研究院博士张军告诉记者。监测站点不仅包括每个污染监测站点过去24小时主要污染物的实时数据，如PM2.5、PM10、SO2、NO2、O3等，还包含各气象监测站点的气象观测数据。遥感数据、地形地貌数据、交通信息数据都从不同层面增强空气质量预警预报的准确性，其中交通信息数据依靠一个大型的交通流量仿真模型，可以同时对上百万辆车的交通流量进行模拟。

　　排放清单数据、社交媒体数据、宏观经济数据3类数据主要为大气污染的治理工作提供决策支撑。排放清单数据可以实时更新，溯源污染源，宏观经济数据可以分析经济与环境的关系，社交媒体数据可以及时预警环境问题。点击社交媒体数据，记者直接可以看到某时间段内公众搜索频次最高的环境问题的词汇是什么，最受关注的话题城市是哪几个，系统还可以自动计算新闻媒体关于环境问题的报道数量、社交网络的关注数量以及公众参与数量等。“我们还有一个有意思的发现，北京的网民对空气质量的敏感度要远远高于全国其他地方。”IBM中国研究院资深研发总监尹文君说。

　　大气污染防治量化决策支持平台不仅可以精准预报空气质量，还可以根据各站点的污染源数据、交通流量、地形地貌、气象状况，实时对各地的大气污染进行溯源， 清晰地知晓各污染源所占的比重，还可以精准分析周围地区对当地污染的贡献量。张军随手点击了北京的一次重污染过程，系统可以实时分析出污染源的时空特点，以及污染源的构成情况，还可以清晰地看到其他主要城市对这次污染的贡献占比。

　　准确知晓污染源后，就可以利用决策支持平台的减排驾驶舱功能，对污染物减排状况进行模拟和对比。张军点击减排驾驶舱，在污染源控制策略中，选择工业源、生活源、机动车不同的参数，就可以模拟出控制前和控制后PM2.5的变化，并直接分析出对经济的影响。张军以APEC期间的空气预报为例，演示了系统如何预报10天的空气质量趋势，并仿真了不同的减排策略对经济造成的影响，“这是政府决策的重要依据。”

　　认知计算培育“超级专家” 辅助环境管理

　　如何将这7项数据进行有机融合？如何实时实现大气污染溯源？如何模拟不同污染物的削减对于空气质量的影响？如何估算污染物削减带来的经济影响？记者随后抛出一连串问题，董进详细地进行了解答。

　　“这主要是基于Watson认知计算技术融合多类型来源模型建立的可自调节的环境质量超级模型。”董进说，这就好比一个“超级专家”，他既是大数据挖掘专家，也是物理学家、化学家、经济学家、统计学家。

　　认知计算技术能够模拟人学习的过程，主要是根据历史数据，不同时间、位置、天气情况、人类活动等信息进行动态深度学习，实现各类模型的融合。认知计算技术的出现主要得益于大数据时代的到来。以往数据量小，人可以依靠自身发现规律，而大数据出现之后，人已经没有能力从海量的数据中去寻找规律，这就需要训练机器像人一样去思考、去学习，从而帮助人类发现规律，人类便可以利用这些规律做决策和判断。

　　董进表示，相较于传统的空气质量预测预警的方法，认知计算技术有独特的优势。传统的物理模型、化学模型只能预测短期的空气质量，并且由于没有考虑到影响空气质量的其他因素，准确率也受到一定影响。认知计算则不仅采用监测站点、气象数据等方面的信息，还将交通信息、人流信息、社交媒体数据等空气质量相关信息纳入进来，通过整合结构化数据和图片、声音等非

　　结构化数据，实现物理模型、化学模型、气象模型、统计模型、大数据挖掘等模型的融合，形成更准确的空气质量预警预报模型和决策支持模型，实现空气质量预测。

　　“而这些模型如何更好地融合正是认知计算技术的难点和重点。”董进说，“绿色地平线团队本身集合了IBM全球研究院几十位能源、环境及大数据分析领域的科学家，同时我们也积极地和国际及国内顶级气象及环境研究机构密切合作，优势互补，集成最先进的气象及环境模型，推动超级模型完善。”

　　认知计算技术依赖于数据的长期积累，超级模型需要通过这些历史数据，比如通过学习什么样的气象条件、站点状况，会出现什么样的天气后，模型便有了“经验”，再次监测到相似的气象条件时，便可以实现与历史数据匹配，实现高准确度的预测。据了解，IBM已经与多地开展了合作，并初步取得成效，在数据比较完整的地区，后台已经依靠模型智能分析出上千条规律。但是决策系统在认知学习过程中，可能会有几种预测结果，这就需要专家会商，并与之后的实际情况进行比对，调整出一个更精准的模型。“超级专家”也就因此诞生了。

　　比如，环境和经济问题一直是一对相伴相生的矛盾，APEC期间，超级模型就模拟了上千个场景实现环境治理，以尽量减轻对经济影响的方式实现环境治理。这就需要专家会商，并用最后的实际效果进行印证。这就是一个完整的学习过程。

　　“认知计算是未来信息技术的发展方向，如何与环保行业的实际需求相结合仍是我们未来努力的方向。”董进表示。

　　绿色地平线起步 信息技术助三大领域突破

　　大气污染防治量化决策支持平台是IBM从2014年启动的绿色地平线计划的一部分。除了大气污染防治外，绿色地平线计划还致力于可再生能源高效利用和企业节能减排。

　　可再生能源具有间歇性、不可控性等特点，风光一体化发电功率预测系统可以对可再生能源的发电功率进行超短期、短期以及中期预测，准确度高达90%以上，以便于可再生能源接入主干网。

　　目前，这一系统已经为国家电网冀北电力有限公司的张北风光储输示范项目提升了10%的可再生能源接入量，这些增加的能源每年可供1.4万个家庭使用。同时，系统在英国、日本、印度也都投入应用。

　　致力于企业减排的智能区域能量管理系统，通过企业用能对比、成本计算等分析，为管理部门或高耗能行业（如钢铁、水泥、化工和有色金属等）提供能源优化调度、节能管理及分析决策，助力工业企业实现绿色转型。

　　无论大气污染治理，还是能源利用、企业节能，三大领域的突破都将依赖于认知计算、大数据分析、物联网等最前沿的信息技术。

　　尹文君认为，目前数据的应用还存在误区，往往是直接从数据上升到应用。他认为，数据从产生到应用应该有3层，是一个金字塔的结构。最下面的一层是数据层，首先要把数据整合好。第二层是一个由高校、研究所、具有研发能力的企业组成的研发生态圈，高校、研究所要牵头做一些前沿的理论研究，类似IBM研究院等科研机构要积极地与其他企业、高校联手，“抱团取暖”，实现研发成果共享，而不是各自为营。第三层也就是金字塔顶层是数据的应用，这样的结构才是稳固的，也才能实现数据长效应用。

　　“认知计算的最高境界就是不仅可以为决策作支撑，还可以实现人机互补，这也是认知建模发展的方向。”尹文君表示。

　　■涨知识

　　微观认知计算

　　认知计算出自对于IBM人工智能超级计算机“沃森”的称谓，而现在，它更多的代表着一种全新的大数据分析方式。

　　“认知计算”是人工智能和大数据的“联姻”。认知计算的提出，源于人类目前面临的大数据挑战。今天的大数据，不仅数量大、种类多、传播速度快，并且大多是非结构化数据（图像、语音、视频等多媒体数据），其中存在很多不确定性，还参杂了一些不准确甚至是错误的信息。传统IT技术已无法从根本上解决大数据的分析应用问题，亟待新的技术突破。

　　作为IBM全球领先的技术创新，认知计算能够实现大规模学习、针对问题的推理和思考，进行自然语言交互，增强和扩充人类在专业知识方面的学习能力，与人类合作解决人类和机器无法单独解决的问题。

　　认知创新也需要结合物联网、云计算与大数据分析。

　　中国人工智能学会理事长李德毅曾表示，认知系统不是追求与人形似，而是需要实现交互、推理、思考、记忆和计算等复杂功能，让互联网、云计算、物联网等技术为认知系统智能化提供有力支撑。