在本次精彩的人工智能讲座中，主讲人龙明盛教授深入探讨了气象大模型的前沿技术及其在极端降水和台风等气象灾害预测中的重要应用。讲座围绕着深度学习技术如何助力气象预报，特别是在极端降水预报中的实际应用，展开了详细讲解。
首先，龙明盛教授从问题出发，阐述了气象预测中极端天气事件的挑战，强调了线性代数在解决这些复杂非线性问题中的关键作用。他指出，AI在气象预报中的应用，不仅仅是技术的突破，更依赖于坚实的数学基础和扎实的编程能力。通过结合现代深度学习方法，如循环神经网络、物理信息网络、图神经网络等，研究人员能够显著提升气象预测的准确性，但数据瓶颈依然是发展的主要限制。数据的收集、处理与运用，尤其是如何高效地利用算力、参数优化等资源，依然是许多研究中的核心挑战。
龙明盛教授向同学讲解讲座内容
在模型瓶颈方面，讲座分享了从2016年起，实验室在时空预测领域深入研究深度学习技术的经历。经过一年之内的5781次试验，5轮模型设计路线的推翻与优化，尽管指标有所提升，但尚未迎来决定性突破。这一过程中的彷徨与坚持，为在技术难关面前的勇敢探索提供了深刻启示。
随后，讲座进入了NowcastNet的介绍。龙明盛教授分享了这一新型模型的第一性原理——物理守恒定律的等效神经网络，并提出了模型的五大创新点：包括守恒定律等效算子、中尺度演变网络、受控生产机制、对流尺度生成网络以及完全自主可控。这一突破不仅极大地提升了气象预测的技术指标，而且在实际应用中获得了专家的高度认可。
认真听讲的同学们
实践中的应用也得到了广泛关注。以风雷大模型为例，它在为亚运会提供气象支撑的过程中，展现了极高的技术精度。同时，关于更长提前量的降水预报与台风预报的研发也在稳步推进，为未来的气象预测带来了更多可能性。
在Q&A环节，龙明盛教授详细解答了同学们对于人工智能学习的诸多问题。对于那些有意从事AI领域的同学，龙明盛教授强调了编程能力的重要性，并且特别提到数学基础对解决复杂问题的必要性。他指出，虽然现代AI技术可能降低了入门门槛，但扎实的数学知识，尤其是在最优化、实变分析等领域的深耕，仍是构建坚实理论基础的关键。
主持人向龙老师提问前期收集的问题
在谈到深度学习与物理方程的结合时，龙明盛教授解释了这一研究的前沿性及其挑战。他提到，虽然并非所有物理方程都可以找到对应的神经网络模型，但通过不断地探索与分而治之的方法，AI在物理领域的应用正不断拓展。例如，诺贝尔奖得主通过将分子结构加入神经网络预测蛋白质折叠的突破性工作，展示了AI与物理、数学结合的巨大潜力。
最后，龙明盛教授分享了关于世界模型的深刻见解。他指出，虽然大模型（如LLM）在处理指令执行时取得了显著进展，但它们并不具备像人类大脑那样的“世界模型”，即理解和推理物理世界的能力。因此，在当前AI研究中，探索具有具身智能的系统，或许能为AI发展带来新的突破。
Q1：
想要从事AI，那么应该学些什么呢？
A1：
成绩不能决定一切，有的同学可能不太擅长考试，但是运用知识的能力比较强。编程一定要好，否则和文盲无疑。强烈推荐我的三门课。现在的AI发展可能会让大家认为入门门槛降低了，但是数学基础还是很重要的。有同学问我解决问题时不太通畅，这是为什么。其实就是因为基础不扎实。当你解决实际问题的时候，你会发现你学的东西压根不够用。建议大家在学习的时候选择最好的资料，自主寻找资料，这样才能打好基础。
Q2：
想深入研究深度学习需不需要更多高深的数学知识？
A2：
如果你希望靠近数学方向，那么你可能需要学习最优化，实变分析，计算几何。如果你希望靠近计算机方向，那么专业课是够的。在做实验的时候往往需要做很多次实验，如果希望加快效率那么编程能力是十分重要的，因此培养良好的编程习惯是很重要的。这可以大大提高你的效率。经典的程序你一执行就知道写得对不对了，但是一旦你写的程序比较复杂就需要考虑很多东西。在AI方面，即使你写的代码是正确的，但有可能在数学方面是错误的。
Q3：
建立物理方程与神经网络的联系，在这方面能否再介绍一下？
A3：
是深度学习的前沿，AI与物理和数学结合。一个物理方程是否存在等效的神经网络并不一定。这时我们需要更深入的分而治之。这已经非常前沿了。举个例子：今年诺奖得主考虑了分子之间的结构，并把它加入了神经网络，最后预测蛋白质的结果很好。虽然是近似结果但是已经很好了。
Q4：
能否向我们介绍一下世界模型？
A4：
世界模型有很多层次。第一层是物理世界，我们大脑对世界建立的认知就是一个世界模型。而现在的llm不被认为是一个世界模型，因为它不能建立世界的联系。最近大模型比较火的方向是指令执行。这里我不妨直说大模型肯定没有理解你的指令。有逻辑思维和概率思维两种，逻辑思维是可以准确推导出来的，而概率思维不可以。现在很多人试图在llm中嵌入一些逻辑。但是不管大模型多厉害都只是一个虚拟模型，是很难作用于物理世界上的。最近比较火的是具身智能，我更建议大家把笃实书院的培养方案学好。
Q5：
线性代数的学习过程中，遇到很多证明题，这对我们的未来有帮助吗
A5：
概念体系的建立是为了让大家建立数学体系的大厦，证明题主要是未了帮助大家理解数学体系。我们实际使用的都是一些计算。线性代数最重要的是建立起几何和代数之间的联系。通过几何转化为代数，可以通过暴力计算解决问题。我建议大家把基本的概念弄清楚。比如坐标系变换可以帮助我们计算积分。
本次讲座不仅让与会者了解了气象大模型及其背后的技术创新，还强调了扎实的数学基础与编程能力对AI研究的重要性。主讲人通过实际案例与前沿思考，激发了学员们深入研究和探索AI与物理学结合的兴趣。未来，随着技术的不断进步，我们有理由相信，AI将在气象预报和其他科学领域发挥更加深远的影响，推动科技不断迈向新的高峰。
龙明盛教授与同学们的合照
筹备 | 软件学院学生会 软件学院科协 笃实书院学生会筹备组
编辑 | 杜宣辰
审核 | 查益 葛冠辰 阙铭淏
