第162章 晴雨模擬器（1/2）

樓秉誠看上去二十七八歲，長著一張國字臉，濃眉大眼相貌敦厚，鼻樑上架著一副窄邊眼鏡。

「你好，林先生。」他微笑著和林寒握手。

「你好，樓博士。」

兩人落座，樓秉誠便說道：「在此之前，董磊已經和我說過一些你和你公司的事情。他說他很佩服你，認為你的氣象計劃一定可以做好。」

他停頓了一下：「我的主要研究方向，是機器學習和大數據，和氣象服務的計算機應用確實十分契合，而且也獨立寫過一些相關東西……」

機器學習是一門多領域交叉學科，專門研究計算機如何模擬人類的「學習」這一高度智能行為。

機器學習屬於現代人工智慧領域的最核心內容，前不久火遍全世界的「阿法狗」，就是以它為基本原理的。

「不過據我所知，華夏國內的氣象服務發展十分滯後，並沒有取得什麼像樣的成就。萬象在這方面，有什麼獨特的優勢嗎？」

林寒早有準備：「我們的優勢主要有三點。」

「首先我們有省氣象局的支持，包括一部分技術，以及全部的氣象監測數據。」

樓秉誠遲疑了一下：「恕我直言，一般的氣象監測數據，並不是十分重要的。比如世界氣象組織，就免費開放一部分全球天氣數據。」

林寒笑道：「在各地省內，氣象局的數據還是十分詳細的。況且我們還有第二個優勢，就是我們可以通過某額外渠道，獲得十分詳盡的氣象監測數據。」

樓秉誠一怔：「額外的渠道？有多詳細？」

林寒斟酌著說：「具體是什麼渠道，我不便透露。不過在漢東省內，我們可以獲得比鄉鎮行政區劃圖更加詳盡的氣象圖。」

樓秉誠大為震動：「這麼詳細！」

林寒補充道：「當然，在短期內比如一個季度之內，我們最多只能獲得幾十幅這樣詳細的氣象圖，用來作為超精確氣象數據，提高預測準確率。」

這樣詳細的氣象圖，當然只能由他藉助軟體，在省氣象局提供的氣象圖上面進一步細化了。

比如說，青林縣氣象監測站給出的當地氣溫是25.0℃，同時在他的中級氣象權限感知中，某些區域的氣溫和青林縣氣象監測站的氣溫一毛一樣。

那麼他就可以將這些區域的氣溫，同步標為25.0℃，操作過程類似畫圖軟體中的「填塗」。

如此一來，就相當於額外多了成千上萬個氣象監測站，數據的詳細度必然大大提升。

甚至如果他願意，氣象圖就是詳細到每平方米、每平方尺的範圍，也未嘗不可。

但這個過程需要林寒本人親自完成，每一幅氣象圖，就意味著需要成千上萬次的填塗，一次1s的話，中途完全不打小差，一幅圖也需要至少一兩個小時的時間。

考慮到各種原因，一天能出兩幅這種超詳細的氣象圖就算非常不錯了。

短期內提供一些還行，倘若是長期穩定供應，就算林寒身體是鐵打的，也早晚得被掏空。

但他心裡清楚，這種超詳細的氣象圖，用不了太多，就可以讓相關軟體的預測準確率大幅度提高。

詳細精確的數據對於機器學習而言，就好比是經驗值一樣，可以讓它們迅速成長、成熟。

本章未完，點選下一頁繼續閱讀。