想象一下 —— 你是美国北部地区的一个农民。在早春时节，夜间气温刚刚开始上升到零度以上。你需要给新种植的作物施肥，但你也知道，在冰冻的温度下，化肥会杀死你的作物。距离最近的城镇50英里外的天气预报预测，未来几天气温将保持在零度以上，因此你决定继续施肥。但是那天晚上，田地里的一些地方的温度却降到了冰点以下 —— 超过四分之一的农作物死亡。
不幸的是，这种情况很常见，特别是当天气数据的信息来自更远的地方时。如今，微软的研究人员开发了一个名为DeepMC的框架，可以非常准确地预测当地的天气，特别可供农民、可再生能源生产商和其他人使用。微软的研究人员在8月份的Association of Computing Machinery会议上介绍了一项关于该框架及其应用的研究。
DeepMC使用机器学习和人工智能来定位与天气和气候相关的预测。它结合了两种不同的数据来源：一种来自现场传感器，另一种来自标准的当地天气预报数据。
DeepMC直接从应用程序编程接口（API）获取数据，这些接口来自美国国家海洋和大气管理局（National Oceancial and Atmospheric Administration）、Dark Sky和美国国家气象局（National Weather Service）。
“我们有一种融合机制，通过它我们可以将这两种信号结合起来，”微软研究院的高级研究科学家、该研究的主要作者Peeush Kumar说。
DeepMC通过训练人工智能精确发现当地天气预报和微气候条件之间的误差。该系统使用天气预报的历史数据和本地传感器数据进行训练，并分别预测每个天气参数，如温度和风速。该系统还使用一种称为分解的方法来发现天气数据中的短期和长期趋势和模式，Kumar表示，这样它能够更加准确。
以这种方式将机器学习和人工智能应用于天气预报并不是什么新鲜事，The Weather Machine一书的作者兼记者Andrew Blum表示，这本书探索了天气预报的科学、历史和未来。拥有The Weather Company的IBM已经使用机器学习使预测更加准确，就像其他公司一样，如Tomorrow.io. Dark Sky，最近被苹果收购了，该应用程序被DeepMC用作数据源，它已经使用机器学习对天气进行本地化预测。
Kumar说，DeepMC比任何其他可比模型都更精确。在他所从事的研究中，研究人员考察了DeepMC对风速、太阳辐射、土壤含水量和温度的四种实际应用。在所有情况下，预测都优于可比模型。在温度预测的案例中，研究人员跟踪了华盛顿东部早春的一位农民，在他给作物施肥时使用DeepMC计时。研究人员发现，DeepMC做出的温度预测准确率超过90%。Kumar表示，准确度来自于模型将信号分解成趋势的方式，这种趋势可能非常特定于某个地区。
微软的研究人员说，DeepMC框架可能对本地天气预报以外的应用有用。这是因为该框架是通用的，它适用于多种类型的数据。在这项研究中，研究人员研究了如何利用DeepMC进行辐射预测来预测商业太阳能发电场的发电量，但Kumar说，他也可以想象，能源网格更普遍地使用该模型来预测人们将使用多少能源。一些农场开始开发他们自己的微电网，在某些情况下包括生产他们自己的可再生能源。对于这一点，DeepMC也将是有用的。
当然，天气会影响每个人。随着地球气候的变化，天气变得更加极端，或将导致严重的洪水、更强的飓风和强烈的热浪的形成。如果天气预报只能作为私人物品而不是公共物品提供，那么可能只有富裕国家和个人才能获得准确的天气预报。Blum表示，这实际上意味着“整个全球天气观测交换系统将崩溃”。
Kumar说，DeepMC的目的不是预测极端天气事件。他还表示，微软研究院希望使该框架尽可能容易访问，并补充说，世界各地已经有不到1000人和企业使用过它。并且，研究人员将该框架描述为可持续的、负担得起的。
与此同时，Kumar承认实施该系统仍旧需要时间、金钱和资源。但他表示，该框架适用于任何想要使用它的人 —— 从小型农场到公司。
