我们气象人在做数值模拟的时候，其实都有一套“祖传调参手艺”。比如降水空报一多，第一反应不是怀疑人生，而是怀疑对流参数化是不是太容易触发；要是整体降水偏弱，那就会琢磨，是不是凝结效率太低，水汽还没来得及下就被“憋回去了”。
再比如，有时候低层水汽怎么都攒不住，画个空间场一看，几乎连起伏都没有，本该存在的高值区和结构明显被削弱，甚至直接“消失”了。这时候，多半会去怀疑边界层混合是不是开大了。总之，这些年下来，大家多少都有点“看图识参数”的本事，甚至有时候只看一眼偏差，就能大概猜到是哪一块出了问题。
但问题一旦换成深度学习模型，画风就有点不一样了。evaluation一跑，一堆指标扑面而来：MAE、RMSE、bias，看起来挺热闹，甚至有点“数据很充分”的错觉。但你要真盯着看一会儿，内心基本只剩一句话：然后呢？我到底该调哪儿？
这段时间我在做一个华东极端降水的实验，我想给模型加一点“物理约束”，让它别那么“黑匣子”。我的想法很简单：既然我们经常会因为纯数据驱动的黑箱属性而不敢相信AI的预报结果，那我给它加点物理约束，让过程更可解释一些，也许还能顺带把效果往上抬一抬。
结果第一轮跑完，现实给了我一个很典型的科研反馈：想法很好，下次别想了。
如下图的前4次实验（physic1~physic4），MSE比baseline高出一大截，bias也离0更远了，尤其是强降水，全被模型“按住了”
当时那个感觉，其实特别像在看一个被“过度平滑”的数值模式结果——你明明知道这里应该有强对流，但空间场就是一片温柔，雨都被“讲道理”讲没了。
所以这一步基本可以判断：问题不在模型能力，而在约束方式。物理约束被一股脑加在所有样本上，本质上就是在对整个分布做“降噪处理”，而极端降水，恰恰就是最不该被降噪的那一部分。
于是第二轮的思路就很朴素了：既然你老爱“管太多”，那我就让你少管一点。具体做法是把物理约束限制在中等降水区间（5到30毫米），对极端降水基本放手。
与此同时，我又偷偷给模型“开了点小灶”，专门加了一些针对极端样本的loss，比如限制极端bias，同时把极端样本的权重往上提了一截，意思很明确：这部分你给我好好学，别再划水了。
这一轮下来，效果明显就顺眼多了。极端降水的MAE有了改善，低估问题也没那么离谱了。那一刻的感觉，有点像你终于把某个参数化方案调到“既不炸也不闷”的那个甜点区间。
但科研这种事情，一般不会让你太早开心。新的问题很快出现了：MAE是好了，但RMSE还是不争气，总是比baseline差一点点，像极了考试总差两分上不了线的感觉。
这说明什么？说明模型整体更稳了，但总有那么几个点，误差特别大，在那儿“拖后腿”。这在气象里其实也不陌生，就像你大多数时候预报都不错，但偶尔一次强对流没抓住，直接把评分打回原形。
于是我又开始折腾第三轮。这次的思路很直接：既然是“个别点太离谱”，那就让模型对这些大误差更敏感一点。于是引入了类似Huber loss这样的机制，让模型在面对大误差时“多疼一点”。
同时继续提高极端样本的权重，相当于不断在模型耳边提醒：重点是这个，重点是这个，别老看平均值！
这一轮的结果也挺有意思：MAE继续优化，甚至到了一个比较理想的水平，但RMSE依然不肯服软。这个时候基本可以判断一件事了——再怎么调loss，可能也到头了。
换句话说，这已经不是“调参问题”，而是“思路问题”。
后来我干脆换了个方向，不再试图让一个模型同时搞定所有情况，而是把问题拆开来做。简单来说，就是搞了个“分工合作”：一部分模型负责普通降水，另一部分专门盯极端降水。
这个思路其实非常符合气象直觉。毕竟我们都知道，极端天气从来就不是普通天气的“加大版”，而是另一套机制在主导。你非要让一个模型同时学两种东西，它不崩才怪。
分开之后，整个世界都安静了不少。极端降水不再被平均掉，模型也不需要在不同尺度之间反复横跳，很多之前死活压不下去的误差，也开始慢慢收敛了。
回头看这一圈“折腾史”，其实挺有意思的。表面上是在调深度学习模型，实际上走的路径，跟我们调数值模式几乎一模一样：先看现象，再猜机制，然后一点点试，一点点修。
所以有时候，深度学习之所以让人觉得“玄”，并不是它真的玄，而是我们一开始没找到一个合适的理解方式。一旦你把它放回到“气象调参”的语境里，很多东西反而变得顺理成章。
当然，也必须承认，这一套流程确实挺费人。每一步都要训练、看结果、再改，多少有点“面多了加水、水多了加面”的味道。调到后面，甚至会产生一种错觉：我是在做AI，还是在养一个不太听话的模型？
不过换个角度想，这可能也是现在这个阶段的乐趣所在。我们还能清楚地看到模型是怎么一点点被“教出来”的，而不是一开始就全自动。
至于未来会不会有一天，这些调参、改结构的事情，都交给智能体自己去做，我们只需要坐在一旁点点头，甚至连头都不用点，智能体直接替我们把决定全都做了，那就是另外一个故事了。
但在那一天真正到来之前，我们可能还是要继续干这件非常“气象”的事情：
看偏差，猜原因，然后再试一次。
声明：欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编(微信：qxxjgzh)处理。
