第422章 徐教授,我有一些疑問
而資源分配，則可以大大提高能源等各種資源的利用效率。
如果人工智能可以在這些領域大放異彩的話，人類未來的生活會發生很大的改變。
最后的一項，競技游戲，則是相對最公平的一項，可以比較客觀的反映出人工智能的計算能力。
確定了這些細則后，比賽的日期，也定在了一個月之后。
“徐教授，一個月的時間，會不會太短了一些？”
韓書斌知道，除了競技游戲的領域之外，其他的兩個領域，我們還尚未開始著手研究。
而IBM與谷歌那邊，技術已經相對成熟了。
“一個月的時間已經足夠了，就定在這個時間吧。”
見徐佑是如此的信心十足，韓書斌也便不再多問。
其實即使把這個期限縮減到半個月，徐佑也是非常有信心，自己是可以完成這些工作的。
對于這場量子競賽，徐佑已經迫不及待了。
“就先從天氣預測的程序開始吧。”
雖說徐佑之前還沒有正式對人工智能的天氣預測領域進行研究。
但人工智能對天氣的預測方法，徐佑還是非常了解的。
在天氣預測上，人工智能主要使用的方法，包括智能網格預報，與模型分析技術。
智能網格預報，采用大數據分析技能，對大量天氣數據進行全方位地挖掘與探析。
通過這樣的智能網格體系，讓人工智能可以精準的預測各種天氣。
這樣的天氣預測方式，對于降水的預測即為準確，缺點就是預測的周期比較短，無法對數天之后的天氣進行準確預測。
另一種天氣預測方式，是模型分析技術。
模型分析技術同樣會使用到各種大數據和人工智能，只是著重點在于，需要對一個復雜的氣象系統建模。
這種天氣預測方式，短期內或許沒有第一種方式預測得準確，但在長期內，有著較高的預測準確率。
一個月內的天氣，都可以較為精準的預測出來。
只是，因為計算量過于龐大，對于計算機的性能要求非常高。
甚至連很多超級計算機，都無法勝任如此龐大的計算量。
但這些，對于計算速度極強的算經量子計算機來說，并不算什么問題。
更何況，徐佑還有大腦彷真模擬這項技能，來幫助自己完成建模的工作。
僅僅三天的時間，徐佑就完成了所有編程建模的工作，并讓算經學會了對天氣的預測。
“我們算經的天氣預測系統，同時學習了智能網格預報、模型分析技術等多項天氣預測方法，可以通過自有的系統評分機制，對于天氣進行準確的預測。在氣象數據充足的情況下，算經可以近乎百分之百的預測24h內的天氣。甚至對一個月之內的天氣，都可以將預測準確率提升到95以上。”
因為天氣受到的影響因素實在太多，想要百分百準確的預測幾天后的天氣，是一件幾乎不可能做到的事情。
一只蝴蝶扇動一下翅膀，都有可能改變某天的天氣。
更別說，是人工降雨之類，人為對天氣的改變了。
可對于徐佑給出的數據，一名研究員提出了自己的疑問。
“徐教授，24小時內的天氣預測準確率我可以理解。可是…一個月之內天氣預測的準確率，您是怎么得出的呢？”
這個質疑還是非常正常的，因為距離徐佑做出這個天氣預測的模型，也才過去僅僅三天時間。
根本來不及對模型的準確率進行統計。
“這個數據是理論值，具體的準確率，我們之后就會知道了。”
說著，徐佑在大屏幕上展示出，算經人工智能剛剛作出的天氣預測。
根據國家氣象臺提供的雷達等數據，算經人工智能已經完成了全世界各地一個月之內的天氣預測。
只是，相對于氣象臺給出的天氣預報，算經人工智能的天氣預報會有一些出入，甚至連某地某一天，是晴天還是雨天，都給出了完全不一樣的預測。
“徐教授，如果只是理論值的話，這個模型會不會缺乏足夠的驗證？”
“先觀察半個月，如果數據不達標的話，我們再對模型進行更改。”
其實徐佑的信心是非常足的，通過徐佑大腦彷真模擬的結果，這個模型的準確率，甚至要比徐佑給出的數據更高。
徐佑也很理解他們有懷疑的心理，畢竟如果按照正常的程序，肯定是需要進行多次的驗證、修改的。
“我同意徐教授的說法，等過幾天就知道模型的預測準確率了。”韓書斌說道。
即使韓書斌也無法理解，徐佑是如何得出模型預測的理論值的。
但只要這個成果是出自于徐佑，就沒有什么值得懷疑的了。
做好了天氣預測的模型之后，徐佑緊接著對資源分配的任務進行研究。
相比于天氣預測，資源分配問題的偶然性要小很多，主要考察的還是量子計算機的計算能力。
比如說，在能源調配方面，通過電網提供的數據，預測用電負載，進而提供預測性維護措施，給出精準的電力供需解決方桉。
或者在風力發電領域，根據歷史發電數據、天氣預報的信息，來構建和訓練神經網絡模型，優化風力發電的方桉，提升風力發電的效率。
兩天的時間過去，算經人工智能已經學會了解決各種資源分配問題。
相對于之前的模型，算經人工智能可以提升百分之二十到五十不等的效率，讓資源分配得更加的合理。
而隨著這兩天過去，算經人工智能預測天氣的準確率，也可以得到驗證了。
“徐教授，我們這兩天對世界各地天氣預測的準確率，達到了99.9。其中預測不準確的位置，也有很多是進行了人工降雨等人為的行為，影響了我們的預測準確性。”一位項目組的成員說道。
這樣的準確率，意味著算經人工智能預測一千次天氣，才會有一次的失誤。
這對于本來就存在很多偶然性的天氣預報來說，已經是一個非常高的數據了。