业界已经不乏关于人工智能及其应用的好处的讨论，包括约会、营销和社交媒体到太空探索和医学进步。每个行业都受到人工智能工具的影响，包括气象行业。
气象学一直都在努力解决大数据的问题。笔者甚至认为，在大数据这个词成为主流之前，气象学就是大数据的缩影。天气具有多变性和混沌性，半个多世纪以来，气象学家一直在试着处理兆兆字节(TB)级别的数据和建模变量做准确的天气预测。到了今天，我们还是在处理数据，数据规模到了千兆兆字节(PB)级别，拜物联网、更多的传感器和集合建模所赐。写手Ted Alcorn估计，“今天的(天气)模型每天用到约1亿条数据，其复杂程度堪比对人脑或宇宙诞生的模拟。”
但计算能力和人工智能等技术在不断进步，我们现在不仅能够更快、更容易地分析数据，而且还能从历史数据中 “学习”，从而获得更好的态势感知和做出更好的决策。人工智能在气象界能够用于应对几个不同的挑战。其中的一个重点是做出更好的天气预报。
天气预报现在可以更加准确了。时下五天的预测有90%的准确性，与25年前三天预测的准确度相同。短期预测(也就是说以小时为时间跨度的当下预测)则更具挑战性，主要是由于地面的微观变化。DeepMind和埃克塞特大学的科学家们与英国气象局合作，利用人工智能建立了一个当下预测系统，该系统可望克服这些挑战做出更准确的短期预测，包括对重大风暴和洪水的预测。另外一项研究是研究建模的效率以及人工智能如何分析过去的天气模式对未来事件更有效和更准确地预测。
笔者的工作重点(以及我特别感兴趣的人工智能领域)是人工智能在预测来自天气事件的潜在影响方面的应用，相对于天气本身而言，更多的涉及到天气所产生的结果。
例如，公共事业部门利用人工智能预测可能出现的停电。一个特定的公用事业地点或地区的历史停电数据收集了以后可以允许计算机根据预测的天气状况生成对未来需求的预测。这些历史数据涵括了基础设施应对过去的风暴的知识，包括学习加固网络的差异，实现个别基础设施组件的年龄和维护的做法。这些数据集可以生成未来可能到来的风暴导致的停电基线数据。市政区管理层次上也可以采用同样的方法。我们对于城市的基础设施、地形和疏散路线等变量以及历史气象数据的了解，可以帮助城市更好地洞察潜在的影响领域和公共或基础设施安全的风险。
而且，在我们谈论先进的技术和洞察力的同时，笔者认为人的因素在这个过程中仍然至关重要。最近《连线》杂志的一篇文章提到一些研究结果，这些研究发现人类预报员的预测比人工智能的预测更准确。
另一个需要人为干预的领域是风险沟通者的增长需求。风险沟通者是一群特殊的气象学家，他们在预测的基础上更进了一步，将风险或影响传达给企业、市政当局或公众。我听到过一些评论指，在人工智能更值得信赖后就可以简单地切换天气偏好按需求获得准确、有意义的天气数据。我们将拥有逐步改善的数据和预测，这一点我同意，但我相信这也将增加对人类专家的需求，以达到评估、解释和沟通数据(以及风险和影响)的目的，所用到的方式是有意义的，可以帮助那些必须做出灵活、明智决定以保护人民、基础设施和企业资产的人。更大的问题并不是人类预测还是人工智能预测，而是气象学家如何利用改进的人工智能帮助决策者为他们的利益相关者做出最佳决定。
