楼秉诚看上去二十七八岁，长着一张国字脸，浓眉大眼相貌敦厚，鼻梁上架着一副窄边眼镜。
“你好，林先生。”他微笑着和林寒握手。
“你好，楼博士。”
两人落座，楼秉诚便说道：“在此之前，董磊已经和我说过一些你和你公司的事情。他说他很佩服你，认为你的气象计划一定可以做好。”
他停顿了一下：“我的主要研究方向，是机器学习和大数据，和气象服务的计算机应用确实十分契合，而且也独立写过一些相关东西……”
机器学习是一门多领域交叉学科，专门研究计算机如何模拟人类的“学习”这一高度智能行为。
机器学习属于现代人工智能领域的最核心内容，前不久火遍全世界的“阿法狗”，就是以它为基本原理的。
“不过据我所知，华夏国内的气象服务发展十分滞后，并没有取得什么像样的成就。万象在这方面，有什么独特的优势吗？”
林寒早有准备：“我们的优势主要有三点。”
“首先我们有省气象局的支持，包括一部分技术，以及全部的气象监测数据。”
楼秉诚迟疑了一下：“恕我直言，一般的气象监测数据，并不是十分重要的。比如世界气象组织，就免费开放一部分全球天气数据。”
林寒笑道：“在各地省内，气象局的数据还是十分详细的。况且我们还有第二个优势，就是我们可以通过某额外渠道，获得十分详尽的气象监测数据。”
楼秉诚一怔：“额外的渠道？有多详细？”
林寒斟酌着说：“具体是什么渠道，我不便透露。不过在汉东省内，我们可以获得比乡镇行政区划图更加详尽的气象图。”
楼秉诚大为震动：“这么详细！”
林寒补充道：“当然，在短期内比如一个季度之内，我们最多只能获得几十幅这样详细的气象图，用来作为超精确气象数据，提高预测准确率。”
这样详细的气象图，当然只能由他借助软件，在省气象局提供的气象图上面进一步细化了。
比如说，青林县气象监测站给出的当地气温是25.0℃，同时在他的中级气象权限感知中，某些区域的气温和青林县气象监测站的气温一毛一样。
那么他就可以将这些区域的气温，同步标为25.0℃，操作过程类似画图软件中的“填涂”。
如此一来，就相当于额外多了成千上万个气象监测站，数据的详细度必然大大提升。
甚至如果他愿意，气象图就是详细到每平方米、每平方尺的范围，也未尝不可。
但这个过程需要林寒本人亲自完成，每一幅气象图，就意味着需要成千上万次的填涂，一次1s的话，中途完全不打小差，一幅图也需要至少一两个小时的时间。
考虑到各种原因，一天能出两幅这种超详细的气象图就算非常不错了。
短期内提供一些还行，倘若是长期稳定供应，就算林寒身体是铁打的，也早晚得被掏空。
但他心里清楚，这种超详细的气象图，用不了太多，就可以让相关软件的预测准确率大幅度提高。
↑返回顶部↑