更別說，是人工降雨之類，人為對天氣的改變了。

可對於徐佑給出的數據，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，您是怎麼得出的呢？」

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，我們之後就會知道了。」

說著，徐佑在大屏幕上展示出，算經人工智慧剛剛作出的天氣預測。

根據國家氣象台提供的雷達等數據，算經人工智慧已經完成了全世界各地一個月之內的天氣預測。

隻是，相對於氣象台給出的天氣預報，算經人工智慧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，如果隻是理論值的話，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，通過徐佑大腦仿真模擬的結果，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。

但隻要這個成果是出自於徐佑，就沒有什麼值得懷疑的了。

做好了天氣預測的模型之後，徐佑緊接著對資源分配的任務進行研究。

相比於天氣預測，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，在能源調配方麵，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案。

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，優化風力發電的方案，提升風力發電的效率。

兩天的時間過去，算經人工智慧已經學會了解決各種資源分配問題。

相對於之前的模型，算經人工智慧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，算經人工智慧預測天氣的準確率，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，意味著算經人工智慧預測一千次天氣，才會有一次的失誤。

這對於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。

()

</p>

</br>

</br>