更別說，是人工降雨之類，人為對天氣的改變了。
可對於徐佑給出的資料，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。
“這個資料是理論值，具體的準確率，我們之後就會知道了。”
說著，徐佑在大螢幕上展示出，算經人工智慧剛剛作出的天氣預測。
根據國家氣象臺提供的雷達等資料，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。
只是，相對於氣象臺給出的天氣預報，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，如果資料不達標的話，我們再對模型進行更改。”
其實徐佑的信心是非常足的，透過徐佑大腦模擬模擬的結果，這個模型的準確率，甚至要比徐佑給出的資料更高。
徐佑也很理解他們有懷疑的心理，畢竟如果按照正常的程式，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，在能源調配方面，透過電網提供的資料，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，根據歷史發電資料、天氣預報的資訊，來構建和訓練神經網路模型，最佳化風力發電的方案，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。”一位專案組的成員說道。
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資料了。
 
1秒記住：。