如何将这7项数据进行有机融合？如何实时实现大气污染溯源？如何模拟不同污染物的削减对于空气质量的影响？如何估算污染物削减带来的经济影响？记者随后抛出一连串问题，董进详细地进行了解答。

“这主要是基于Watson认知计算技术融合多类型来源模型建立的可自调节的环境质量超级模型。”董进说，这就好比一个“超级专家”，他既是大数据挖掘专家，也是物理学家、化学家、经济学家、统计学家。

认知计算技术能够模拟人学习的过程，主要是根据历史数据，不同时间、位置、天气情况、人类活动等信息进行动态深度学习，实现各类模型的融合。认知计算技术的出现主要得益于大数据时代的到来。以往数据量小，人可以依靠自身发现规律，而大数据出现之后，人已经没有能力从海量的数据中去寻找规律，这就需要训练机器像人一样去思考、去学习，从而帮助人类发现规律，人类便可以利用这些规律做决策和判断。

董进表示，相较于传统的空气质量预测预警的方法，认知计算技术有独特的优势。传统的物理模型、化学模型只能预测短期的空气质量，并且由于没有考虑到影响空气质量的其他因素，准确率也受到一定影响。认知计算则不仅采用监测站点、气象数据等方面的信息，还将交通信息、人流信息、社交媒体数据等空气质量相关信息纳入进来，通过整合结构化数据和图片、声音等非

结构化数据，实现物理模型、化学模型、气象模型、统计模型、大数据挖掘等模型的融合，形成更准确的空气质量预警预报模型和决策支持模型，实现空气质量预测。

“而这些模型如何更好地融合正是认知计算技术的难点和重点。”董进说，“绿色地平线团队本身集合了IBM全球研究院几十位能源、环境及大数据分析领域的科学家，同时我们也积极地和国际及国内顶级气象及环境研究机构密切合作，优势互补，集成最先进的气象及环境模型，推动超级模型完善。”

认知计算技术依赖于数据的长期积累，超级模型需要通过这些历史数据，比如通过学习什么样的气象条件、站点状况，会出现什么样的天气后，模型便有了“经验”，再次监测到相似的气象条件时，便可以实现与历史数据匹配，实现高准确度的预测。据了解，IBM已经与多地开展了合作，并初步取得成效，在数据比较完整的地区，后台已经依靠模型智能分析出上千条规律。但是决策系统在认知学习过程中，可能会有几种预测结果，这就需要专家会商，并与之后的实际情况进行比对，调整出一个更精准的模型。“超级专家”也就因此诞生了。

比如，环境和经济问题一直是一对相伴相生的矛盾，APEC期间，超级模型就模拟了上千个场景实现环境治理，以尽量减轻对经济影响的方式实现环境治理。这就需要专家会商，并用最后的实际效果进行印证。这就是一个完整的学习过程。

“认知计算是未来信息技术的发展方向，如何与环保行业的实际需求相结合仍是我们未来努力的方向。”董进表示。