阅读下面的文章，完成下列小题。 人工智能时代，天气如何预报 ①天气预报的发展，经历了从定性预报、描述性预报向数字化、网格化预报的过程。比如，我国气象部门原来发布的城镇天气预报，内容只包括2400多个城镇的天气现象、高低温和风速风向预报，频次也只是一天三次，预报的时间精度和空间精度不够高。 ②2012年，国家气象中心推出了一个新的预报产品，即大城市精细化预报，该产品把全国省会城市，计划单列市24小时内的天气预报进行细化，每6小时开展一次预报，降水量可以预报到毫米。但即便这样也不够精细，不能满足各行业及公众的需求。 ③于是，“网格预报”这一概念被引进到我国的精细化预报业务中。如何理解它呢？可以这样比喻，就像地球上的经纬网一样，我们可以把中国以及每个城市所在的区域分解成许多个5公里×5公里甚至1公里×1公里的网格，而公众就是生活在这样的一个个网格中，每个网格中的天气情况也会有所差异。与原来的定点预报相比，它在空间上更加精细，也更具针对性。拿北京的预报来说，原来的预报只是以南郊观象台这一个点的气温、降水等来代表整个城市的天气情况，但通过开展网格化预报，北京的天气不再由一个定点来反映，针对北京的气象服务和天气预报可以精细地反映在整座城市每个不同的网格之中。网格化预报的精细程度不仅体现在空间上，还反映在可以每天以更高频次更新和发布上。原来一天的天气预报只会涉及一种天气现象，现在网格化预报可以做到全国范围内逐3小时预报。随时随地，公众都能了解到自己当前所处的网格未来是什么样的天气，能够清楚地了解气温、降水、风等多个基本气象要素。除了对陆地上的网格进行预报外，气象部门还将我国的责任海区划分为多个10公里×10公里的网格，并进行海上能见度、海上大风等要素的精细化预报。 ④在原先的预报产品中，公众接触较多的就是气温、风和天气现象这三个要素。而当前的陆地和海洋预报产品就已细化到四大类18个气象要素。第一类是基本要素，即气温、降水、降水相态、风、云量、相对湿度等。以前，12小时的预报中就只反映一个要素值，现在有了更精细的逐3小时预报，可以反映不同时段的要素值。第二类是环境气象要素，包含雾、霾、沙尘暴、能见度等。第三类是灾害性天气要素，包含短时强降水、雷暴、雷暴大风、冰等强对流天气预报。第四类是海上气象要素，在产品中具体体现为海上大风、海上能见度、海上天气现象等预报。 ⑤与以前的天气预报相比，网格预报是精细定量的数字化预报。在方便公众获取更精准更精细的天气预报之余，还将有助于预报员开展高影响天气预报和气象灾害风险预报预警，同时基于精细的智能网格预报开展的地质灾害、暴雨洪涝、高温干旱等影响预报准确率也会大大提高。 ⑥未来，气象部门还将发展结合物理机理与数值预报大数据挖掘应用的智能预报技术。一方面，基于数值预报机理的数理统计形成复杂预报模型、预报方法；另一方面，通过基于气象大数据的挖掘萃取、机器学习等，人工智能将与天气预报更深入地结合。 ⑦人工智能对预报提出了挑战，但也给人类带来机遇。击败世界围棋排名第一人柯洁的“阿尔法狗”发展到现在，已经脱离了靠大量棋谱来“喂养”的阶段，凭深度学习就能不断进步。气象与围棋都有所不同，围棋虽然内部机理比较复杂但规则相对简单，而气象是个更为复杂的系统，受影响的因素太多。比如降雨，即便水汽、湿度条件都满足了，但大气没有拾升水汽无法凝结，空气中没有“凝结核”，雨滴也不会长大掉落地面。因此，“智能”并不意味着预报员在这一过程中毫无“用武之地”。预报员的优势在于丰富的经验和对关键天气形势的把握，在智能预报发展过程中，预报员多年的预报经验可以用来“喂养”机器和模型。在灾害天气过程的预报服务中，预报员仍将发挥关键作用。 （选文有删改）【小题1】下列说法与原文意思相符的一项是（ ） A．我国气象部门原来发布的城镇天气预报，时间精度和空间精度不够高。内容只包括2400个城镇的天气现象、高低温和风向预报，频次只是一天三次。 B．2012年，大城市精细化预报可以把全国各地24小时内的天气预报进行细化，每6小时预报一次，降水量预报到毫米。基本满足各行业及公众的需求。 C．在原先的预报产品中，只涉及气温、风和天气现象这三个要素，当前的陆地和海洋预报产品就已细化到18个气象要素。 D．第⑦段加点的“喂养”是指预报员对智能工具无法做出准确判断的天气进行具体分析和把握，并对智能预报的不足加以补充和完善。 【小题2】下列说法正确的一项是（ ） A．文章主要介绍了人工智能时代网格预报天气的发展趋势。 B．第③段简介“网格预报”时，以北京预报为例，使说明更浅显易懂，具体清晰。 C．第④段主要用了列数字和作对比、分类的说明方法，突出原先预报产品的单一。 D．第⑦段将“阿尔法狗”与“智能预报”作比较，突出了“智能预报”的美好前景。 【小题3】请你球据上文有关知识，结合下面时链接材料，分析智能预报的优势和发展的趋势。 （链接材料）中央气象台天气预报技术研发室副主任代刊说：“我们正在探索将人工智能技术应用于网格预报业务，通过与清华大学合作，采用分布式深度学习框架、时空记忆深度循环网络算法，雷达外推预报准确率较之以往平均提升40%。”