人工智慧可以大大提高我們對氣候和地球系統的理解

德國耶拿和漢堡的科學家今天在《自然》雜誌上發表的一項研究表明，人工智慧(AI)可以大大提高我們對氣候和地球系統的理解。特別是到目前為止，深度學習的潛力只被部分耗盡。特別是颶風、火災傳播、植被動態等複雜的動態過程，人工智慧可以更好地描述。因此，氣候和地球系統模型將得到改進，將人工智慧和物理建模相結合的新模型。

在過去的幾十年里，人們主要是利用機器學習的方法來研究靜態屬性，例如從局部到全局範圍的土壤屬性分布。一段時間以來，通過使用更複雜的深度學習技術來處理更動態的過程是可能的。例如，這允許同時考慮季節和短期變化來量化陸地上的全球光合作用。

從大量的感測器,泛濫的地球系統數據變得可用,但到目前為止,我們已經落後在分析和解釋,這就是深度學習技術成為一種有前途的工具的原因，超越了圖像識別、自然語言處理或AlphaGo等經典機器學習應用。」應用的例子是極端事件，如火災蔓延或颶風，這是非常複雜的過程，受當地條件的影響，但也受其時空背景的影響。這也適用於大氣和海洋運輸、土壤運動和植被動力學，地球系統科學的一些經典主題。

然而，深度學習方法是困難的。所有數據驅動和統計方法本身並不保證物理一致性，它們高度依賴數據質量，並且可能在推斷方面遇到困難。此外，對數據處理和存儲容量的要求也很高。該出版物討論了所有這些要求和障礙，並制定了有效地將機器學習與物理建模結合起來的策略。如果將這兩種技術結合起來，就可以創建所謂的混合模型。例如，它們可以用來模擬海水的運動來預測海面溫度。雖然溫度是物理模擬的，但海水的運動是用機器學習的方法來表示的。Markus Reichstein進一步解釋說:「我們的想法是將物理模型的一致性和機器學習的通用性這兩個世界的最佳結合起來，從而得到大大改進的模型。」

科學家們認為，對極端事件的探測和早期預警，以及對天氣和氣候的季節性和長期性預測和預測，將極大地受益於所討論的深度學習和混合建模方法。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！