- Ученые используют ИИ для улучшения климатических прогнозов и анализа сложных процессов.
- Гибридные модели сочетают физику и машинное обучение для более точных локальных оценок.
- ИИ ускоряет научные обзоры, но по-прежнему требует строгого человеческого контроля и опыта.
С появлением температура В последние годы климатолог Зик Хаусфатер из исследовательской организации Berkeley Earth пытался найти слова, чтобы описать жару, и остановился на фразе «умопомрачительно ошеломляющий банан». Он также искал новые способы визуализировать это. Housefather создал свою графику, в том числе впечатляющую «таблицу из колец деревьев», с помощью помощника по созданию идей и кодирования: ChatGPT.
«Это интересно, потому что я не ожидал, что ИИ преуспеет в этом», — говорит Housefather.
Как и миллионы других людей, ученые-климатологи находят место для больших языковых моделей в кодировании, общении и других частях своей работы. Они также направляют инструменты искусственного интеллекта на ключевые вопросы: насколько жарко будет, насколько дождливо и как быстро?
«ИИ предлагает довольно интересные возможности для решения вопросов, над которыми мы застряли в течение долгого времени», — сказала Элизабет Барнс, профессор Бостонского университета, специализирующаяся на данных об окружающей среде. «Но это не полная трансформация нашей науки».
Причина в том, что традиционные инструменты и инструменты искусственного интеллекта для исследования климата, скорее всего, будут дополнять друг друга. Климатические модели — это сложные программы, которые моделируют физику системы Земли с помощью уравнений, требующих более миллиона строк кода. Ученые называют их физически обоснованными моделями, чтобы отличить их от моделей искусственного интеллекта, которые работают без моделирования физики. Они могут предсказать большие изменения, которые еще не произошли, но им трудно уловить небольшие, но важные явления, такие как образование облаков.
ИИ может «заполнять» эти значения, но он все равно не может «видеть» за пределами своих обучающих данных — например, экстремальную погоду, превышающую исторический рекорд. (Есть первоначальные свидетельства того, что он может «переносить» экстремальные погодные условия из одной части мира в другую, где их еще не было.)
Ученые публикуют новые подходы к искусственному интеллекту каждый месяц. Вот некоторые основные темы:
Глобальные риски становятся локальными
Страховщики, покупатели недвижимости и многие другие хотят иметь четко локализованные оценки климатический риск — например, вероятность затопления объекта. Проблема в том, что глобальное моделирование слишком грубое для такого небольшого масштаба. Исследователи надеются, что ИИ сможет помочь «перевести» крупномасштабные закономерности на локальный уровень, объединив их результаты с историческими данными о погоде.
Прошлой весной ученые Google написали, что гибридный искусственный интеллект и физические модели могут предложить «гибкий, точный и эффективный способ» решения проблемы.
Ураган Флоренс в округе Даплин, Северная Каролина, 18 сентября 2018 года.
На этой неделе компания Google Research запустила Groundsource — инструмент для прогнозирования внезапных наводнений, которые вызывают больше смертей, чем любая другая водная опасность. Исследователи использовали Gemini для идентификации 5 миллионов новостных статей с 2000 года, описывающих 2,6 миллиона внезапных наводнений в 150 странах. Объединив эти данные с моделями, обученными с помощью машинного обучения, они создали общедоступный инструмент (еще не прошедший рецензирование), который давал достоверные результаты в 82% случаев.
Добро пожаловать, помощники ученых
Атлантическая меридиональная опрокидывающая циркуляция (AMOC) несет теплую воду на север и холодную воду на юг. Это стабильная особенность глобального климата, благодаря которой в Европе становится теплее. Но в следующем столетии ему грозит крах, и ученые хотят лучше это понять.
Google DeepMind возглавил команду из более чем дюжины учёных, включая Housefather, опубликовавшую предварительную оценку состояния AMOC. Цель: проверить, насколько хорошо «помощники ученых» ИИ, такие как Близнецы, могут сотрудничать в широком научном обзоре, аналогичном отчетам ООН.
Команда синтезировала 79 научных работ и переделала анализ 104 раза, в общей сложности затратив 46 человеко-часов — примерно в 10 раз быстрее, чем обычно. Почти весь вклад AI остаётся в итоговом тексте и составляет 42% от него.
Но у экспертов есть знания и интуиция, которых нет у ИИ.
«Чтобы поднять содержание до научных стандартов, потребовался значительный надзор», — пишут авторы.
Облачные прогнозы
Облака сильно влияют на тепловой баланс Земли. Низкие облака отражают солнечный свет; высокие сохраняют тепло. Как они формируются и как изменяются — это сложные вопросы, которые сильно влияют на прогнозы климата.
Сочетание ИИ с физическими оценками дает многообещающие результаты. В 2024 году группа университетов, неправительственных организаций и компаний пришла к выводу, что машинное обучение «может использоваться вместо» текущих оценок облаков в некоторых моделях.
Региональные изменения климата
Иногда ученые обнаруживают несоответствия между глобальными моделями и местной реальностью. Как физические, так и гибридные модели с трудом воспроизводят, например, засуху в юго-западных штатах США. США. Они ожидают увеличения, а не уменьшения влажности по мере нагревания атмосферы.
ИИ тоже становится сложнее, но он приближается к реальным тенденциям.
Посетитель плотины Гувера смотрит на почти высохшую реку Колорадо, 19 августа 2021 года.
Тиффани Шоу из Чикагского университета и ее коллеги проводят серию исследований, чтобы определить, на что способны модели ИИ сегодня, и отслеживать прогресс. В рабочем документе они показывают, что ИИ превосходит модели и гибридные модели в прогнозировании засухи на Юго-Западе — «хотя мы еще не знаем, делает ли ИИ это по правильным причинам», — говорит Шоу.
В августе ученые Вашингтонского университета опубликовали исследование, показавшее, что модель искусственного интеллекта, обученная только для минимизации ошибок в краткосрочных прогнозах, способна имитировать наблюдаемую активность циклонов в западной части северной части Тихого океана.
ИИ проникает повсюду
ИИ уже превращает необработанные спутниковые данные в оценки выбросов метана, моделируя распад ледников и выявляя экстремальные погодные явления задолго до того, как они произойдут.
Понятно, что инструменты ИИ могут выполнять многие задачи так же или даже лучше, чем люди. Но даже когда они получают правильные ответы, ученым необходимо понять, как они к этому пришли, если наука хочет развиваться.