人工智能可以大大提高我们对气候和地球系统的理解

德国耶拿和汉堡的科学家今天在《自然》杂志上发表的一项研究表明，人工智能(AI)可以大大提高我们对气候和地球系统的理解。特别是到目前为止，深度学习的潜力只被部分耗尽。特别是飓风、火灾传播、植被动态等复杂的动态过程，人工智能可以更好地描述。因此，气候和地球系统模型将得到改进，将人工智能和物理建模相结合的新模型。

在过去的几十年里，人们主要是利用机器学习的方法来研究静态属性，例如从局部到全局范围的土壤属性分布。一段时间以来，通过使用更复杂的深度学习技术来处理更动态的过程是可能的。例如，这允许同时考虑季节和短期变化来量化陆地上的全球光合作用。

从大量的传感器,泛滥的地球系统数据变得可用,但到目前为止,我们已经落后在分析和解释,这就是深度学习技术成为一种有前途的工具的原因，超越了图像识别、自然语言处理或AlphaGo等经典机器学习应用。”应用的例子是极端事件，如火灾蔓延或飓风，这是非常复杂的过程，受当地条件的影响，但也受其时空背景的影响。这也适用于大气和海洋运输、土壤运动和植被动力学，地球系统科学的一些经典主题。

然而，深度学习方法是困难的。所有数据驱动和统计方法本身并不保证物理一致性，它们高度依赖数据质量，并且可能在推断方面遇到困难。此外，对数据处理和存储容量的要求也很高。该出版物讨论了所有这些要求和障碍，并制定了有效地将机器学习与物理建模结合起来的策略。如果将这两种技术结合起来，就可以创建所谓的混合模型。例如，它们可以用来模拟海水的运动来预测海面温度。虽然温度是物理模拟的，但海水的运动是用机器学习的方法来表示的。Markus Reichstein进一步解释说:“我们的想法是将物理模型的一致性和机器学习的通用性这两个世界的最佳结合起来，从而得到大大改进的模型。”

科学家们认为，对极端事件的探测和早期预警，以及对天气和气候的季节性和长期性预测和预测，将极大地受益于所讨论的深度学习和混合建模方法。