随着地球观测卫星变得越来越普及，并且气候模型变得更加强大，研究全球变暖的研究人员正面临着数据的洪流。 一些人现在正在转向人工智能（AI）的最新趋势，以帮助筛选所有信息，希望能发现新的气候模式并改进预测。
“气候现在是一个数据问题，” 华盛顿特区乔治·华盛顿大学的计算机科学家克莱尔·蒙特莱奥尼说，她帮助开创了机器学习技术与气候科学的结合。 在机器学习中，随着人工智能系统分析的数据量增长，其性能也会提高。 这种方法非常适合气候科学：一次高分辨率气候模型的运行可以产生拍字节级的数据，英国气象局（国家气象服务机构）维护的气候数据档案现在拥有约 45 拍字节的信息，并且每天增加 0.085 拍字节。
希望处理所有这些数据的研究人员将于下个月在科罗拉多州博尔德市会面，评估被称为气候信息学的科学领域的现状。 该领域的工作发展迅速。 在过去的几年中，研究人员使用人工智能系统帮助他们对气候模型进行排名，在真实和模拟的气候数据中发现气旋和其他极端天气事件，并识别新的气候模式。 “速度似乎正在加快，”蒙特莱奥尼说。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。 通过购买订阅，您将有助于确保有关塑造我们今天世界的发现和想法的具有影响力的故事的未来。
传统的计算机算法依赖于程序员输入大量的规则和事实来指导系统的输出。 机器学习系统以及一个子集，即深度学习系统（模拟人脑中复杂的神经网络）— 在梳理大量数据后得出自己的规则。 这对于人们认为理所当然但传统计算机难以执行的微妙任务通常很有用：理解语言、阅读手写笔记 或识别混乱数据集中的对象类别，例如在 YouTube 视频中识别猫。
天气是另一个复杂的主题，非常适合通过深度学习方法进行分析。 2016 年，研究人员报告了首次使用深度学习系统来识别热带气旋、大气河流和天气锋面：这些特征定义松散，其识别取决于专家判断。 这一壮举表明该算法可以复制人类的专业知识。 现在，位于加利福尼亚州劳伦斯伯克利国家实验室 (LBNL) 的团队希望使用类似的技术来研究各种极端事件，包括尚未识别出的事件。 研究人员的最终目标是更好地评估和预测这些事件在面对气候变化时如何转变。 “这并不简单，” 2016 年论文的主要作者 Prabhat 说，他负责 LBNL 国家能源研究科学计算中心的大数据工作。 “但这不像深度学习的商业应用那么难”，例如语言翻译和图像识别。
明尼阿波利斯明尼苏达大学的计算机科学家 Vipin Kumar 使用机器学习创建了用于监测森林火灾和评估森林砍伐的算法。 当他的团队让计算机学习识别称为遥相关的气压模式，例如厄尔尼诺天气模式时，该算法在塔斯曼海上方发现了一个以前未被识别的例子。
蒙特莱奥尼开发了机器学习算法，以创建政府间气候变化专门委员会使用的大约 30 个气候模型的加权平均值。 蒙特莱奥尼说，通过了解模型的优点和缺点，这些算法比平等对待所有模型的传统方法产生更好的结果。 气候界开始采用人工智能算法来权衡气候模型，以此作为帮助改进预测的一种方式。
机器谜团
由于深度学习系统会制定自己的规则，研究人员通常无法说出这些算法如何或为何得出给定的结果。 这让一些人对依赖这些“黑匣子”来预测即将到来的天气紧急情况（如洪水）感到不安。 “我不愿意将 [AI] 用作答案机器，” LBNL 的气候建模师威廉·德鲁·柯林斯说。 “如果我无法解释机器在做什么，那就存在问题。”
相反，柯林斯说，人工智能算法最适合帮助测试下一代气候模型。 这些模型旨在纳入复杂的气候现象，例如云的精细结构、大气河流和海洋涡流。 “我们需要一个基准来衡量这些模型应该达到的细节水平，”柯林斯说。 “我们需要一个指路明灯。 机器学习非常适合这一点。”
然而，一些人工智能算法正在被证明对天气预报很有用。 在 2016 年的一项测试中，当在美国国家气象局的九位气象学家在人工智能和传统方法之间做出选择时，他们选择在约 75% 的风暴持续时间预报中使用人工智能算法。 该研究的主要作者、俄克拉荷马州诺曼市俄克拉荷马大学的计算机科学家艾米·麦戈文现在计划将人工智能算法纳入气象局的冰雹预报中。
大多数气候学家仍然使用传统方法来分析他们的数据，但这种情况正在发生变化。 “如果你去主要的建模中心询问他们是如何工作的，答案不会是机器学习，”柯林斯说。 “但它会到达那里。”
本文经许可转载，并于2017 年 8 月 23 日首次发表。