耶拿和漢堡的德國(guó)科學(xué)家今天在“自然”雜志上發(fā)表的一項(xiàng)研究表明，人工智能(AI)可以大大提高我們對(duì)氣候和地球系統(tǒng)的理解。特別是到目前為止，深度學(xué)習(xí)的潛力已經(jīng)部分耗盡。特別是，在AI的幫助下，可以更好地描述復(fù)雜的動(dòng)態(tài)過(guò)程，如颶風(fēng)，火焰?zhèn)鞑ズ椭脖粍?dòng)態(tài)。因此，氣候和地球系統(tǒng)模型將得到改進(jìn)，新模型結(jié)合了人工智能和物理建模。在過(guò)去的幾十年中，主要使用機(jī)器學(xué)習(xí)方法研究靜態(tài)屬性，例如從本地到全球范圍的土壤屬性分布。一段時(shí)間以來(lái)，通過(guò)使用更復(fù)雜的深度學(xué)習(xí)技術(shù)，可以解決更多動(dòng)態(tài)過(guò)程。這允許例如在同時(shí)考慮季節(jié)和短期變化的情況下量化陸地上的全球光合作用。

“從大量的傳感器中，大量的地球系統(tǒng)數(shù)據(jù)已經(jīng)出現(xiàn)，但到目前為止，我們?cè)诜治龊徒忉尫矫嬉恢甭浜螅?rdquo;耶拿大馬克普萊克生物地球化學(xué)研究所常務(wù)董事Markus Reichstein解釋說(shuō)，目錄板Michael-Stifel-Center Jena(MSCJ)的成員，也是該出版物的第一作者。“這是深度學(xué)習(xí)技術(shù)成為一種有前途的工具，超越了經(jīng)典的機(jī)器學(xué)習(xí)應(yīng)用，如圖像識(shí)別，自然語(yǔ)言處理或AlphaGo，”共同作者，弗里德里希·席勒大學(xué)耶拿計(jì)算機(jī)視覺(jué)小組(FSU)的Joachim Denzler補(bǔ)充說(shuō)。和MSCJ的成員。應(yīng)用的例子是極端事件，如火勢(shì)蔓延或颶風(fēng)，這是受當(dāng)?shù)貤l件影響的非常復(fù)雜的過(guò)程，也受其時(shí)空背景的影響。這也適用于大氣和海洋運(yùn)輸，土壤運(yùn)動(dòng)和植被動(dòng)態(tài)，這是地球系統(tǒng)科學(xué)的一些經(jīng)典主題。

但是，深度學(xué)習(xí)方法很難。所有數(shù)據(jù)驅(qū)動(dòng)和統(tǒng)計(jì)方法本身并不保證物理一致性，高度依賴于數(shù)據(jù)質(zhì)量，并且可能在外推時(shí)遇到困難。此外，對(duì)數(shù)據(jù)處理和存儲(chǔ)容量的要求非常高。該出版物討論了所有這些要求和障礙，并制定了有效地將機(jī)器學(xué)習(xí)與物理建模相結(jié)合的戰(zhàn)略。如果兩種技術(shù)結(jié)合在一起，則創(chuàng)建所謂的混合模型。例如，它們可用于模擬海水的運(yùn)動(dòng)以預(yù)測(cè)海面溫度。雖然溫度是物理模擬的，但海水運(yùn)動(dòng)由機(jī)器學(xué)習(xí)方法表示。“這個(gè)想法是結(jié)合兩個(gè)世界中最好的，

科學(xué)家們認(rèn)為，極端事件的檢測(cè)和早期預(yù)警以及季節(jié)和長(zhǎng)期預(yù)測(cè)以及天氣和氣候的預(yù)測(cè)將極大地受益于所討論的深度學(xué)習(xí)和混合建模方法。