人工智能可提升气候和地球系统模式性能吗?

到今朝为止，深度进修的潜力只有很小一有部分被宏扬进去。今天不日，德国马克斯·普朗克生物地球化学研讨所领衔的科学家在《人造》杂志上颁发钻研称，家养智能可大幅度抬举人类对天色与地球琐屑的熟识。

　　在人工智能的协助下，科学家可以更好地描写飓风、野火延伸与植被变更等复杂的动态历程。跟着新模子将野生智能与物理建模疏散起来，气候与地球琐屑模子将获取改进。

　　在过去的几十年中，科学家首要把持机器学习方法钻研事物的静态属性，比喻从局地到环球规范上的泥土性质散播情况。一段年华以来，经过使用更加冗杂的深度进修技能，处置更多动态进程成为或许，例如在同时考虑季节与短年华变幻的情况下，可以量化举世陆地上植被的光互助用进程。

　　“人类操作少量的传感器获取到对于地球零碎的多量数据，但到当前为止，我们在赏析与表达这些数据上如故非常落伍。”该钻研第一作者马库斯·赖希斯坦说。

　　这些中央正是深度学习技能大有可为的地方，并且可以跨越图象识别、自然措辞处置或AlphaGo等经典的机械进修使用范围，好比哄骗人工智能来猜测林火或飓风等极端事变。这些烦复过程不仅受局地条件的影响，而且受时空后援变化的影响。其它，深度学习也可以使用于大气与陆地热量传输、土壤运动和植积极态等一些地球系统科学研讨的经典主题。

　　科学家研收回一种新方法，将机器学习和物理建模有效连系起来建树异化模子。这类混合模子可用于仿照淡水运动，以预想海表温度。其中，海表温度通过物理建模进行摹拟，而海水运动则经由过程机械深造进行分析，多么可以极大地改善模子的性能。钻研者表示，极端变乱的监测与晚期预警，以及季候性和短暂天气料想，将极大地受益于深度进修与夹杂建模方式。