“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（Claire Monteleoni）说，他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，人工智能系统的性能会随着其分析的数据量的增长而提高。这种方法非常适合气候科学：单次运行高分辨率气候模型可以产生 PB 级的数据，而英国国家气象局维护的气候数据档案现在拥有大约 45 PB 的信息，每天增加 0.085 PB。

 

希望收集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举行会议，以评估气候信息学领域的科学状况。这一领域的工作发展迅速。在过去的几年里，研究人员使用人工智能系统来帮助他们对气候模型进行排名，发现飓风和其他极端天气事件——包括真实和模拟的气候数据——并确定新的气候模式。“步伐似乎正在加快，”Monteleoni说。

 

传统的计算机算法依赖于程序员输入大量规则和事实来指导系统的输出。机器学习系统——以及模拟人脑中复杂神经网络的深度学习系统——在梳理大量数据后得出自己的规则。这通常适用于人们认为理所当然但传统计算机难以执行的微妙任务：理解语言、阅读手写笔记或识别混乱数据集中的一类对象，例如在 YouTube 视频中发现猫。

 

天气是另一个复杂的话题，非常适合通过深度学习方法进行分析。2016年，研究人员首次报告了深度学习系统来识别热带气旋、大气河流和天气锋面：这些定义松散的特征，其识别取决于专家的判断1.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 - 包括尚未确定的事件。研究人员的最终目标是更好地评估和预测这些事件在气候变化面前是如何变化的。“这并不简单，”2016年论文的主要作者Prabhat说，他指导LBNL国家能源研究科学计算中心的大数据工作。“但它并不像深度学习的商业应用那么难”，比如语言翻译和图像识别。

 

气候现在是一个数据问题。

 

明尼阿波利斯明尼苏达大学（University of Minnesota）的计算机科学家维平·库马尔（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。当他的团队要求计算机学习识别称为遥联的气压模式（例如厄尔尼诺天气模式）时，该算法在塔斯曼海发现了一个以前无法识别的例子2.

 

Monteleoni开发了机器学习算法，为政府间气候变化专门委员会使用的大约30个气候模型创建加权平均值。Monteleoni说，通过学习模型的优缺点，这种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，对气候模型进行加权，以帮助改善预测。

 

机器之谜

 

由于深度学习系统会制定自己的规则，因此研究人员通常无法说出这些算法如何或为什么得出给定的结果。这让一些人对依靠这些“黑匣子”来预测洪水等迫在眉睫的天气紧急情况感到不安。“我不愿意使用[AI]作为答录机，”LBNL的气候建模师威廉·德鲁·柯林斯（William Drew Collins）说。“如果我不能解释机器在做什么，那就有问题了。

 

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，例如云层、大气河流和海洋漩涡的精细结构。“我们需要一个基准来衡量这些模型应该达到的详细程度，”柯林斯说。“我们需要一颗指路明灯。机器学习非常适合这一点。

 

尽管如此，一些人工智能算法被证明对天气预报很有用。在 2016 年的一项测试中，美国国家气象局的九名气象学家在 AI 和传统方法之间进行选择时，选择在大约 75% 的风暴持续时间预测中使用 AI 算法3.该研究的主要作者，俄克拉荷马大学诺曼分校的计算机科学家艾米·麦戈文（Amy McGovern）现在计划将人工智能算法纳入气象服务的冰雹预报中。

 

大多数气候学家仍在使用传统方法来分析他们的数据，但这种情况正在改变。“如果你去主要的建模中心，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。”