PNAS：人工智能可以用来揭示气候变化的临界点

研究人员正在开发可以评估气候变化临界点的人工智能。深度学习算法可以作为应对失控气候变化的预警系统。

　　

滑铁卢大学(University of Waterloo)应用数学教授克里斯·鲍赫(Chris Bauch)最近与人合著了一篇研究论文，报告了这种新的深度学习算法的结果。Bauch说，这项研究着眼于阈值，超过这个阈值，系统就会发生快速或不可逆转的变化。

Bauch说:“我们发现，新的算法不仅能够比现有方法更准确地预测临界点，而且还能提供超出临界点的状态类型的信息。”“很多这样的转折点都是不受欢迎的，如果可以的话，我们想要阻止它们。”

一些临界点通常与失控的气候变化有关，包括融化的北极永久冻土，这可能释放大量甲烷，并进一步加速升温;洋流系统的崩溃，这可能导致天气模式几乎立即发生变化;或者冰盖解体，这可能会导致海平面的快速变化。

据研究人员称，这种人工智能的创新之处在于，它被编程来学习的不仅是一种引爆点，还包括一般引爆点的特征。

该方法通过混合人工智能和引爆点的数学理论而获得优势，比任何一种方法单独完成的都要多。在对人工智能进行训练后，研究人员将其描述为“可能的临界点宇宙”，其中包括大约50万个模型，然后在各种系统中，包括历史气候核心样本，对其进行了具体的现实世界临界点的测试。

埃克塞特大学(University of Exeter)全球系统研究所(Global Systems Institute)所长蒂莫西·莱顿(Timothy Lenton)是这项研究的合著者之一，他说:“我们改进后的方法可能会在我们接近危险临界点时发出危险信号。”“改善对气候转折点的早期预警，可以帮助社会适应并降低他们对即将到来的灾难的脆弱性，即使他们无法避免。”

深度学习在模式识别和分类方面取得了巨大进展，研究人员首次将临界点检测转化为模式识别问题。这样做是为了尝试和检测在临界点之前发生的模式，并让机器学习算法来判断临界点是否即将到来。

麦吉尔大学(McGill University)博士后研究员、论文的另一位合著者托马斯·伯里(Thomas Bury)说:“人们对气候系统的引爆点很熟悉，但在生态学和流行病学，甚至在股票市场，也存在引爆点。”“我们了解到的是，人工智能非常擅长检测各种复杂系统中常见的临界点特征。”

该项目的另一名研究人员、Guelph环境研究所(Guelph Institute for Environmental Research)所长马德赫·阿南德(Madhur Anand)说，新的深度学习算法“改变了预测重大变化的能力，包括那些与气候变化有关的变化”。

现在他们的人工智能已经了解了引爆点的功能，该团队正在进行下一阶段的工作，即为其提供当代气候变化趋势的数据。但阿南德对掌握了这些信息后可能发生的事情发出了警告。

她说:“这绝对是我们的优势。”“当然，这取决于我们如何利用这些知识。我只是希望这些新发现能带来公平、积极的改变。”

Journal Reference:

1. Thomas M. Bury, R. I. Sujith, Induja Pavithran, Marten Scheffer, Timothy M. Lenton, Madhur Anand, Chris T. Bauch. Deep learning for early warning signals of tipping points. Proceedings of the National Academy of Sciences, 2021; 118 (39): e2106140118 DOI: 10.1073/pnas.2106140118