随着地球周围的观测卫星越来越多，以及气候变化模型的逐渐完善，研究气候变化的学者们发现他们面临着一个全新的困难：气候数据太多，来不及处理。有的人寄希望于当下最前沿的科技——机器学习来帮助整理这些信息，同时，期待AI能够帮助发现新的气候模式。
华盛顿大学的计算机科学家克莱尔蒙特勒尼是将AI技术应用于气象预测的先驱，他说道：“现如今，气象预测实际上是一项需要数据技术来解决的问题。” 此举可谓是双赢，通过分析海量的气候数据，AI系统的深度学习功能也得以进步。此外，用AI来分析气候数据相当合适：运行一次高精度气候模型将会产生大约1PB（10的15次方）的数据，现如今，英国的国家气候机构已经有了45PB的数据，此外，每天还会增加0.085PB的数据。
气候信息学在相关领域的发展十分迅速。过去的几年里，研究者们通过使用AI系统，将气候模型进行了有效完善，并且借助AI，发现了若干次飓风及极端天气现象，并发现了新的气象规律。蒙特勒尼称：“这项技术正在逐渐成熟。”
在以往常见的计算机算法中，程序员们输入编程语句，帮助系统推导出结果。但机器学习系统则不然。它是一种仿照人类大脑神经网络的信息系统，能够进行自发的、深度的学习，通过获取海量的数据信息，生成其自由的语言规则。通过机器学习，计算机的适用领域得以大大扩张：以往只能由人来进行的精细工作，例如理解一门语言、阅读手写的便条、在混乱的数据里发现特定的目标（比如说在youtube里面找到喵片）。
气象预测一门复杂的学问，同时也非常适合用AI来进行分析。2016年，研究者们第一次利用AI系统发现了热带气旋、大气层河流及气象锋，而以往这些气象需要由有经验的专家才能判断得出。这一结果也展现出了深度学习技术的强大实力：人能做到的事情，机器也可以。现如今，这项技术的开发团队——劳伦斯伯克利国家实验室（LBNL），希望能够使用该技术来预测各式各样的极端现象，包括那些尚未被发现的。研究者们的终极目标，是利用该项技术，预测出极端天气在气象变迁时的变化模式。“这并不简单，”LBNL的大数据负责人普拉巴特说道，“但对于AI而言，比起翻译语言、识别图像，气象数据分析还是简单不少。”
维平库马尔是明尼苏达大学的一名计算机科学家，他曾利用机器学习创造出一种监控森林火灾及评估森林砍伐率的算法。当他的团队用该算法试图计算大气压变化模式的时候，算法发现了一种类似厄尔尼诺现象的大气模式，该现象发生在塔斯曼海上空，而此前从未有其它研究发现这一海域的类似现象。
蒙特勒尼则利用机器学习算法，结合已有的三十种气象模型，来开发出一种新的更好的气象模型。通过学习已有模型的长处、短处，该算法生成了一种更优于传统模型的新模型。目前，气候专家们开始渐渐采用AI技术，帮助他们更好地预测气象。
但是，算法不是万能的。机器学习系统的规则由系统自发生成，因此研究者们往往并不能解释算法为何给出某种结论。人们对这一现状略感不适，尤其是算法中存在“黑箱”，而预测某些迫在眉睫的极端天气，例如洪水、飓风时，如果不能说明原因，将降低算法预测的可信度。LBNL的气象模型制作者威廉柯林斯说：“我并不想把AI当成一个答题机器，如果我不能解释这个机器正在做什么、为什么这么做，那恐怕就有麻烦了。”
相反，柯林斯希望AI能够帮助搭建下一代气象模型。未来的模型将能够整合现有的复杂形象（大气河流、海洋漩涡），以整体的视角来分析气候现象。柯林斯说：“我们需要一个能够评估各种气候现象的基准，一颗指南星。机器学习恰好能满足这些需求。”
现如今，AI算法正在气象预测中得到越来越多的应用。尽管大多数气象学家仍在使用传统的方法分析数据，但这一点正在改变。科林斯说道：“如果你去问那些气象模型建构专家们，他们大概还在使用传统的算法。不过，机器学习迟早会代替现在的算法的。”
文章内容基于知识共享协议编译。文中图片除特别注明外，均来源于免版权网站，已保留原图地址。
文中任何内容如涉及侵权请联系后台处理。
如需转载，请注明出处。
【觉得文章内容有趣？欢迎关注】