机器学习可帮助预测气候

据《科学美国人》报道,机器学习能帮助分析数据,提高气候预测水平。随着地球观测卫星更多、气候模型变得更强大,全球变暖问题的研究人员正面对着浩瀚的数据。如今,一些研究人员在人工智能最新发展的帮助下对所有信息进行拉网式搜索,希望发现新的气候模式,提高预测水平。

“气候问题现在是个数据问题了。”美国乔治·华盛顿大学(The George Washington University)计算机科学家表示,她参与了机器学习技术与气候科学结合的开创性工作。在机器学习领域,随着人工智能系统分析的数据量不断增长,其表现不断提升。这种方法天生适合气候科学:高分辨率气候模型运行一次能产生1拍字节的数据;由英国气象局(UK Met Office)保存的气候数据档案现在有约45拍字节的信息,每天增加0.085拍字节。

9月,希望利用这些数据的研究人员将在美国科罗拉多州召开会议,评价“气候信息学”这门科学的状态。这一领域的工作在迅速增加。在过去几年中,研究人员借助人工智能系统对气候模型进行排名、(在真实气候数据和建模气候数据中)发现气旋等极端天气事件、识别新的气候模式。“发展步伐似乎正在加快。”该科学家表示。

传统的计算机算法依靠编程人员输入各种规则和事实来指导系统的输出。机器学习系统,作为深度学习系统的一个分支,模拟人脑的复杂神经网络,通过梳理大量数据推导出自己的规则。对于人类觉得理所当然但传统计算机很难完成的精细任务,这通常很有用:理解语言、阅读手写笔记,或者在凌乱的数据集中确定物体分类,例如在视频网站YouTube的视频中辨认出猫。

天气作为一种复杂的话题很适合进行深度学习方法的分析。2016年,研究人员报道了首次使用深度学习系统来鉴定热带气旋、大气河和天气锋:这些特征定义不严格,鉴定依赖于专家判断。这项成果说明了算法可以复制人类的专业知识。现在,美国劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory, LBNL)的这个团队希望利用类似技术研究各类极端事件——包括那些从未被鉴定出的事件。研究人员的最终目标是更好地评价和预测这些事件在气候变化时如何改变。“这并不简单。”劳伦斯伯克利国家实验室的国家能源研究科学计算中心大数据工作负责人表示,他也是该论文的主要作者。“但也没有深度学习的商业应用那么难”,比如语言翻译和图像识别。

美国明尼苏达大学(University of Minnesota)的一位计算机科学家利用机器学习构建了监控森林火灾、评估去森林化的算法。他的团队让计算机学习识别“遥相关”(teleconnection)的气压模式,例如厄尔尼诺天气模式,该算法在塔斯曼海上空发现了一种从未识别出的例子。

而乔治·华盛顿大学这位计算机科学家开发出的机器学习算法对牵头评估气候变化的国际组织“政府间气候变化专门委员会”( Intergovernmental Panel on Climate Change)所采用的约30种气候模型进行加权平均。通过学习这些模型的长处与不足,该算法得到的结果比平等对待所有模型的传统方法所得到的结果更好,该研究人员表示。气候领域正逐渐采用加权考量气候模型的人工智能算法,提高预测水平。

因为深度学习系统能开发自己的规则,研究人员通常不能解释这些算法为什么能得到所给出的结果、如何得出这种结果。这让一些人对依赖这类“黑盒”来预测洪水等即将到来的突发天气感到担忧。“我不愿意用[人工智能]作为答疑机。”美国劳伦斯伯克利国家实验室的气候建模人员表示,“如果我不能解释这个机器在做什么,那就有问题。”

相反地,他指出,人工智能算法最适合用于帮助测试下一代气候模型。这些模型旨在涵盖复杂气候现象,例如云、大气河、海洋涡旋的精细结构。“我们需要这些模型目标对象的详细程度基准。”他说,“我们需要一颗导航星。机器学习就很适合承担这个工作。”

而且,正在证明一些人工智能算法对气候预测有用。在2016年的一项中,美国国家气象局(US National Weather Service)的九名气象学家可以从人工智能方法与传统方法中进行选择,来预测暴雨持续时间,他们进行的预测中75%都应用了人工智能算法。该研究负责人来自美国俄克拉荷马大学(University of Oklahoma),现在计划在气象局的冰雹预报中应用人工智能算法。

大多数气象学家仍然使用传统方法来分析数据,但这正在改变。“如果我们去到主要建模中心,问他们是怎么工作的,答案不会是机器学习。”该建模人员说,“但将来会发展成这样的。”

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2017-09-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CreateAMind

40年认知架构研究概览:实现通用人工智能的道路上我们已走了多远?

在这篇论文中,我们呈现了关于过去 40 年认知架构(cognitive architecture)研究的宏观概述。尽管目前已有架构的数量已经有数百种了,但绝大多...

811
来自专栏互联网数据官iCDO

如何使用预测分析方法提高营销效果?

随着大数据,人工智能和数据分析等技术的兴起,营销一直在不断变化。现在,营销活动可以基于对过去活动的测量和洞察来规划,其中一种策略是使用预测分析来获得更好的营销表...

1082
来自专栏PPV课数据科学社区

个性化推荐技术的十大挑战

点击上方 “蓝色字” 可关注我们! ? 个性化推荐经常被人误解为细分市场和精准营销这两个概念。虽然它们之间有一些联系,但实质上却相差甚远。本文不仅清楚地讲述了...

3016
来自专栏CDA数据分析师

基于大数据的用户画像构建(理论篇)

文 | 罗宇矗 什么是用户画像? 简而言之,用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户...

2808
来自专栏大咖说

阿里盖坤:用深度学习打造真正的智能化广告系统

文章原创首发于微信公众号「 TGO 鲲鹏会」,原文地址:阿里盖坤:用深度学习打造真正的智能化广告系统

1873
来自专栏ATYUN订阅号

机器学习在气象气候领域的发展已不容忽视!

通过人工智能和气象科学相结合,科学家们发现了从前不知道的气候特征和大气运动,同时还能够对气象模型做出排序和选择。 现在研究气候的研究员们面临着数以万计的数据需要...

2965
来自专栏人工智能

在人工智能领域, 开发人员需要什么技能?

​为了收集有关人工智能(AI)及其所有变体(包括机器学习(ML),深度学习(DL),自然语言处理(NLP),预测分析和多重神经网络)情况的见解,我们与22位熟悉...

8535
来自专栏深度学习之tensorflow实战篇

用户画像行为分析流程

什么是用户画像? 简而言之,用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”,...

4548
来自专栏新智元

潘建伟团队光量子计算机TDA新算法横空出世,人工智能量子计算破局

来源:ArXiv;quantamagazine 编译:文强 米乐 【新智元导读】日前,潘建伟团队完成了首个在光量子计算机上进行拓扑数据分析(TDA)算法的验证演...

2676
来自专栏华章科技

大数据什么鬼,别让众口铄金迷乱你的双眼!

首先写这篇文章受到启发,源于朋友圈要刷爆的消息,大数据与互联网相连,2010年开始大热,现在是互联网时代,所到之处都是谈论大数据的,毕业了做什么,大数据;找男朋...

842

扫码关注云+社区