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

来自专栏腾讯高校合作

【犀牛鸟学问】发现数据之美

1102
来自专栏AI研习社

数据科学工作者(Data Scientist) 的日常工作内容包括什么?

众所周知,数据科学是这几年才火起来的概念,而应运而生的数据科学家(data scientist)明显缺乏清晰的录取标准和工作内容。即使在2017年,数据科学家这...

2703
来自专栏机器之心

中科视拓获数千万pre-A轮融资,机器之心专访山世光

2726
来自专栏量子位

警惕AI军事间谍!找出导弹基地人类用2.5天,AI只要42分钟

安妮 千平 编译整理 量子位 出品 | 公众号 QbitAI ? 就在我们的头顶之上,各种卫星(包括间谍卫星)像狗仔队一样,每天都围着地球疯狂拍下数十TB的照片...

3345
来自专栏工科狗和生物喵

【我读《Big Data》】大数据时代的思维变革

正文之前 大数据是个很玄乎的东西,如果体系成熟,那么基本会波及到生活中的方方面面。只要能够获取数据,那么其他的过程基本只要算法模型得当,成本相当之低,但是如果能...

3516
来自专栏新智元

【万赟】从图灵测试到深度学习:人工智能60年

【新智元导读】美国休斯敦大学副教授万赟回溯人工智能60年历史,对比理性和感性两大流派各自轨迹,指出在目前这轮以深度学习为代表的人工智能新高潮中,各大企业对收购和...

2786
来自专栏腾讯高校合作

犀牛鸟人物丨专访刘偲老师:图像之美像素级语义理解研究

1683
来自专栏新智元

【重磅】脑网络组图谱:世界第一个人类全脑连接图谱

【新智元导读】自动化所脑网络组研究中心蒋田仔团队联合国内外其他团队,通过6年努力,成功绘制出全新的人类脑图谱:脑网络组图谱。该图谱包括246个精细脑区亚区,以及...

3405
来自专栏AI科技评论

澳门大学陈俊龙:颠覆纵向的「深度」学习,宽度学习系统如何用横向扩展进行高效增量学习?

AI 科技评论按:想必各位读者对深度神经网络及深度学习都不会感到陌生,不论是在数据处理或是应用层面,都取得了斐然的成绩。但囿于结构的复杂性及超参数的数量巨大,一...

36011
来自专栏PPV课数据科学社区

【数据挖掘】解答数据挖掘初学者心中的疑惑

本文中包含了数据挖掘初学者常见的问题,DMFighter对我以前回复的一些问题进行了精心的整理,在此也感谢他的辛勤工作。因为访问我博客的很多读者会...

2733

扫描关注云+社区