Science：人工智能，驱动气候模型绘制

气候模型，一直是我们对外界天气环境预测的一个重要模型，但随着人们科学认知的不断进步，很多人已经不仅仅满足于只知道天气的需求，他们希望从气候科学家这里知道更多关于未来的故事，就像是，我们什么时候必须建造海墙？热浪在未来十年会有多糟糕？北极航运路线在2030年会是什么样子？虽然气候模型几乎都预测到了，随着温室气体的不断排放全球温度将继续上升，但不确定性仍然存在，比如温度上升将有多快以及高温如何发生等等。

而最近一项几位美国科学家带来的项目，可能将揭开这些气候因子的面纱，科学家们将利用人工智能（AI）、卫星成像和高分辨率模拟方面的技术，来帮助我们改善气候模型，帮助我们解答例如云的形成等现象。

在5年内，该团队希望其AI的强化模型能够通过实际观察和模拟云的行为来消除不确定性和其他模型中不能完成的事情。

那么，这个气候模型将怎么搭建呢？气候建模者一直遵循两个要求。首先，他们将更多的地球特征融入他们的模拟中。模型曾经只包含大气和海洋，而现在，他们有冰盖，土地和生物圈等地球上的其他特征；其次，他们在越来越小的规模上寻求越来越高的分辨率，在政府拥有的超级计算机上运用摩尔定律进行计算和模拟。

在最基本的情况下，所有模型都以相同的方式工作：它们将地球切割成一个网格，一边有25公里到50公里的单元格，并使用一组称为动态核心的代码来模拟几个世纪以来的大气和海洋的行为变化，例如，在行星云形成的大部分事件都发生在比那些网格小的尺度上。

但是这个模型可能仍然存在缺陷，包括无法正确的模拟雨水降落时间等，但这些并没有阻止气候科学家们前进。

将AI纳入气候模型是一项非常新颖的工作，但是神经网络的学习和气候可能并不是完全匹配，我们之前的大部分研究都集中在学习某一个动物或者动物的行为，例如从数百万张标记的照片中学习狗的样子，数据代码为对象的外观建立了一个复杂的模型，但是当它遇到训练数据之外的某些东西时，AI可能会崩溃。

所以科学家们必须开发一种新的技术，来帮助AI机器人学习，这种学习方法不会受到个别云的驱动，因为这些云可能会产生大气混乱。相反，AI将从季节性或年度云统计的覆盖率和其他因素中学习，消除天气的噪音，科学家们将连接模型来计算概率，从而会可以全面计算当前气候模型中尚未看到的不确定性。

虽然，科学家们在地球模型的机器上不断努力，但仍然存在诸多不足，受到很多人的质疑，但是相信在未来，我们的地球模型将越来越好。