耶拿和汉堡的德国科学家今天在“自然”杂志上发表的一项研究表明，人工智能(AI)可以大大提高我们对气候和地球系统的理解。特别是到目前为止，深度学习的潜力已经部分耗尽。特别是，在AI的帮助下，可以更好地描述复杂的动态过程，如飓风，火焰传播和植被动态。因此，气候和地球系统模型将得到改进，新模型结合了人工智能和物理建模。

在过去的几十年中，主要使用机器学习方法研究静态属性，例如从本地到全球范围的土壤属性分布。一段时间以来，通过使用更复杂的深度学习技术，可以解决更多动态过程。这允许例如在同时考虑季节和短期变化的情况下量化陆地上的全球光合作用。

从观察数据中推断出潜在的法律

“从大量的传感器中，大量的地球系统数据已经出现，但到目前为止，我们在分析和解释方面一直落后，”耶拿大马克普莱克生物地球化学研究所常务董事Markus Reichstein解释说，目录板Michael-Stifel-Center Jena(MSCJ)的成员，也是该出版物的第一作者。“这是深度学习技术成为一种有前途的工具，超越了经典的机器学习应用，如图像识别，自然语言处理或AlphaGo，”共同作者，弗里德里希·席勒大学耶拿计算机视觉小组(FSU)的Joachim Denzler补充说。和MSCJ的成员。应用的例子是极端事件，如火势蔓延或飓风，这是受当地条件影响的非常复杂的过程，也受其时空背景的影响。这也适用于大气和海洋运输，土壤运动和植被动态，这是地球系统科学的一些经典主题。

人工智能改善气候和地球系统模型

但是，深度学习方法很难。所有数据驱动和统计方法本身并不保证物理一致性，高度依赖于数据质量，并且可能在外推时遇到困难。此外，对数据处理和存储容量的要求非常高。该出版物讨论了所有这些要求和障碍，并制定了有效地将机器学习与物理建模相结合的战略。如果两种技术结合在一起，则创建所谓的混合模型。例如，它们可用于模拟海水的运动以预测海面温度。虽然温度是物理模拟的，但海水运动由机器学习方法表示。“这个想法是结合两个世界中最好的，

科学家们认为，极端事件的检测和早期预警以及季节和长期预测以及天气和气候的预测将极大地受益于所讨论的深度学习和混合建模方法。