【科技創(chuàng)新世界潮】◎本報(bào)記者 劉霞10多年前,，當(dāng)美國(guó)加州理工學(xué)院氣候科學(xué)家塔佩奧·施奈德首次對(duì)云如何形成進(jìn)行建模時(shí)，需要煞費(fèi)苦心地調(diào)整描述水滴,、氣流和溫度如何相互作用的方程,。但2017年，機(jī)器學(xué)習(xí)等人工智能（AI）技術(shù)成為他的“左膀右臂”,。施耐德表示,，機(jī)器學(xué)習(xí)建模速度更快，給出的模型更令人滿意,，讓氣候建模和氣候科學(xué)變得更有趣,。英國(guó)《自然》網(wǎng)站在近日的報(bào)道中指出，科學(xué)家正利用各種AI技術(shù),，加快氣候建模速度并改進(jìn)其性能，期望提高模型準(zhǔn)確性的同時(shí)降低其能耗,。當(dāng)然,，鑒于AI存在“黑匣子”，并非所有人都完全信任基于機(jī)器學(xué)習(xí)技術(shù)的模型,。傳統(tǒng)模型有短板傳統(tǒng)氣候模型使用數(shù)學(xué)方程來描述陸地,、海洋和空氣之間的相互作用如何影響氣候。這些模型運(yùn)行良好,，給出的氣候預(yù)測(cè)信息可用于指導(dǎo)全球政策制定,。但這些模型需要功能強(qiáng)大的超級(jí)計(jì)算機(jī)運(yùn)行數(shù)周時(shí)間,，且耗能極高。傳統(tǒng)模型模擬一個(gè)世紀(jì)的氣候,，消耗的能源高達(dá)10兆瓦時(shí),，約等于美國(guó)家庭平均年用電量。此外,，這些模型很難模擬雨滴如何形成等小規(guī)模過程,，但這些小過程在大規(guī)模天氣模擬中發(fā)揮著重要作用。機(jī)器學(xué)習(xí)指計(jì)算機(jī)程序通過發(fā)現(xiàn)數(shù)據(jù)集中的模式來學(xué)習(xí),。加州大學(xué)洛杉磯分校計(jì)算機(jī)科學(xué)家阿迪亞·格羅弗指出,，機(jī)器學(xué)習(xí)領(lǐng)域的一系列創(chuàng)新有望在氣候建模領(lǐng)域“大顯身手”。模擬器既快又準(zhǔn)研究人員利用AI對(duì)氣候進(jìn)行建模目前主要有3種方式,。第一種方式需要開發(fā)名為模擬器的機(jī)器學(xué)習(xí)模型,，它可以在不進(jìn)行所有數(shù)學(xué)計(jì)算的情況下，給出與傳統(tǒng)模型相同的結(jié)果,。2023年,，澳大利亞聯(lián)邦科學(xué)與工業(yè)研究組織氣候科學(xué)家瓦西里·基齊奧斯及其同事開發(fā)了15個(gè)機(jī)器學(xué)習(xí)模型，以模擬15個(gè)基于物理學(xué)的大氣模型,。他們使用物理模型訓(xùn)練QuickClim系統(tǒng),。這些物理模型針對(duì)低碳排放和高碳排放兩種情況，來預(yù)測(cè)2100年的大氣溫度,。在中等碳排放情景下,，接受訓(xùn)練后的QuickClim預(yù)測(cè)2100年大氣溫度的結(jié)果，與基于物理學(xué)的模型非常吻合,。一旦接受所有低,、中、高3種碳排放情景訓(xùn)練,，QuickClim就能快速預(yù)測(cè)本世紀(jì)全球氣溫的變化,，速度比傳統(tǒng)模型快約100萬倍。無獨(dú)有偶,，2023年,，艾倫人工智能研究所科學(xué)家也為一個(gè)基于物理學(xué)的大氣模型開發(fā)出機(jī)器學(xué)習(xí)模擬器ACE,。研究團(tuán)隊(duì)將10組初始大氣條件輸入該模型中,，創(chuàng)建了訓(xùn)練數(shù)據(jù)集。模擬器ACE預(yù)測(cè)了10種情況下未來10年氣溫,、水蒸氣和風(fēng)速等16個(gè)變量的變化情況,。研究顯示，經(jīng)過訓(xùn)練后,，ACE能在10年內(nèi),，提前6小時(shí)作出預(yù)測(cè)。此外,，ACE更準(zhǔn)確預(yù)測(cè)了90%大氣變量的狀態(tài),，運(yùn)行速度和能效也都提升了100倍。施耐德指出,，此類模型有望通過探索多種場(chǎng)景來幫助政策制定者進(jìn)行決策,，不過，它們不會(huì)取代基于物理學(xué)的模型,，而是與其“協(xié)同作戰(zhàn)”,。基底模型可擴(kuò)展利用AI的第二種方式是開發(fā)基底模型,。這些基底模型隨后可以調(diào)整,，以執(zhí)行廣泛的氣候和天氣相關(guān)任務(wù)?；啄Ｐ突谶@樣一種觀點(diǎn)：數(shù)據(jù)中存在可以預(yù)測(cè)未來氣候的基本模式,。通過發(fā)現(xiàn)這些隱藏的模式，基底模型有望比傳統(tǒng)方法更好地預(yù)測(cè)氣候和天氣,。2023年,，格羅弗和微軟科學(xué)家創(chuàng)建了基底模型ClimaX。研究團(tuán)隊(duì)利用5個(gè)基于物理學(xué)氣候模型的輸出數(shù)據(jù)對(duì)其進(jìn)行了訓(xùn)練,，隨后對(duì)其進(jìn)行了微調(diào),，使其執(zhí)行更多任務(wù)。例如,，該模型基于二氧化碳、二氧化硫,、黑碳和甲烷水平等輸入變量預(yù)測(cè)了全球平均地表溫度,、日溫度范圍和降雨量,。結(jié)果顯示，ClimaX比帕里斯團(tuán)隊(duì)創(chuàng)建的3個(gè)氣候模擬器更好地預(yù)測(cè)了與溫度相關(guān)變量的狀態(tài),。但在預(yù)測(cè)降雨量方面,，ClimaX的表現(xiàn)不如3個(gè)模擬器中最好的。帕里斯也承認(rèn),，目前他們并不能證明ClimaX的性能優(yōu)于傳統(tǒng)氣候模型,，也無法證明基底模型本質(zhì)上優(yōu)于模擬器?；旌夏Ｐ腿￠L(zhǎng)補(bǔ)短第三種方式試圖“兩全其美”,，即將機(jī)器學(xué)習(xí)組件嵌入基于物理學(xué)的模型內(nèi)，生成混合模型,。在這種情況下,，機(jī)器學(xué)習(xí)模型只取代傳統(tǒng)模型中效果較差的部分，通常是對(duì)云如何形成,、積雪和河流流動(dòng)等小規(guī)模但復(fù)雜且重要過程進(jìn)行建模,。模擬這些小規(guī)模過程是標(biāo)準(zhǔn)氣候模型的“短板”，而混合模型的性能優(yōu)于純基于物理學(xué)的模型,，同時(shí)又比完全由AI構(gòu)建的模型更值得信賴,。鑒于此，施耐德及其同事創(chuàng)建了地球大氣層和陸地的物理模型,，其中囊括了少數(shù)此類小規(guī)模過程的機(jī)器學(xué)習(xí)程序,。他指出，在根據(jù)歷史觀測(cè)數(shù)據(jù)對(duì)河流流量和積雪進(jìn)行測(cè)試時(shí),，這些混合模型表現(xiàn)良好,。團(tuán)隊(duì)希望今年底前完成一個(gè)可以與大氣和陸地模型耦合的海洋混合模型，作為氣候建模聯(lián)盟（CliMA）項(xiàng)目的一部分,?？茖W(xué)家們認(rèn)為，最新的AI技術(shù)顯著提升了氣象預(yù)測(cè)的準(zhǔn)確性和細(xì)節(jié)層面的分析能力,，開啟了智能氣象預(yù)測(cè)的新紀(jì)元,。隨著技術(shù)進(jìn)步，未來的氣象預(yù)測(cè)將更加精準(zhǔn)和高效,。