【科技創(chuàng)新世界潮】◎本報記者 劉霞10多年前,，當(dāng)美國加州理工學(xué)院氣候科學(xué)家塔佩奧·施奈德首次對云如何形成進(jìn)行建模時，需要煞費苦心地調(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《自然》網(wǎng)站在近日的報道中指出，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,。這些模型運行良好，給出的氣候預(yù)測信息可用于指導(dǎo)全球政策制定,。但這些模型需要功能強(qiáng)大的超級計算機(jī)運行數(shù)周時間,，且耗能極高。傳統(tǒng)模型模擬一個世紀(jì)的氣候,，消耗的能源高達(dá)10兆瓦時,，約等于美國家庭平均年用電量。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個機(jī)器學(xué)習(xí)模型,，以模擬15個基于物理學(xué)的大氣模型。他們使用物理模型訓(xùn)練QuickClim系統(tǒng),。這些物理模型針對低碳排放和高碳排放兩種情況,，來預(yù)測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,。無獨有偶，2023年,，艾倫人工智能研究所科學(xué)家也為一個基于物理學(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)測了10種情況下未來10年氣溫,、水蒸氣和風(fēng)速等16個變量的變化情況,。研究顯示，經(jīng)過訓(xùn)練后,，ACE能在10年內(nèi),，提前6小時作出預(yù)測。此外,，ACE更準(zhǔn)確預(yù)測了90%大氣變量的狀態(tài),，運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景來幫助政策制定者進(jìn)行決策,，不過，它們不會取代基于物理學(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：數(shù)據(jù)中存在可以預(yù)測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)隊利用5個基于物理學(xué)氣候模型的輸出數(shù)據(jù)對其進(jìn)行了訓(xùn)練,，隨后對其進(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)隊創(chuàng)建的3個氣候模擬器更好地預(yù)測了與溫度相關(guān)變量的狀態(tài),。但在預(yù)測降雨量方面,，ClimaX的表現(xiàn)不如3個模擬器中最好的。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,。混合模型取長補(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,，通常是對云如何形成、積雪和河流流動等小規(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)歷史觀測數(shù)據(jù)對河流流量和積雪進(jìn)行測試時，這些混合模型表現(xiàn)良好,。團(tuán)隊希望今年底前完成一個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)測的新紀(jì)元,。隨著技術(shù)進(jìn)步,，未來的氣象預(yù)測將更加精準(zhǔn)和高效。