【CNMO新闻】德国科学家近日发表的一项研究表明，人工智能（AI）可以在很大程度上提高我们对气候和地球系统的认识，有了人工智能的帮助，我们可以更好地描述复杂的动态过程，如飓风、火灾蔓延和植被动态等。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，科学家们主要使用机器学习的方法研究静态属性，例如从本地到全球范围的土壤属性分布。后来，通过使用更复杂的深度学习技术，可以处理更为动态的过程，例如，可以在同时考虑季节和短期变化的情况下，量化全球陆地上的光合作用。
地球
马克斯普朗克生物地球化学研究所的常务董事、MSCJ的目录董事成员Markus Reichstein是这篇论文的第一作者，他解释说：“通过传感器，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。”论文的共同作者、MSCJ成员、德国耶拿大学计算机视觉小组的Joachim Denzler补充表示：“这让深度学习成了一种有前途的工具，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等。”应用的例子是火灾蔓延或飓风等极端事件，这些事件受到当地条件影响，过程非常复杂，它也适用于大气和海洋运输、土壤运动和植被动态等一系列地球系统科学的经典主题。
但是，深度学习方法很难，所有数据驱动和统计的方法本身并不保证物理一致性，而是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也非常高。该论文探讨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策略，如果将两种技术结合在一起，则可以创建出混合模型。例如，它们可被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，但海水运动则是使用了机器学习的方法。Markus Reichstein进一步解释说：“我们的想法是结合两方面的优势，利用物理模型的一致性和机器学习的多样性，以获得大幅度改进的模型。”
