德國科學家近日發表的一項研究表明，人工智能(AI)可以在很大程度上提高我們對氣候和地球系統的認識，有了人工智能的幫助，我們可以更好地描述復雜的動態過程，如颶風、火災蔓延和植被動態等。因此，氣候和地球系統模型將得到改進，新模型結合了人工智能和物理建模。

在過去的幾十年中，科學家們主要使用機器學習的方法研究靜態屬性，例如從本地到全球范圍的土壤屬性分布。后來，通過使用更復雜的深度學習技術，可以處理更為動態的過程，例如，可以在同時考慮季節和短期變化的情況下，量化全球陸地上的光合作用。

地球

馬克斯普朗克生物地球化學研究所的常務董事、MSCJ的目錄董事成員Markus Reichstein是這篇論文的第一作者，他解釋說：“通過傳感器，大量的地球系統數據已經出現，但到目前為止，我們在分析和解釋方面一直落后。”論文的共同作者、MSCJ成員、德國耶拿大學計算機視覺小組的Joachim Denzler補充表示：“這讓深度學習成了一種有前途的工具，超越了經典的機器學習應用，如圖像識別、自然語言處理或AlphaGo等。”應用的例子是火災蔓延或颶風等極端事件，這些事件受到當地條件影響，過程非常復雜，它也適用于大氣和海洋運輸、土壤運動和植被動態等一系列地球系統科學的經典主題。

但是，深度學習方法很難，所有數據驅動和統計的方法本身并不保證物理一致性，而是高度依賴于數據質量，并且可能在外推時遇到困難，此外，對數據處理和存儲容量的要求也非常高。該論文探討了所有這些要求和障礙，并制定了有效地將機器學習與物理建模相結合的策略，如果將兩種技術結合在一起，則可以創建出混合模型。例如，它們可被用于模擬海水的運動以預測海面溫度，雖然溫度是物理模擬的，但海水運動則是使用了機器學習的方法。Markus Reichstein進一步解釋說：“我們的想法是結合兩方面的優勢，利用物理模型的一致性和機器學習的多樣性，以獲得大幅度改進的模型。”