CCC tuki kolmea tieteellistä istuntoa tämän vuoden AAAS-vuosikonferenssissa, ja jos et päässyt osallistumaan henkilökohtaisesti, teemme yhteenvedon jokaisesta istunnosta. Tällä viikolla teemme yhteenvedon istunnon kohokohdista "Generatiivinen tekoäly tieteessä: lupaukset ja sudenkuopat.” Kolmannessa osassa teemme yhteenvedon tohtori Duncan Watson-Parrisin esityksestä, joka on apulaisprofessori Scripps Institution of Oceanographysta ja Halıcıoğlu Data Science Institutesta UC San Diegossa.
Tohtori Markus Buehlerin esitelmän jälkeen generatiivisesta tekoälystä mekanobiologiassa tohtori Watson-Parris kiinnitti yleisön huomion generatiivisiin tekoälysovelluksiin ilmastotieteissä. Hän aloitti hahmottelemalla eron ilmaston ja sään välillä. Sää tarkoittaa lyhytaikaisia ilmakehän olosuhteita, kun taas ilmasto kuvaa pitkän aikavälin ilmakehän olosuhteita. Lyhyesti sanottuna ilmasto on mitä odotat, sää on mitä saat. "Yksi suurimmista ilmastomallinnuksen ongelmista", Watson-Parris sanoo, "on se, että meillä on vain tuoretta tietoa siitä, kun aloimme tehdä ilmastomittauksia." Erityisen vaikeaa on luoda tarkkoja malleja, jotka ennustavat tulevia ilmastomalleja ja sääilmiöitä, koska emme voi varmistaa tuloksia todellisessa maailmassa ennen kuin nämä tapahtumat tapahtuvat. Lyhyen aikavälin ennusteiden, kuten kolmen seuraavan päivän sääennusteiden, osalta voimme kuitenkin helposti varmistaa näiden mallien tarkkuuden.
Alan säämallit ovat jo erittäin tarkkoja. Nämä mallit toimivat yhtä tarkasti kuin kansalliset sääennustemallit lyhyen aikavälin arvioissa (~3-7 päivän ennusteet). Yksi suurimmista ongelmista sääennusteissa on kuitenkin alustavien sääolosuhteiden näytteenotto. Kuten tohtori Willett huomautti puheessaan, hyvin vähän erilaiset lähtöolosuhteet voivat tuottaa hyvin erilaisia tuloksia. Tämä pätee sääsimulaatioihin, sanoo tohtori Watson-Parris, jolla voi olla merkittäviä reaalimaailman vaikutuksia. Alla oleva sääkuvio toi vuonna 2017 Kalifornian ja Oregonin alueelle ilmakehän joen, joka aiheutti niin paljon sadetta, että Orovillen pato murtui aiheuttaen miljoonien dollarien vahinkoja. Tätä tapahtumaa oli vaikea ennustaa, koska se oli äärimmäinen tapahtuma, poikkeava tapahtuma. Koneoppimisennusteiden avulla voimme tehdä paljon suurempia näytteitä ennustaaksemme äärimmäisempiä sääilmiöitä, jolloin voimme paremmin valmistautua niihin.
Kun tutkijat ajattelevat ilmastojärjestelmää, selittää tohtori Watson-Parris, tarkastelemalla suurempia mittakaavoja ja pitkiä ajanjaksoja, he lopulta näkevät, miltä pilvet näyttävät keskimäärin vuodenaikoina ja he voivat tarkastella järjestelmien tilastoja. Näitä tilastoja säätelevät maapallon rajaolosuhteet – sisään tulevan ja ulos tulevan energian määrä. Kun ongelma on muotoiltu tällä tavalla, voimme sitten ennustaa keskimäärin missä pilvet ovat vuodenaikojen aikana, ja koneoppimisen avulla on mahdollisuuksia parantaa ja tutkia näitä erilaisia ennusteita. Yksi ilmastomallien tehtävistä on tehdä ennusteita – ymmärtää, miten ilmasto muuttuu tulevaisuudessa erilaisten ihmisten vaikutuksesta. Nämä on suunniteltu tutkimaan mahdollista tulevaisuutta. Tätä varten tutkijat luovat uskottavampia sosioekonomisia polkuja sille, miten yhteiskunta voisi toimia tulevaisuudessa.
Alla on kuvattu tohtori Watson-Parris, joka kuvaa joitain mahdollisia polkuja, joita yhteiskunta voi laskea tulevaisuudessa ja jotka on otettava huomioon näissä ilmastomalleissa. Vasemmalla on kestävän kehityksen malli, joka vuosisadan loppuun mennessä pitää ilmaston pakottamisen – ihmisen järjestelmän aiheuttaman lämpenemisen määrän – alemmalla tasolla. Toisaalta oikeanpuoleinen fossiilisten polttoaineiden kehitysskenaario on eräänlainen pahin skenaario. Tämä on hyvin harva otos tavoista, joilla ihmiskunta voi päästä 2100:aan.
Käytännössä tutkijat kouluttavat yksinkertaisia ilmastomalliemulaattoreita päättäessään ilmastoskenaariosta ja kommunikoidessaan päättäjien kanssa, jotka haluavat ymmärtää päätöstensä vaikutuksia. Nämä emulaattorit ottavat huomioon ennusteet erilaisista päästöistä, kuten hiilidioksidista ja metaanista, sekä lyhytikäisistä ilmastovoimista, kuten mustasta hiilestä ja sulfaatista, ja tutkijat voivat jäljitellä näiden ilmastomallien vastetta koulutustietojen perusteella. "Voimme sovittaa enemmän tai vähemmän monimutkaisia malleja globaalin keskilämpötilan vasteesta näihin päästöihin", Watson-Parris sanoo. "Nämä mallit toimivat kohtuullisen hyvin, koska tutkijoilla on hyvä käsitys taustalla olevasta fysiikasta. Mutta kukaan ei asu globaalissa keskilämpötilassa, ja tunnemme kaikki nämä muutokset eri tavalla, joten ymmärtääkseen alueellisia muutoksia tutkijat ottavat globaalin keskiarvon ja skaalaavat kuvion muutoksen alueellisiin tilanteisiin. Nämä mallit toimivat hyvin, mutta ne menettävät vaikutuksen, joka näillä päästöillä voi olla paikallisesti. Esimerkiksi erityisesti mustahiiltä pääsee pääosin Etelä-Aasiassa, ja sen vaikutukset tuntuvat lähinnä Etelä-Aasiassa.
Jos tämä ongelma kehystetään regressioasetuksessa, näemme, että koneoppimiseen saattaa olla mahdollisuuksia. "Osana Ilmastopenkki vuosi sitten kirjoittamassamme paperissa”, sanoo tohtori Watson-Parris, ”sanoimme, että voimme ottaa kasvihuonekaasujen päästöt ja pitoisuudet sekä sulfaatin ja mustan hiilen päästökartat ja palauttaa ne suoraan ilmastomalleihin nähdäksemme ennusteet. Meidän ei myöskään tarvitse rajoittaa itseämme lämpötilaan, voimme ottaa huomioon sademäärät ja muut muuttujat. Tällä tavalla voimme rakentaa ilmastomalleille emulaattoreita, jotka ennustavat, mitä ilmastomalli tuottaa tietyllä CO2-päästömäärällä ja mahdollistavat näiden mallien käytön kannettavalla tietokoneella supertietokoneen sijaan.
Tohtori Watson-Parris näytti sitten kuvan kolmesta erilaisesta globaalin lämpötilavasteen oivalluksesta hillittyyn ilmastopolitiikan skenaarioon. Kaksi ensimmäistä saraketta ovat koneoppimisen emulaattoreita, ja kolmas on täyden monimutkaisen ilmastomallin simulaatio, joka kesti viikon supertietokoneella. "Kunkin näistä malleista saadut tulokset ovat lähes mahdottomia erottaa", Watson-Parris sanoo. Nämä ilmastomallit tekevät erittäin hyvää työtä ennustaessaan tarkasti tätä lämpenemismallia. He jopa tekevät hyvää työtä sadekuvioiden ennustamisessa. Nämä mallit parantavat saavutettavuutta ja osallistumista ja antavat pienemmille organisaatioille ja päättäjille mahdollisuuden osallistua ilmaston ennustamiseen ja kartoittamiseen ilman valtavia rahoitusmääriä tai infrastruktuuria.
Nämä mallit eivät ole generatiivisia tekoälyä, ne ovat suoria regressiomalleja, ja annettu syöte palauttaa aina saman tuloksen. Nykyään kuitenkin tutkitaan mahdollisuuksia käyttää generatiivisia ja diffuusiomalleja sään todennäköisyysjakaumien ottamiseksi säätilan luomiseksi. Tutkijat käyttävät näitä malleja ennustaakseen tulevaisuuden ilmasto- ja säämallit, kun otetaan huomioon erilaiset ilmaston pakottavat skenaariot. "Vaikeudet ovat edelleen", sanoo tohtori Watson-Parris, "koska vieläkään ei ole olemassa "pohjatotuutta" ennusteiden vahvistamiseksi, ja meidän on vielä selvitettävä, kuinka tilastolliset mallit kalibroidaan, mutta tämä on ilmaston ennustamisen tulevaisuus, ja minä Olen optimistinen, että nämä työkalut lisäävät saatavuutta, osallistumista ja ymmärrystä ilmastotieteen tulevaisuudesta."
Kiitos, että luit, ja pysy kuulolla huomenna tämän blogisarjan viimeisessä viestissä, jossa on yhteenveto tämän paneelin Q&A-osuudesta.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://feeds.feedblitz.com/~/874057523/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-%e2%80%93-Part-Three/
- :On
- :ei
- :missä
- 2017
- a
- pystyy
- Meistä
- saavutettavuus
- Tili
- tarkkuus
- tarkka
- tarkasti
- Toimia
- sitten
- AI
- Kaikki
- sallia
- Salliminen
- melkein
- jo
- Myös
- aina
- am
- määrä
- määrät
- an
- ja
- vuotuinen
- sovellukset
- OVAT
- AS
- Aasia
- Avustaja
- At
- ilmakehän
- käydä
- huomio
- keskimäärin
- perustua
- BE
- koska
- alkoi
- ovat
- alle
- Paremmin
- välillä
- Musta
- Uutiset ja media
- raja
- rakentaa
- mutta
- by
- Kalifornia
- CAN
- hiili
- tapaus
- aiheuttaen
- ccc
- CCC blogi
- Century
- muuttaa
- Muutokset
- Ilmasto
- Pylväät
- Tulla
- tuleva
- viestiä
- monimutkainen
- monimutkaisuus
- olosuhteet
- Konferenssi
- Luominen
- vahinko
- tiedot
- tietojenkäsittely
- päivä
- päivää
- Päätetään
- päätökset
- kuvailee
- suunniteltu
- Kehitys
- Diego
- ero
- eri
- eri tavalla
- vaikea
- Diffuusio
- suoraan
- näyttöön
- Jakaumat
- do
- dollaria
- Dont
- alas
- dr
- Duncan
- aikana
- kukin
- maa
- helposti
- Päästöt
- loppu
- energia
- erityisesti
- Jopa
- tapahtuma
- Tapahtumat
- lopulta
- esimerkki
- odottaa
- selittää
- tutkimus
- tutkia
- tutkitaan
- äärimmäinen
- tuntea
- virhe
- Kuva
- Etunimi
- sovittaa
- varten
- Joukot
- pakottaa
- Ennuste
- ennusteet
- fossiili
- Fossiilinen polttoaine
- alkaen
- polttoaine
- koko
- rahoitus
- tulevaisuutta
- Futures
- tuottaa
- syntyy
- generatiivinen
- Generatiivinen AI
- saada
- gif
- tietty
- Global
- maailmanlaajuinen vastaus
- Go
- menee
- hyvä
- hyvä työ
- säännellään
- käsi
- Olla
- he
- hänen
- Korkea
- raidat
- Miten
- Miten
- Kuitenkin
- HTTPS
- valtava
- ihmisen
- Ihmiskunta
- Ihmiset
- i
- kuva
- Vaikutus
- Vaikutukset
- tärkeä
- määrätä
- parantaa
- in
- Kasvaa
- Infrastruktuuri
- ensimmäinen
- panos
- Instituutti
- Laitos
- tulee
- käyttöön
- kysymykset
- IT
- Job
- vain
- pitää
- laji
- kannettava tietokone
- suureksi osaksi
- suurempi
- suurin
- Sukunimi
- oppiminen
- vasemmalle
- vähemmän
- Taso
- pitää
- Lives
- paikallisesti
- Pitkät
- katso
- näköinen
- menettää
- alentaa
- kone
- koneoppiminen
- tehdä
- Kartat
- max-width
- Saattaa..
- tarkoittaa
- mitat
- metaani
- Keskimmäinen
- ehkä
- miljoonia
- malli
- mallintaminen
- mallit
- lisää
- enimmäkseen
- paljon
- kansallinen
- Tarve
- tarvitsevat
- seuraava
- Nro
- of
- on
- ONE
- vain
- päälle
- Mahdollisuudet
- Optimistinen
- or
- Oregon
- organisaatioiden
- Muut
- itse
- ulos
- poikkeama
- hahmotellaan
- yli
- paneeli
- Paperi
- osa
- osallistua
- osallistuminen
- erityinen
- kulkea
- reittejä
- Kuvio
- kuviot
- Suorittaa
- aikoja
- henkilö
- Fysiikka
- Platon
- Platonin tietotieto
- PlatonData
- uskottava
- politiikka
- poliittisten päättäjien
- osa
- mahdollinen
- Kirje
- harjoitusta.
- ennustaa
- ennustamiseen
- ennustus
- Ennusteet
- Valmistella
- esitys
- Ongelma
- tuottaa
- Opettaja
- ennusteet
- Promises
- Kysymyksiä ja vastauksia
- RAIN
- pikemminkin
- Lukeminen
- todellinen
- todellinen maailma
- kertaus
- äskettäinen
- viittaa
- alue
- alueellinen
- Tutkijat
- vastaus
- johtua
- tulokset
- palata
- oikein
- Joki
- tie
- ajaa
- Said
- sama
- San
- San Diego
- sanoo
- Asteikko
- asteikot
- skenaario
- skenaariot
- tiede
- tieteet
- tieteellinen
- tutkijat
- vuodenajat
- nähdä
- Sarjat
- Istunto
- istuntoja
- asetus
- Lyhyt
- esitetty
- puoli
- Yksinkertainen
- simulointi
- simulaatiot
- tilanteita
- hieman eri
- pienempiä
- So
- yhteiskunta
- sosioekonominen
- jonkin verran
- Etelä
- Aloita
- Valtiot
- tilastollinen
- tilasto
- pysyä
- Yhä
- suoraan
- niin
- yhteenveto
- supertietokone
- Tuetut
- kestävyys
- järjestelmä
- järjestelmät
- ottaa
- otettava
- ottaen
- Puhua
- tehtävät
- termi
- kuin
- että
- -
- Tulevaisuus
- heidän
- Niitä
- sitten
- Siellä.
- Nämä
- ne
- ajatella
- kolmas
- tätä
- tällä viikolla
- ne
- kolmella
- aika
- että
- tänään
- huomenna
- otti
- työkalut
- Juna
- koulutus
- totta
- viritetty
- Sorvatut
- kaksi
- varten
- taustalla oleva
- ymmärtää
- ymmärtäminen
- asti
- us
- käyttää
- käyttämällä
- valtavasti
- todentaa
- hyvin
- haluta
- oli
- Tapa..
- tavalla
- we
- Sää
- viikko
- HYVIN
- Mitä
- kun
- taas
- joka
- KUKA
- tulee
- with
- ilman
- Referenssit
- maailman-
- pahin
- kirjoitti
- vuosi
- tuotto
- Voit
- zephyrnet