CCC a susținut trei sesiuni științifice la Conferința anuală AAAS din acest an și, în cazul în care nu ați putut participa în persoană, vom recapitula fiecare sesiune. Săptămâna aceasta, vom rezuma cele mai importante momente ale sesiunii, „AI generativă în știință: promisiuni și capcane.” În partea a treia, rezumăm prezentarea dr. Duncan Watson-Parris, profesor asistent la Scripps Institution of Oceanography și Halıcıoğlu Data Science Institute de la UC San Diego.
După prezentarea dr. Markus Buehler despre IA generativă în mecanobiologie, dr. Watson-Parris a îndreptat atenția publicului către aplicațiile AI generative în științele climatice. El a început prin a sublinia diferența dintre climă și vreme. Vremea se referă la condițiile atmosferice pe termen scurt, în timp ce clima descrie condițiile atmosferice pe termen lung. Pe scurt, clima este ceea ce te aștepți, vremea este ceea ce primești. „Una dintre cele mai mari probleme legate de modelarea climei”, spune Watson-Parris, „este că avem doar date recente de când am început să facem măsurători climatice”. Crearea unor modele precise care prezic modelele climatice viitoare și evenimentele meteorologice este deosebit de dificilă, deoarece nu putem verifica rezultatele în lumea reală până când aceste evenimente nu vor avea loc. Cu toate acestea, pentru predicții pe termen mai scurt, cum ar fi prognozele meteo pentru următoarele trei zile, putem verifica cu ușurință acuratețea acestor modele.
Modelele meteo din industrie sunt deja foarte precise. Aceste modele funcționează cu aceeași acuratețe ca și modelele naționale de prognoză meteo pentru estimări pe termen scurt (~3-7 zile). Cu toate acestea, una dintre cele mai mari probleme cu prognoza meteo este eșantionarea condițiilor meteorologice inițiale. După cum a subliniat dr. Willett în discursul ei, condițiile de pornire foarte puțin diferite pot da rezultate foarte diferite. Acest lucru este valabil în simulările meteorologice, spune dr. Watson-Parris, care pot avea efecte importante în lumea reală. Modelul meteorologic, prezentat mai jos, a introdus un râu atmosferic în 2017 în regiunea California și Oregon, care a generat atât de multă ploaie încât barajul Oroville a izbucnit, provocând pagube de milioane de dolari. Acest eveniment a fost greu de prognozat, pentru că a fost un eveniment extrem, un outlier. Prognozele de învățare automată ne permit să facem cantități mult mai mari de eșantionare pentru a prezice mai multe evenimente meteorologice extreme, permițându-ne să ne pregătim mai bine pentru acestea.
Când cercetătorii se gândesc la sistemul climatic, explică dr. Watson-Parris, uitându-se la scari mai mari și pe perioade mai mari de timp, în cele din urmă văd cum arată norii medii de-a lungul anotimpurilor și se pot uita la statisticile sistemelor. Aceste statistici sunt guvernate de condițiile la limită ale sistemului Pământului – cantitatea de energie care intră și iese. Când problema este încadrată în acest fel, putem prezice apoi în medie unde vor fi norii în timpul anotimpurilor și există oportunități de utilizare a învățării automate pentru a îmbunătăți și a explora aceste predicții diferite. Una dintre sarcinile modelelor climatice este de a face proiecții – de a înțelege cum se va schimba clima în viitor sub diferite influențe umane. Acestea sunt concepute pentru a explora posibilele viitoare. Pentru a face acest lucru, cercetătorii generează căi socioeconomice mai plauzibile pentru modul în care societatea ar putea acționa în viitor.
Mai jos este o imagine afișată de Dr. Watson-Parris, care descrie câteva căi posibile pe care societatea le-ar putea urma în viitor, care trebuie să fie luate în considerare în aceste modele climatice. În partea stângă, este un model de durabilitate care, până la sfârșitul secolului, menține forțarea climei - cantitatea de încălzire pe care oamenii o impun sistemului - la un nivel mai scăzut. Pe de altă parte, scenariul de dezvoltare a combustibililor fosili din partea dreaptă este un fel de scenariu cel mai rău. Aceasta este o mostră foarte rară a modurilor în care omenirea poate ajunge la 2100.
În practică, atunci când decid scenariul climatic și comunică cu factorii de decizie care doresc să înțeleagă impactul deciziilor lor, cercetătorii antrenează emulatori simpli de modele climatice. Acești emulatori iau în considerare proiecțiile pentru diferite emisii, cum ar fi CO2 și metan, și forțele climatice de scurtă durată, cum ar fi carbonul negru și sulfatul, iar cercetătorii pot emula răspunsul acestor modele climatice, pe baza datelor de antrenament. „Putem adapta modele mai mult sau mai puțin complexe ale răspunsului global al temperaturii medii globale la aceste emisii”, spune Watson-Parris. „Aceste modele funcționează destul de bine, deoarece oamenii de știință au o bună înțelegere a fizicii de bază. Dar nimeni nu trăiește în temperatura medie globală și vom simți toate aceste schimbări în mod diferit, așa că pentru a înțelege schimbările regionale, oamenii de știință iau media globală și modifică modelul la situațiile regionale. Aceste modele funcționează bine, dar își pierd impactul pe care l-ar putea avea aceste emisii la nivel local. De exemplu, carbonul negru, în special, este emis în mare parte în Asia de Sud, iar impactul acestuia va fi resimțit mai ales în Asia de Sud.”
Dacă această problemă este încadrată într-un cadru de regresie, vedem că pot exista oportunități pentru învățarea automată. „Ca parte a Bancă pentru climă Lucrarea pe care am scris-o acum un an”, spune dr. Watson-Parris, „am spus că putem lua emisiile și concentrațiile de gaze cu efect de seră și hărțile emisiilor de sulfat și carbon negru și le putem regresa direct pe modelele climatice pentru a vedea previziuni. De asemenea, nu trebuie să ne constrângem la temperatură, putem ține cont de precipitații și alte variabile. În acest fel, putem construi emulatori ai modelelor climatice care prezic ce va produce modelul climatic pentru o anumită cantitate de CO2 emisă și ne permit să rulăm aceste modele pe un laptop, mai degrabă decât pe un supercomputer.”
Dr. Watson-Parris a afișat apoi o imagine a 3 realizări diferite ale răspunsului la temperatura globală într-un scenariu reținut, la mijlocul politicii climatice rutiere. Primele două coloane sunt emulatori de învățare automată, iar a treia este o simulare a modelului climatic de complexitate completă, care a durat o săptămână pe un supercomputer. „Rezultatele de la fiecare dintre aceste modele sunt aproape imposibil de distins”, spune Watson-Parris. Aceste modele climatice fac o treabă foarte bună de a prezice cu exactitate acest model de încălzire. Ei fac chiar o treabă bună de a prezice modelele de precipitații. Aceste modele îmbunătățesc accesibilitatea și participarea și permit organizațiilor mai mici și factorilor de decizie să participe la predicția și explorarea climatului fără a avea nevoie de sume uriașe de finanțare sau infrastructură.
Aceste modele nu sunt AI generative, sunt modele de regresie dreaptă și o intrare dată va returna întotdeauna același rezultat. Cu toate acestea, astăzi sunt explorate oportunități de a utiliza modele generative și de difuzie pentru a lua distribuțiile probabilistice ale vremii pentru a genera stări meteorologice. Cercetătorii folosesc aceste modele pentru a prezice clima și modelele meteorologice ale viitorului, având în vedere diferite scenarii de forțare a climei. „Dificultățile rămân”, spune dr. Watson-Parris, „pentru că încă nu există un „adevăr de bază” pentru a verifica predicțiile și încă trebuie să ne dăm seama cum să calibram modelele statistice, dar acesta este viitorul predicției climatice și eu Sunt optimist că aceste instrumente vor crește accesibilitatea, participarea și înțelegerea viitorului științei climatice.”
Vă mulțumim că ați citit și rămâneți aproape mâine pentru ultima postare a acestei serii de blog, care rezumă partea de întrebări și răspunsuri a acestui panou.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
- PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
- PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
- PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
- Sursa: https://feeds.feedblitz.com/~/874057523/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-%e2%80%93-Part-Three/
- :este
- :nu
- :Unde
- 2017
- a
- Capabil
- Despre Noi
- accesibilitate
- Cont
- precizie
- precis
- precis
- act
- în urmă
- AI
- TOATE
- permite
- Permiterea
- aproape
- deja
- de asemenea
- mereu
- am
- sumă
- Sume
- an
- și
- anual
- aplicatii
- SUNT
- AS
- Asia
- Asistent
- At
- atmosferic
- asista la
- atenţie
- in medie
- bazat
- BE
- deoarece
- început
- fiind
- de mai jos
- Mai bine
- între
- Negru
- Blog
- graniţă
- construi
- dar
- by
- California
- CAN
- carbon
- caz
- provocând
- ccc
- Blog CCC
- Secol
- Schimbare
- Modificări
- Climat
- Coloane
- cum
- venire
- comunicarea
- complex
- complexitate
- Condiții
- Conferință
- Crearea
- prejudiciu
- de date
- știința datelor
- zi
- Zi
- Decidând
- Deciziile
- descrie
- proiectat
- Dezvoltare
- Diego
- diferenţă
- diferit
- diferit
- dificil
- difuziune
- direct
- afișat
- distribuții
- do
- de dolari
- Dont
- jos
- dr
- duncan
- în timpul
- fiecare
- Pământ
- cu ușurință
- Emisiile
- capăt
- energie
- mai ales
- Chiar
- eveniment
- evenimente
- în cele din urmă
- exemplu
- aștepta
- explică
- explorare
- explora
- explorat
- extremă
- simţi
- eroare
- Figura
- First
- potrivi
- Pentru
- Forțele
- forțând
- Prognoză
- prognoze
- fosil
- Combustibil fosil
- din
- Combustibil
- Complet
- de finanțare
- viitor
- Futures
- genera
- generată
- generativ
- AI generativă
- obține
- gif
- dat
- Caritate
- răspuns global
- Go
- merge
- bine
- buna treaba
- guvernată
- mână
- Avea
- he
- ei
- Înalt
- highlights-uri
- Cum
- Cum Pentru a
- Totuși
- HTTPS
- mare
- uman
- Umanitate
- Oamenii
- i
- imagine
- Impactul
- Impacturi
- important
- a impune
- îmbunătăţi
- in
- Crește
- Infrastructură
- inițială
- intrare
- Institut
- Instituţie
- în
- introdus
- probleme de
- IT
- Loc de munca
- doar
- păstrează
- Copil
- laptop
- în mare măsură
- mai mare
- cea mai mare
- Nume
- învăţare
- stânga
- mai puțin
- Nivel
- ca
- Locuiește
- la nivel local
- Lung
- Uite
- cautati
- pierde
- LOWER
- maşină
- masina de învățare
- face
- Harta
- max-width
- Mai..
- însemna
- măsurători
- metan
- De mijloc
- ar putea
- milioane
- model
- modelare
- Modele
- mai mult
- Mai ales
- mult
- național
- Nevoie
- au nevoie
- următor
- Nu.
- of
- on
- ONE
- afară
- pe
- Oportunităţi
- Optimist
- or
- Oregon
- organizații
- Altele
- ne
- afară
- anormal
- conturând
- peste
- panou
- Hârtie
- parte
- participa
- participare
- special
- trece
- cai
- Model
- modele
- Efectua
- perioadele
- persoană
- Fizică
- Plato
- Informații despre date Platon
- PlatoData
- plauzibil
- Politica
- factorii de decizie politică
- porţiune
- posibil
- Post
- practică
- prezice
- estimarea
- prezicere
- Predictii
- Pregăti
- prezentare
- Problemă
- produce
- Profesor
- proiecţiile
- Promisiuni
- Q & A
- RAIN
- mai degraba
- Citind
- real
- lumea reală
- recapitula
- recent
- se referă
- regiune
- regional
- cercetători
- răspuns
- rezultat
- REZULTATE
- reveni
- dreapta
- Râu
- drum
- Alerga
- Said
- acelaşi
- San
- San Diego
- spune
- Scară
- cântare
- scenariu
- scenarii
- Ştiinţă
- ȘTIINȚE
- ştiinţific
- oamenii de stiinta
- anotimpuri
- vedea
- serie
- sesiune
- Sesiunile
- instalare
- Pantaloni scurți
- indicat
- parte
- simplu
- simulare
- simulări
- situații
- ușor diferite
- mai mici
- So
- Societate
- socio-economic
- unele
- Sud
- Pornire
- Statele
- statistic
- statistică
- şedere
- Încă
- drept
- astfel de
- rezuma
- supercomputer
- Suportat
- Durabilitate
- sistem
- sisteme
- Lua
- luate
- luare
- Vorbi
- sarcini
- durată
- decât
- acea
- Viitorul
- lor
- Lor
- apoi
- Acolo.
- Acestea
- ei
- crede
- Al treilea
- acest
- în această săptămână
- aceste
- trei
- timp
- la
- astăzi
- mâine
- a luat
- Unelte
- Tren
- Pregătire
- adevărat
- reglate
- transformat
- Două
- în
- care stau la baza
- înţelege
- înţelegere
- până la
- us
- utilizare
- folosind
- grozav
- verifica
- foarte
- vrea
- a fost
- Cale..
- modalități de
- we
- Vreme
- săptămână
- BINE
- Ce
- cand
- întrucât
- care
- OMS
- voi
- cu
- fără
- Apartamente
- lume
- Mini rulouri de absorbție
- scris
- an
- Randament
- Tu
- zephyrnet