Компания CCC поддержала три научных сессии на ежегодной конференции AAAS в этом году, и если вы не смогли присутствовать лично, мы будем подводить итоги каждой сессии. На этой неделе мы подведем итоги сессии»,Генеративный ИИ в науке: обещания и подводные камни». В третьей части мы суммируем презентацию доктора Дункана Уотсона-Пэрриса, доцента Океанографического института Скриппса и Института обработки данных Халыджиоглу в Калифорнийском университете в Сан-Диего.
После презентации доктора Маркуса Бюлера о генеративном ИИ в механобиологии доктор Уотсон-Пэррис обратил внимание аудитории на применение генеративного ИИ в науках о климате. Он начал с описания разницы между климатом и погодой. Погода относится к краткосрочным атмосферным условиям, тогда как климат описывает долгосрочные атмосферные условия. Короче говоря, климат — это то, что вы ожидаете, погода — это то, что вы получаете. «Одна из самых больших проблем с моделированием климата, — говорит Уотсон-Пэррис, — заключается в том, что у нас есть только недавние данные, начиная с того момента, когда мы начали проводить климатические измерения». Создание точных моделей, предсказывающих будущие климатические условия и погодные явления, особенно сложно, поскольку мы не можем проверить результаты в реальном мире, пока эти события не произойдут. Однако для краткосрочных прогнозов, таких как прогнозы погоды на следующие три дня, мы можем легко проверить точность этих моделей.
Отраслевые погодные модели уже очень точны. Эти модели работают с такой же точностью, как и национальные модели прогнозирования погоды для краткосрочных оценок (прогнозы примерно на 3–7 дней). Однако одной из крупнейших проблем прогнозирования погоды является выборка начальных погодных условий. Как отметила в своем выступлении д-р Уиллетт, даже незначительно отличающиеся стартовые условия могут привести к совершенно разным результатам. По словам доктора Уотсон-Пэррис, это справедливо для моделирования погоды, которое может иметь важные последствия в реальном мире. Погодные условия, показанные ниже, привели к появлению атмосферной реки в 2017 году в регионе Калифорнии и Орегона, которая вызвала такое количество дождя, что прорвало плотину Оровилла, причинив ущерб на миллионы долларов. Это событие было трудно предсказать, потому что это было экстремальное событие, выдающееся событие. Прогнозы с помощью машинного обучения позволяют нам делать гораздо больший объем выборки для прогнозирования более экстремальных погодных явлений, что позволяет нам лучше подготовиться к ним.
Когда исследователи думают о климатической системе, объясняет доктор Уотсон-Пэррис, рассматривая более крупные масштабы и более длительные периоды времени, в конечном итоге они видят, как средние облака выглядят в зависимости от сезона, и могут просмотреть статистику систем. Эта статистика регулируется граничными условиями земной системы – количеством энергии, входящей и исходящей. Когда проблема сформулирована таким образом, мы можем затем в среднем предсказать, где будут облака в течение сезона, и появляются возможности для использования машинного обучения для улучшения и изучения этих различных прогнозов. Одной из задач климатических моделей является составление прогнозов – понимание того, как климат будет меняться в будущем под различным антропогенным воздействием. Они предназначены для изучения возможного будущего. Для этого исследователи создают более правдоподобные социально-экономические пути того, как общество может действовать в будущем.
Ниже приведено изображение, представленное доктором Уотсон-Пэррис, на котором показаны некоторые возможные пути развития общества в будущем, которые необходимо учитывать в этих климатических моделях. Слева находится модель устойчивого развития, которая к концу столетия удержит климатическое воздействие (то есть степень потепления, которое люди оказывают на систему) на более низком уровне. С другой стороны, сценарий развития ископаемого топлива в правой части является своего рода наихудшим сценарием. Это очень скудная выборка путей, которыми человечество может добраться до 2100 года.
На практике, при принятии решения по климатическому сценарию и общении с политиками, которые хотят понять последствия своих решений, исследователи обучают простых эмуляторов климатических моделей. Эти эмуляторы учитывают прогнозы различных выбросов, таких как CO2 и метан, а также кратковременных климатических сил, таких как черный углерод и сульфат, и исследователи могут имитировать реакцию этих климатических моделей на основе обучающих данных. «Мы можем подобрать более или менее сложные модели глобальной реакции средней глобальной температуры на эти выбросы», — говорит Уотсон-Пэррис. «Эти модели работают достаточно хорошо, потому что учёные хорошо понимают лежащую в их основе физику. Но никто не живет при средней глобальной температуре, и мы будем ощущать все эти изменения по-разному, поэтому, чтобы понять региональные изменения, ученые берут глобальное среднее значение и масштабируют изменение модели к региональным ситуациям. Эти модели работают хорошо, но они теряют тот эффект, который эти выбросы могли бы оказать на местном уровне. Например, выбросы черного углерода в основном происходят в Южной Азии, и последствия этого будут ощущаться в основном в Южной Азии».
Если эту проблему сформулировать в рамках регрессии, мы увидим, что могут открываться возможности для машинного обучения. «В рамках Климатическая скамья В документе, который мы написали год назад, — говорит доктор Уотсон-Пэррис, — мы сказали, что можем взять выбросы и концентрации парниковых газов, а также карты выбросов сульфата и черного углерода и регрессировать их непосредственно в климатические модели, чтобы увидеть прогнозы. Нам также не нужно ограничиваться температурой, мы можем учитывать осадки и другие переменные. Таким образом, мы можем создавать эмуляторы климатических моделей, которые предсказывают, что будет производить климатическая модель при заданном количестве выбросов CO2, и позволяют нам запускать эти модели на ноутбуке, а не на суперкомпьютере».
Затем д-р Уотсон-Пэррис продемонстрировала изображение трех различных реализаций глобальной температурной реакции в сдержанном, промежуточном сценарии климатической политики. Первые два столбца — это эмуляторы машинного обучения, а третий — полномасштабное моделирование климатической модели, которое заняло неделю на суперкомпьютере. «Результаты каждой из этих моделей практически неотличимы», — говорит Уотсон-Пэррис. Эти климатические модели очень хорошо позволяют точно предсказать характер потепления. Они даже хорошо прогнозируют характер осадков. Эти модели улучшают доступность и участие, а также позволяют небольшим организациям и политикам участвовать в прогнозировании и исследовании климата без необходимости огромных объемов финансирования или инфраструктуры.
Эти модели не являются генеративным ИИ, это модели прямой регрессии, и заданные входные данные всегда будут возвращать один и тот же результат. Однако сегодня изучаются возможности использования генеративных и диффузионных моделей для использования вероятностных распределений погоды для создания погодных состояний. Исследователи используют эти модели для прогнозирования климата и погодных условий будущего с учетом различных сценариев воздействия на климат. «Трудности остаются», — говорит д-р Уотсон-Пэррис, — «потому что до сих пор не существует «основной истины» для проверки прогнозов, и нам все еще нужно выяснить, как калибровать статистические модели, но это будущее прогнозирования климата, и я Я оптимистичен, что эти инструменты повысят доступность, участие и понимание будущего климатологии».
Спасибо за чтение, и следите за обновлениями завтра, чтобы увидеть последнюю публикацию этой серии блогов, в которой подводится итог части вопросов и ответов на этой панели.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://feeds.feedblitz.com/~/874057523/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-%e2%80%93-Part-Three/
- :является
- :нет
- :куда
- 2017
- a
- в состоянии
- О нас
- доступность
- Учетная запись
- точность
- точный
- точно
- Действие (Act):
- тому назад
- AI
- Все
- позволять
- Позволяющий
- почти
- уже
- причислены
- всегда
- am
- количество
- суммы
- an
- и
- годовой
- Приложения
- МЫ
- AS
- Азия
- помощник
- At
- атмосферный
- посещать
- внимание
- в среднем
- основанный
- BE
- , так как:
- начал
- не являетесь
- ниже
- Лучшая
- между
- Черный
- Блог
- граница
- строить
- но
- by
- Калифорния
- CAN
- углерод
- случаев
- Причинение
- CCC
- Блог ССС
- Век
- изменение
- изменения
- климат
- Колонки
- как
- приход
- общение
- комплекс
- сложность
- Условия
- Конференция
- Создающий
- повреждение
- данным
- наука о данных
- день
- Дней
- Решение
- решения
- описывает
- предназначенный
- Развитие
- Диего
- разница
- различный
- по-разному
- трудный
- Вещание
- непосредственно
- отображается
- распределения
- do
- долларов
- Dont
- вниз
- dr
- Duncan
- в течение
- каждый
- земля
- легко
- Выбросы
- конец
- энергетика
- особенно
- Даже
- События
- События
- со временем
- пример
- ожидать
- Объясняет
- исследование
- Больше
- Разведанный
- экстремальный
- чувствовать
- ошибка
- фигура
- First
- соответствовать
- Что касается
- Войска
- принуждение
- Прогноз
- Прогнозы
- окаменелость
- Ископаемое топливо
- от
- топливо
- полный
- финансирование
- будущее
- Фьючерсная торговля
- порождать
- генерируется
- генеративный
- Генеративный ИИ
- получить
- GIF
- данный
- Глобальный
- глобальный ответ
- Go
- будет
- хорошо
- хорошая работа
- регулируется
- рука
- Есть
- he
- ее
- High
- основной момент
- Как
- How To
- Однако
- HTTPS
- огромный
- человек
- Человечество
- Людей
- i
- изображение
- Влияние
- Воздействие
- важную
- наложенный
- улучшать
- in
- Увеличение
- Инфраструктура
- начальный
- вход
- Институт
- учреждение
- в
- выпустили
- вопросы
- IT
- работа
- всего
- держит
- Вид
- портативный компьютер
- в значительной степени
- больше
- крупнейших
- Фамилия
- изучение
- оставил
- Меньше
- уровень
- такое как
- Живет
- в местном масштабе
- Длинное
- посмотреть
- искать
- терять
- ниже
- машина
- обучение с помощью машины
- сделать
- Карты
- макс-ширина
- Май..
- значить
- размеры
- метан
- средняя
- может быть
- миллионы
- модель
- моделирование
- Модели
- БОЛЕЕ
- в основном
- много
- национальный
- Необходимость
- нуждающихся
- следующий
- нет
- of
- on
- ONE
- только
- на
- Возможности
- Оптимистический
- or
- Орегон
- организации
- Другое
- себя
- внешний
- останец
- с изложением
- за
- панель
- бумага & картон
- часть
- участвовать
- участие
- особый
- pass
- пути
- шаблон
- паттеранами
- Выполнять
- периодов
- человек
- Физика
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- правдоподобный
- политика
- политики
- часть
- возможное
- После
- практика
- предсказывать
- прогнозирования
- прогноз
- Predictions
- Подготовить
- presentation
- Проблема
- производит
- Профессор
- Прогнозы
- Обещает
- Вопросы и ответы
- RAIN
- скорее
- Reading
- реальные
- реальный мир
- резюме
- последний
- понимается
- область
- региональный
- исследователи
- ответ
- результат
- Итоги
- возвращают
- правую
- Rivers - Реки
- Дорога
- Run
- Сказал
- то же
- Сан -
- Сан Диего
- говорит
- Шкала
- Весы
- сценарий
- Сценарии
- Наука
- НАУКА
- научный
- Ученые
- сезоны
- посмотреть
- Серии
- Сессия
- сессиях
- установка
- Короткое
- показанный
- сторона
- просто
- моделирование
- моделирование
- обстоятельства
- немного отличается
- меньше
- So
- Общество
- социально-экономические
- некоторые
- Южная
- Начало
- Области
- статистический
- статистика
- оставаться
- По-прежнему
- прямой
- такие
- суммировать
- суперкомпьютер
- Поддержанный
- Стабильность
- система
- системы
- взять
- приняты
- с
- Говорить
- задачи
- срок
- чем
- который
- Ассоциация
- Будущее
- их
- Их
- тогда
- Там.
- Эти
- они
- think
- В третьих
- этой
- На этой неделе
- те
- три
- время
- в
- сегодня
- завтра
- приняли
- инструменты
- Train
- Обучение
- правда
- настроены
- Оказалось
- два
- под
- лежащий в основе
- понимать
- понимание
- до
- us
- использование
- через
- значительно
- проверить
- очень
- хотеть
- законопроект
- Путь..
- способы
- we
- Погода
- неделя
- ЧТО Ж
- Что
- когда
- в то время как
- который
- КТО
- будете
- без
- Работа
- Мир
- Наихудший
- писал
- год
- Уступать
- Ты
- зефирнет