CCC je podprl tri znanstvene seje na letošnji letni konferenci AAAS in če se niste mogli udeležiti osebno, bomo povzeli vsako sejo. Ta teden bomo povzeli poudarke seje, “Generativna umetna inteligenca v znanosti: obljube in pasti.” V tretjem delu povzemamo predstavitev dr. Duncana Watsona-Parrisa, docenta na Scripps Institution of Oceanography in Halıcıoğlu Data Science Institute na UC San Diego.
Po predstavitvi dr. Markusa Buehlerja o generativni umetni inteligenci v mehanobiologiji je dr. Watson-Parris usmeril pozornost občinstva na generativne aplikacije umetne inteligence v podnebnih znanostih. Začel je z orisom razlike med podnebjem in vremenom. Vreme se nanaša na kratkoročne atmosferske razmere, medtem ko podnebje opisuje dolgoročne atmosferske razmere. Skratka, podnebje je tisto, kar pričakujete, vreme je tisto, kar dobite. "Ena največjih težav pri modeliranju podnebja," pravi Watson-Parris, "je, da imamo le nedavne podatke od takrat, ko smo začeli izvajati meritve podnebja." Ustvarjanje natančnih modelov, ki napovedujejo prihodnje podnebne vzorce in vremenske dogodke, je še posebej težko, saj ne moremo preveriti rezultatov v resničnem svetu, dokler se ti dogodki ne uresničijo. Za kratkoročne napovedi, kot so vremenske napovedi za naslednje tri dni, pa lahko enostavno preverimo točnost teh modelov.
Industrijski vremenski modeli so že zelo natančni. Ti modeli delujejo s prav tako natančnostjo kot nacionalni modeli vremenske napovedi za kratkoročne ocene (~3-7 dnevne napovedi). Vendar pa je ena največjih težav pri napovedovanju vremena vzorčenje začetnih vremenskih razmer. Kot je dr. Willett poudarila v svojem govoru, lahko zelo malo drugačni začetni pogoji prinesejo zelo različne rezultate. To velja za vremenske simulacije, pravi dr. Watson-Parris, ki imajo lahko pomembne vplive v resničnem svetu. Vremenski vzorec, prikazan spodaj, je leta 2017 povzročil atmosfersko reko v regiji Kalifornije in Oregona, ki je povzročila toliko dežja, da je jez Oroville počil, kar je povzročilo milijone dolarjev škode. Ta dogodek je bilo težko napovedati, ker je šlo za skrajni dogodek, izstop. Napovedi strojnega učenja nam omogočajo veliko večje količine vzorčenja za napovedovanje bolj ekstremnih vremenskih dogodkov, kar nam omogoča, da se nanje bolje pripravimo.
Ko raziskovalci razmišljajo o podnebnem sistemu, pojasnjuje dr. Watson-Parris, gledajo na večje lestvice in v daljša časovna obdobja, na koncu vidijo, kako izgledajo povprečni oblaki v letnih časih, in si lahko ogledajo statistiko sistemov. Te statistike urejajo robni pogoji zemeljskega sistema – količina energije, ki prihaja in odhaja. Ko je problem oblikovan na ta način, lahko nato v povprečju napovemo, kje bodo oblaki med letnimi časi, in obstajajo možnosti za uporabo strojnega učenja za izboljšanje in raziskovanje teh različnih napovedi. Ena od nalog podnebnih modelov je izdelava projekcij – razumeti, kako se bo podnebje spreminjalo v prihodnosti pod različnimi vplivi človeka. Ti so zasnovani za raziskovanje možnih prihodnosti. Da bi to naredili, raziskovalci ustvarijo bolj verjetne socialno-ekonomske poti za to, kako bi lahko družba delovala v prihodnosti.
Spodaj je prikazana slika dr. Watson-Parris, ki prikazuje nekatere možne poti, po katerih bi lahko šla družba v prihodnosti, ki jih je treba upoštevati v teh podnebnih modelih. Na levi strani je trajnostni model, ki do konca stoletja vzdržuje podnebne pritiske – količino segrevanja, ki ga ljudje vsiljujejo sistemu – na nižji ravni. Po drugi strani pa je scenarij razvoja fosilnih goriv na desni strani neke vrste najslabši možni scenarij. To je zelo redek vzorec načinov, kako lahko človeštvo pride do leta 2100.
V praksi raziskovalci pri odločanju o podnebnem scenariju in komuniciranju z oblikovalci politik, ki želijo razumeti vpliv njihovih odločitev, usposabljajo preproste emulatorje podnebnih modelov. Ti emulatorji upoštevajo projekcije za različne emisije, kot sta CO2 in metan, ter kratkotrajne podnebne sile, kot sta črni ogljik in sulfat, in raziskovalci lahko posnemajo odziv teh podnebnih modelov na podlagi podatkov o usposabljanju. "Lahko prilagodimo bolj ali manj zapletene modele globalnega odziva globalne povprečne temperature na te emisije," pravi Watson-Parris. »Ti modeli delujejo razmeroma dobro, ker znanstveniki dobro razumejo osnovno fiziko. Toda nihče ne živi pri globalni povprečni temperaturi in vse te spremembe bomo čutili drugače, zato da bi razumeli regionalne spremembe, znanstveniki vzamejo globalno povprečje in prilagodijo spremembo vzorca regionalnim razmeram. Ti modeli delujejo dobro, vendar izgubijo vpliv, ki bi ga te emisije lahko imele lokalno. Na primer, črni ogljik se večinoma izpušča v južni Aziji in posledice tega se bodo čutile predvsem v južni Aziji.
Če je ta problem uokvirjen v nastavitvi regresije, vidimo, da morda obstajajo priložnosti za strojno učenje. “V sklopu Klimatska klop dokumentu, ki smo ga napisali pred enim letom,« pravi dr. Watson-Parris, »smo rekli, da lahko vzamemo emisije in koncentracije toplogrednih plinov ter zemljevide emisij sulfata in črnega ogljika ter jih regresiramo neposredno na podnebne modele, da vidimo napovedi. Tudi pri temperaturi se nam ni treba omejevati, lahko upoštevamo padavine in druge spremenljivke. Na ta način lahko zgradimo emulatorje podnebnih modelov, ki napovejo, kaj bo podnebni model proizvedel za dano količino izpusta CO2, in nam omogočijo, da te modele izvajamo na prenosnem računalniku namesto na superračunalniku.«
Dr. Watson-Parris je nato prikazal sliko 3 različnih realizacij globalnega temperaturnega odziva v zadržanem scenariju podnebne politike sredi ceste. Prva dva stolpca sta emulatorja strojnega učenja, tretji pa popolna simulacija podnebnega modela, ki je na superračunalniku trajala en teden. »Rezultati vsakega od teh modelov se skoraj ne razlikujejo,« pravi Watson-Parris. Ti podnebni modeli zelo dobro natančno napovedujejo ta vzorec segrevanja. Dobro delajo celo pri napovedovanju vzorcev padavin. Ti modeli izboljšujejo dostopnost in udeležbo ter omogočajo manjšim organizacijam in oblikovalcem politik, da sodelujejo pri napovedovanju in raziskovanju podnebja, ne da bi potrebovali ogromne količine sredstev ali infrastrukture.
Ti modeli niso generativni AI, so ravni regresijski modeli in dani vhod bo vedno vrnil enak rezultat. Vendar se danes raziskujejo priložnosti za uporabo generativnih in difuzijskih modelov za uporabo verjetnostnih porazdelitev vremena za ustvarjanje vremenskih stanj. Raziskovalci te modele uporabljajo za napovedovanje podnebnih in vremenskih vzorcev v prihodnosti glede na različne scenarije vplivanja podnebja. »Težave ostajajo,« pravi dr. Watson-Parris, »ker še vedno ni 'osnovne resnice' za preverjanje napovedi in še vedno moramo ugotoviti, kako umeriti statistične modele, vendar je to prihodnost podnebnih napovedi in jaz sem optimističen, da bodo ta orodja povečala dostopnost, sodelovanje in razumevanje prihodnosti znanosti o podnebju.«
Hvala za branje in ostanite z nami jutri za zadnjo objavo v tej seriji blogov, ki povzema del vprašanj in odgovorov te plošče.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
- PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
- PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
- PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
- vir: https://feeds.feedblitz.com/~/874057523/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-%e2%80%93-Part-Three/
- : je
- :ne
- :kje
- 2017
- a
- Sposobna
- O meni
- dostopnost
- Račun
- natančnost
- natančna
- natančno
- Zakon
- Avgust
- AI
- vsi
- omogočajo
- Dovoli
- skoraj
- že
- Prav tako
- vedno
- am
- znesek
- zneski
- an
- in
- letno
- aplikacije
- SE
- AS
- asia
- Pomočnik
- At
- atmosferski
- pričakuje
- pozornosti
- povprečno
- temeljijo
- BE
- ker
- začel
- počutje
- spodaj
- Boljše
- med
- črna
- Blog
- Meja
- izgradnjo
- vendar
- by
- california
- CAN
- ogljika
- primeru
- povzroča
- ccc
- CCC blog
- Stoletje
- spremenite
- Spremembe
- Podnebne
- Stolpci
- kako
- prihajajo
- komuniciranje
- kompleksna
- kompleksnost
- Pogoji
- Konferenca
- Ustvarjanje
- škoda
- datum
- znanost o podatkih
- dan
- Dnevi
- Odločanje
- odločitve
- opisuje
- zasnovan
- Razvoj
- Diego
- Razlika
- drugačen
- drugače
- težko
- Difuzija
- neposredno
- prikazano
- Distribucije
- do
- dolarjev
- dont
- navzdol
- dr
- duncan
- med
- vsak
- Zemlja
- enostavno
- Emisije
- konec
- energija
- zlasti
- Tudi
- Event
- dogodki
- sčasoma
- Primer
- pričakovati
- Pojasni
- raziskovanje
- raziskuje
- Raziskano
- ekstremna
- občutek
- Napaka
- Slika
- prva
- fit
- za
- sile
- silijo
- Napoved
- Napovedi
- fosilnih
- Fosilno gorivo
- iz
- gorivo
- polno
- Financiranje
- Prihodnost
- Terminske pogodbe
- ustvarjajo
- ustvarila
- generativno
- Generativna AI
- dobili
- gif
- dana
- Globalno
- globalni odziv
- Go
- dogaja
- dobro
- dobro delo
- urejeno
- strani
- Imajo
- he
- jo
- visoka
- Poudarki
- Kako
- Kako
- Vendar
- HTTPS
- velika
- človeškega
- Človeštvo
- Ljudje
- i
- slika
- vpliv
- Vplivi
- Pomembno
- naložila
- izboljšanje
- in
- Povečajte
- Infrastruktura
- začetna
- vhod
- Inštitut
- ustanova
- v
- Uvedeno
- Vprašanja
- IT
- Job
- samo
- ohranja
- Otrok
- laptop
- v veliki meri
- večja
- Največji
- Zadnja
- učenje
- levo
- manj
- Stopnja
- kot
- živi
- lokalno
- Long
- Poglej
- si
- izgubiti
- nižje
- stroj
- strojno učenje
- Znamka
- Zemljevidi
- max širine
- Maj ..
- pomeni
- meritve
- metan
- Bližnji
- morda
- milijoni
- Model
- modeliranje
- modeli
- več
- večinoma
- veliko
- nacionalni
- Nimate
- potrebujejo
- Naslednja
- št
- of
- on
- ONE
- samo
- na
- Priložnosti
- Optimistično
- or
- Oregon
- organizacije
- Ostalo
- sami
- ven
- zunaj
- oris
- več
- plošča
- Papir
- del
- sodelovanje
- Sodelovanje
- zlasti
- mimo
- poti
- Vzorec
- vzorci
- Izvedite
- obdobja
- oseba
- Fizika
- platon
- Platonova podatkovna inteligenca
- PlatoData
- verjetno
- politika
- politik
- del
- mogoče
- Prispevek
- praksa
- napovedati
- napovedovanje
- napoved
- Napovedi
- Pripravimo
- predstavitev
- problem
- proizvodnjo
- Učitelj
- Napovedi
- Obljublja
- Vprašanja in odgovori
- RAIN
- precej
- reading
- pravo
- resnični svet
- Rekapitulacija
- nedavno
- nanaša
- okolica
- regionalni
- raziskovalci
- Odgovor
- povzroči
- Rezultati
- vrnitev
- Pravica
- Reka
- cesta
- Run
- Je dejal
- Enako
- San
- San Diego
- pravi
- Lestvica
- luske
- Scenarij
- scenariji
- Znanost
- ZNANOSTI
- znanstveno
- Znanstveniki
- sezone
- glej
- Serija
- Zasedanje
- sej
- nastavitev
- Kratke Hlače
- pokazale
- strani
- Enostavno
- Simulacija
- simulacije
- situacije
- nekoliko drugačen
- manj
- So
- Društvo
- družbenoekonomski
- nekaj
- South
- Začetek
- Države
- Statistično
- Statistika
- bivanje
- Še vedno
- naravnost
- taka
- Povzamemo
- superračunalnik
- Podprti
- Trajnostni razvoj
- sistem
- sistemi
- Bodite
- sprejeti
- ob
- Pogovor
- Naloge
- Izraz
- kot
- da
- O
- Prihodnost
- njihove
- Njih
- POTEM
- Tukaj.
- te
- jih
- mislim
- tretja
- ta
- ta teden
- tisti,
- 3
- čas
- do
- danes
- jutri
- vzel
- orodja
- Vlak
- usposabljanje
- Res
- uglašen
- Obrnjen
- dva
- pod
- osnovni
- razumeli
- razumevanje
- dokler
- us
- uporaba
- uporabo
- zelo dobro
- preverjanje
- zelo
- želeli
- je
- način..
- načini
- we
- Vreme
- teden
- Dobro
- Kaj
- kdaj
- medtem ko
- ki
- WHO
- bo
- z
- brez
- delo
- svet
- Klobase
- Napisal
- leto
- donos
- Vi
- zefirnet