CCC สนับสนุนเซสชันทางวิทยาศาสตร์สามเซสชันในการประชุมประจำปี AAAS ประจำปีนี้ และในกรณีที่คุณไม่สามารถเข้าร่วมด้วยตนเองได้ เราจะสรุปเซสชันแต่ละเซสชัน สัปดาห์นี้เราจะมาสรุปไฮไลท์ของเซสชั่นนี้กัน”AI กำเนิดในทางวิทยาศาสตร์: คำสัญญาและข้อผิดพลาด” ในส่วนที่สาม เราจะสรุปการนำเสนอโดย Dr. Duncan Watson-Parris ผู้ช่วยศาสตราจารย์ที่ Scripps Institution of Oceanography และ Halıcıoğlu Data Science Institute ที่ UC San Diego
หลังจากการนำเสนอของ Dr. Markus Buehler เกี่ยวกับ generative AI ในด้านกลศาสตร์ชีววิทยา ดร. Watson-Parris ได้หันเหความสนใจของผู้ชมไปที่การประยุกต์ใช้ generative AI ในสาขาวิทยาศาสตร์ภูมิอากาศ เขาเริ่มต้นด้วยการสรุปความแตกต่างระหว่างสภาพอากาศและสภาพอากาศ สภาพอากาศหมายถึงสภาพบรรยากาศในระยะสั้น ในขณะที่สภาพภูมิอากาศอธิบายถึงสภาพบรรยากาศในระยะยาว กล่าวโดยสรุป สภาพอากาศคือสิ่งที่คุณคาดหวัง สภาพอากาศคือสิ่งที่คุณได้รับ “หนึ่งในปัญหาใหญ่ที่สุดเกี่ยวกับการสร้างแบบจำลองสภาพภูมิอากาศ” วัตสัน-แพร์ริสกล่าว “คือเรามีข้อมูลล่าสุดจากเมื่อเราเริ่มทำการวัดสภาพอากาศเท่านั้น” การสร้างแบบจำลองที่แม่นยำซึ่งคาดการณ์รูปแบบสภาพอากาศในอนาคตและเหตุการณ์สภาพอากาศเป็นเรื่องยากเป็นพิเศษ เนื่องจากเราไม่สามารถตรวจสอบผลลัพธ์ในโลกแห่งความเป็นจริงได้จนกว่าเหตุการณ์เหล่านี้จะเกิดขึ้น อย่างไรก็ตาม สำหรับการพยากรณ์ระยะสั้น เช่น การพยากรณ์อากาศในอีก 3 วันข้างหน้า เราสามารถตรวจสอบความถูกต้องของแบบจำลองเหล่านี้ได้อย่างง่ายดาย
แบบจำลองสภาพอากาศในอุตสาหกรรมมีความแม่นยำมากอยู่แล้ว โมเดลเหล่านี้ทำงานด้วยความแม่นยำพอๆ กับโมเดลพยากรณ์อากาศระดับประเทศสำหรับการประมาณการระยะสั้น (ประมาณ 3-7 วัน) อย่างไรก็ตาม ปัญหาที่ใหญ่ที่สุดประการหนึ่งเกี่ยวกับการพยากรณ์อากาศคือการสุ่มตัวอย่างสภาพอากาศเบื้องต้น ดังที่ดร. วิลเลตต์ชี้ให้เห็นในการบรรยายของเธอ เงื่อนไขการเริ่มต้นที่แตกต่างกันเล็กน้อยมากอาจให้ผลลัพธ์ที่แตกต่างกันอย่างมากมาย นี่เป็นเรื่องจริงในการจำลองสภาพอากาศ ดร. วัตสัน-แพร์ริส ซึ่งอาจมีผลกระทบที่สำคัญในโลกแห่งความเป็นจริง รูปแบบสภาพอากาศที่แสดงด้านล่างทำให้เกิดแม่น้ำในชั้นบรรยากาศในปี 2017 ในภูมิภาคแคลิฟอร์เนียและออริกอน ซึ่งทำให้เกิดฝนตกหนักมากจนเขื่อนโอโรวิลล์แตก ทำให้เกิดความเสียหายมูลค่าหลายล้านดอลลาร์ เหตุการณ์นี้เป็นเรื่องยากที่จะคาดการณ์ได้ เนื่องจากเป็นเหตุการณ์ที่รุนแรงและผิดปกติ การคาดการณ์ของแมชชีนเลิร์นนิงช่วยให้เราสุ่มตัวอย่างได้มากขึ้นเพื่อคาดการณ์เหตุการณ์สภาพอากาศที่รุนแรงยิ่งขึ้น ช่วยให้เราเตรียมพร้อมรับมือได้ดียิ่งขึ้น
เมื่อนักวิจัยคิดถึงระบบภูมิอากาศ ดร. วัตสัน-แพร์ริสอธิบาย โดยพิจารณาจากขนาดที่ใหญ่ขึ้นและในระยะเวลาที่นานขึ้น ในที่สุดพวกเขาจะเห็นว่าเมฆโดยเฉลี่ยมีลักษณะอย่างไรตามฤดูกาล และพวกเขาสามารถดูสถิติของระบบได้ สถิติเหล่านี้อยู่ภายใต้เงื่อนไขขอบเขตของระบบโลก ซึ่งก็คือปริมาณพลังงานที่เข้าและออก เมื่อปัญหาถูกวางกรอบในลักษณะนี้ เราสามารถคาดการณ์โดยเฉลี่ยว่าเมฆจะอยู่ที่ใดในช่วงฤดูกาล และมีโอกาสที่จะใช้แมชชีนเลิร์นนิงเพื่อปรับปรุงและสำรวจการคาดการณ์ต่างๆ เหล่านี้ ภารกิจประการหนึ่งของแบบจำลองสภาพภูมิอากาศคือการฉายภาพ เพื่อทำความเข้าใจว่าสภาพอากาศจะเปลี่ยนแปลงอย่างไรในอนาคตภายใต้อิทธิพลของมนุษย์ที่แตกต่างกัน สิ่งเหล่านี้ออกแบบมาเพื่อสำรวจอนาคตที่เป็นไปได้ ในการทำเช่นนี้ นักวิจัยได้สร้างแนวทางทางเศรษฐกิจและสังคมที่เป็นไปได้มากขึ้นว่าสังคมจะดำเนินการอย่างไรในอนาคต
ด้านล่างนี้เป็นภาพที่ Dr. Watson-Parris แสดง ซึ่งบรรยายถึงเส้นทางที่เป็นไปได้ที่สังคมอาจลงไปในอนาคต ซึ่งจำเป็นต้องนำมาพิจารณาในแบบจำลองสภาพภูมิอากาศเหล่านี้ ทางด้านซ้ายมือคือแบบจำลองความยั่งยืนซึ่งภายในสิ้นศตวรรษนี้ จะทำให้สภาพภูมิอากาศกดดัน ซึ่งเป็นปริมาณความร้อนที่มนุษย์สร้างต่อระบบ ให้อยู่ในระดับที่ต่ำกว่า ในทางกลับกัน สถานการณ์การพัฒนาเชื้อเพลิงฟอสซิลทางด้านขวามือถือเป็นสถานการณ์ที่เลวร้ายที่สุด นี่เป็นตัวอย่างกระจัดกระจายมากเกี่ยวกับวิธีที่มนุษยชาติอาจไปถึงปี 2100
ในทางปฏิบัติ เมื่อตัดสินใจสถานการณ์สภาพภูมิอากาศและการสื่อสารกับผู้กำหนดนโยบายที่ต้องการเข้าใจผลกระทบของการตัดสินใจ นักวิจัยจะฝึกอบรมตัวจำลองแบบจำลองสภาพภูมิอากาศอย่างง่าย เครื่องจำลองเหล่านี้คำนึงถึงการคาดการณ์การปล่อยก๊าซต่างๆ เช่น คาร์บอนไดออกไซด์และมีเธน และแรงกระตุ้นทางสภาพอากาศที่เกิดขึ้นในช่วงสั้นๆ เช่น คาร์บอนดำและซัลเฟต และนักวิจัยสามารถจำลองการตอบสนองของแบบจำลองสภาพภูมิอากาศเหล่านี้ได้โดยอิงตามข้อมูลการฝึกอบรม “เราสามารถใส่แบบจำลองที่ซับซ้อนไม่มากก็น้อยในการตอบสนองทั่วโลกของอุณหภูมิเฉลี่ยทั่วโลกต่อการปล่อยก๊าซเรือนกระจกเหล่านี้” Watson-Parris กล่าว “แบบจำลองเหล่านี้ทำงานได้ดีพอสมควรเพราะนักวิทยาศาสตร์มีความเข้าใจฟิสิกส์พื้นฐานเป็นอย่างดี แต่ไม่มีใครอาศัยอยู่ในอุณหภูมิเฉลี่ยทั่วโลก และเราจะรู้สึกถึงการเปลี่ยนแปลงทั้งหมดนี้แตกต่างออกไป ดังนั้น เพื่อให้เข้าใจถึงการเปลี่ยนแปลงในระดับภูมิภาค นักวิทยาศาสตร์จึงใช้ค่าเฉลี่ยทั่วโลกและปรับขนาดรูปแบบการเปลี่ยนแปลงให้เข้ากับสถานการณ์ในระดับภูมิภาค โมเดลเหล่านี้ทำงานได้ดี แต่สูญเสียผลกระทบที่การปล่อยมลพิษเหล่านี้อาจมีในท้องถิ่น ตัวอย่างเช่น คาร์บอนดำโดยเฉพาะอย่างยิ่งถูกปล่อยออกมาในเอเชียใต้เป็นส่วนใหญ่ และผลกระทบดังกล่าวจะรู้สึกได้ในเอเชียใต้เป็นส่วนใหญ่”
หากปัญหานี้อยู่ในการตั้งค่าการถดถอย เราจะเห็นว่าอาจมีโอกาสสำหรับการเรียนรู้ของเครื่อง “ในส่วนของ ม้านั่งสภาพภูมิอากาศ บทความที่เราเขียนไว้เมื่อปีที่แล้ว” ดร. วัตสัน-แพริสกล่าว “เราบอกว่าเราสามารถนำการปล่อยก๊าซและความเข้มข้นของก๊าซเรือนกระจกและแผนที่การปล่อยซัลเฟตและคาร์บอนดำ และถดถอยสิ่งเหล่านั้นโดยตรงไปยังแบบจำลองสภาพภูมิอากาศเพื่อดูการคาดการณ์ เราไม่จำเป็นต้องควบคุมอุณหภูมิด้วย เราสามารถคำนึงถึงปริมาณฝนและตัวแปรอื่นๆ ได้ด้วย ด้วยวิธีนี้เราสามารถสร้างเครื่องจำลองแบบจำลองสภาพภูมิอากาศเพื่อคาดการณ์ว่าแบบจำลองสภาพภูมิอากาศจะผลิตอะไรตามปริมาณก๊าซคาร์บอนไดออกไซด์ที่กำหนด และช่วยให้เราเรียกใช้แบบจำลองเหล่านี้บนแล็ปท็อปแทนที่จะเป็นซูเปอร์คอมพิวเตอร์ได้”
จากนั้น ดร. วัตสัน-แพร์ริสได้แสดงภาพการรับรู้ที่แตกต่างกัน 3 ประการเกี่ยวกับการตอบสนองต่ออุณหภูมิโลกในสถานการณ์นโยบายสภาพภูมิอากาศที่หยุดนิ่งกลางถนน สองคอลัมน์แรกเป็นโปรแกรมจำลองการเรียนรู้ของเครื่อง และคอลัมน์ที่สามเป็นการจำลองแบบจำลองสภาพภูมิอากาศที่ซับซ้อนเต็มรูปแบบ ซึ่งใช้เวลาหนึ่งสัปดาห์บนซูเปอร์คอมพิวเตอร์ “ผลลัพธ์จากโมเดลแต่ละรุ่นแทบจะแยกไม่ออก” Watson-Parris กล่าว แบบจำลองสภาพภูมิอากาศเหล่านี้ทำนายรูปแบบภาวะโลกร้อนนี้ได้อย่างแม่นยำ พวกเขายังทำนายรูปแบบการตกตะกอนได้ดีอีกด้วย โมเดลเหล่านี้ปรับปรุงการเข้าถึงและการมีส่วนร่วม และช่วยให้องค์กรขนาดเล็กและผู้กำหนดนโยบายมีส่วนร่วมในการพยากรณ์และการสำรวจสภาพภูมิอากาศโดยไม่จำเป็นต้องใช้เงินทุนหรือโครงสร้างพื้นฐานจำนวนมาก
โมเดลเหล่านี้ไม่ใช่ AI เชิงสร้างสรรค์ แต่เป็นโมเดลการถดถอยตรง และอินพุตที่กำหนดจะส่งกลับผลลัพธ์เดียวกันเสมอ อย่างไรก็ตาม โอกาสในการใช้แบบจำลองการกำเนิดและการแพร่กระจายเพื่อกระจายความน่าจะเป็นของสภาพอากาศเพื่อสร้างสถานะสภาพอากาศกำลังได้รับการสำรวจในปัจจุบัน นักวิจัยกำลังใช้แบบจำลองเหล่านี้เพื่อคาดการณ์สภาพอากาศและรูปแบบสภาพอากาศในอนาคต โดยพิจารณาจากสถานการณ์การเปลี่ยนแปลงสภาพภูมิอากาศที่แตกต่างกัน ดร. วัตสัน-แพร์ริสกล่าวว่า “ความยากลำบากยังคงอยู่” เนื่องจากยังไม่มี 'ความจริงภาคพื้นดิน' ที่จะยืนยันการคาดการณ์ และเรายังคงต้องหาวิธีปรับเทียบแบบจำลองทางสถิติ แต่นี่คืออนาคตของการพยากรณ์สภาพภูมิอากาศ และฉัน ฉันมองโลกในแง่ดีว่าเครื่องมือเหล่านี้จะเพิ่มการเข้าถึง การมีส่วนร่วม และความเข้าใจเกี่ยวกับอนาคตของวิทยาศาสตร์ภูมิอากาศ”
ขอขอบคุณที่อ่าน และโปรดติดตามโพสต์สุดท้ายของซีรีส์บล็อกนี้ในวันพรุ่งนี้ โดยสรุปส่วนถามตอบของแผงนี้
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://feeds.feedblitz.com/~/874057523/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-%e2%80%93-Part-Three/
- :เป็น
- :ไม่
- :ที่ไหน
- 2017
- a
- สามารถ
- เกี่ยวกับเรา
- การเข้าถึง
- ลงชื่อเข้าใช้
- ความถูกต้อง
- ถูกต้อง
- แม่นยำ
- กระทำ
- มาแล้ว
- AI
- ทั้งหมด
- อนุญาต
- การอนุญาต
- เกือบจะ
- แล้ว
- ด้วย
- เสมอ
- am
- จำนวน
- จำนวน
- an
- และ
- ประจำปี
- การใช้งาน
- เป็น
- AS
- เอเชีย
- ผู้ช่วย
- At
- บรรยากาศ
- ที่คาดหวัง
- ความสนใจ
- เฉลี่ย
- ตาม
- BE
- เพราะ
- เริ่ม
- กำลัง
- ด้านล่าง
- ดีกว่า
- ระหว่าง
- Black
- บล็อก
- เขตแดน
- สร้าง
- แต่
- by
- แคลิฟอร์เนีย
- CAN
- คาร์บอน
- กรณี
- การก่อให้เกิด
- CCC
- บล็อก CCC
- ศตวรรษ
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- ภูมิอากาศ
- คอลัมน์
- อย่างไร
- มา
- การติดต่อสื่อสาร
- ซับซ้อน
- ความซับซ้อน
- เงื่อนไข
- การประชุม
- การสร้าง
- ความเสียหาย
- ข้อมูล
- วิทยาศาสตร์ข้อมูล
- วัน
- วัน
- กำลังตัดสินใจ
- การตัดสินใจ
- อธิบาย
- ได้รับการออกแบบ
- พัฒนาการ
- ดิเอโก
- ความแตกต่าง
- ต่าง
- ต่างกัน
- ยาก
- การจัดจำหน่าย
- โดยตรง
- แสดง
- การกระจาย
- do
- ดอลลาร์
- Dont
- ลง
- dr
- ดันแคน
- ในระหว่าง
- แต่ละ
- โลก
- อย่างง่ายดาย
- ปล่อยก๊าซเรือนกระจก
- ปลาย
- พลังงาน
- โดยเฉพาะอย่างยิ่ง
- แม้
- เหตุการณ์
- เหตุการณ์
- ในที่สุด
- ตัวอย่าง
- คาดหวัง
- อธิบาย
- การสำรวจ
- สำรวจ
- สำรวจ
- สุดโต่ง
- รู้สึก
- รู้สึก
- รูป
- ชื่อจริง
- พอดี
- สำหรับ
- กองกำลัง
- พระเดช
- พยากรณ์
- การคาดการณ์
- ฟอสซิล
- เชื้อเพลิงฟอสซิล
- ราคาเริ่มต้นที่
- เชื้อเพลิง
- เต็ม
- การระดมทุน
- อนาคต
- ฟิวเจอร์ส
- สร้าง
- สร้าง
- กำเนิด
- กำเนิด AI
- ได้รับ
- GIF
- กำหนด
- เหตุการณ์ที่
- การตอบสนองทั่วโลก
- Go
- ไป
- ดี
- งานที่ดี
- ปกครอง
- มือ
- มี
- he
- เธอ
- จุดสูง
- ไฮไลท์
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTTPS
- ใหญ่
- เป็นมนุษย์
- มนุษยชาติ
- มนุษย์
- i
- ภาพ
- ส่งผลกระทบ
- ผลกระทบ
- สำคัญ
- กำหนด
- ปรับปรุง
- in
- เพิ่ม
- โครงสร้างพื้นฐาน
- แรกเริ่ม
- อินพุต
- สถาบัน
- สถาบัน
- เข้าไป
- แนะนำ
- ปัญหา
- IT
- การสัมภาษณ์
- เพียงแค่
- เก็บ
- ชนิด
- แล็ปท็อป
- ส่วนใหญ่
- ที่มีขนาดใหญ่
- ใหญ่ที่สุด
- ชื่อสกุล
- การเรียนรู้
- ซ้าย
- น้อยลง
- ชั้น
- กดไลก์
- ชีวิต
- ในท้องถิ่น
- นาน
- ดู
- ที่ต้องการหา
- สูญเสีย
- ลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- แผนที่
- ความกว้างสูงสุด
- อาจ..
- หมายความ
- วัด
- มีเทน
- กลาง
- อาจ
- ล้าน
- แบบ
- การสร้างแบบจำลอง
- โมเดล
- ข้อมูลเพิ่มเติม
- ส่วนใหญ่
- มาก
- แห่งชาติ
- จำเป็นต้อง
- ต้อง
- ถัดไป
- ไม่
- of
- on
- ONE
- เพียง
- ไปยัง
- โอกาส
- ในแง่ดี
- or
- ออริกอน
- องค์กร
- อื่นๆ
- ตัวเรา
- ออก
- ค่าผิดปกติ
- สรุป
- เกิน
- แผง
- กระดาษ
- ส่วนหนึ่ง
- มีส่วนร่วม
- การมีส่วนร่วม
- ในสิ่งที่สนใจ
- ส่ง
- อย่างทุลักทุเล
- แบบแผน
- รูปแบบ
- ดำเนินการ
- งวด
- คน
- ฟิสิกส์
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- น่าเชื่อถือ
- นโยบาย
- ผู้กำหนดนโยบาย
- ส่วน
- เป็นไปได้
- โพสต์
- การปฏิบัติ
- คาดการณ์
- ทำนาย
- คำทำนาย
- การคาดการณ์
- เตรียมการ
- การเสนอ
- ปัญหา
- ก่อ
- ศาสตราจารย์
- ประมาณการ
- สัญญา
- Q & A
- RAIN
- ค่อนข้าง
- การอ่าน
- จริง
- โลกแห่งความจริง
- ปะยางรถ
- เมื่อเร็ว ๆ นี้
- หมายถึง
- ภูมิภาค
- ของแคว้น
- นักวิจัย
- คำตอบ
- ผล
- ผลสอบ
- กลับ
- ขวา
- แม่น้ำ
- ถนน
- วิ่ง
- กล่าวว่า
- เดียวกัน
- ซาน
- ซานดิเอโก
- พูดว่า
- ขนาด
- ตาชั่ง
- สถานการณ์
- สถานการณ์
- วิทยาศาสตร์
- วิทยาศาสตร์
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- ฤดูกาล
- เห็น
- ชุด
- เซสชั่น
- ครั้ง ราคา
- การตั้งค่า
- สั้น
- แสดง
- ด้าน
- ง่าย
- จำลอง
- การจำลอง
- สถานการณ์
- แตกต่างกันเล็กน้อย
- มีขนาดเล็กกว่า
- So
- สังคม
- ทางเศรษฐกิจและสังคม
- บาง
- ภาคใต้
- ที่เริ่มต้น
- สหรัฐอเมริกา
- ทางสถิติ
- สถิติ
- เข้าพัก
- ยังคง
- ตรง
- อย่างเช่น
- สรุป
- ซูเปอร์คอมพิวเตอร์
- ที่สนับสนุน
- การพัฒนาอย่างยั่งยืน
- ระบบ
- ระบบ
- เอา
- นำ
- การ
- คุย
- งาน
- ระยะ
- กว่า
- ที่
- พื้นที่
- ก้าวสู่อนาคต
- ของพวกเขา
- พวกเขา
- แล้วก็
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- คิด
- ที่สาม
- นี้
- ในสัปดาห์นี้
- เหล่านั้น
- สาม
- เวลา
- ไปยัง
- ในวันนี้
- วันพรุ่งนี้
- เอา
- เครื่องมือ
- รถไฟ
- การฝึกอบรม
- จริง
- ติดตามความคืบหน้า
- หัน
- สอง
- ภายใต้
- พื้นฐาน
- เข้าใจ
- ความเข้าใจ
- จนกระทั่ง
- us
- ใช้
- การใช้
- อย่างมากมาย
- ตรวจสอบ
- มาก
- ต้องการ
- คือ
- ทาง..
- วิธี
- we
- สภาพอากาศ
- สัปดาห์
- ดี
- อะไร
- เมื่อ
- แต่ทว่า
- ที่
- WHO
- จะ
- กับ
- ไม่มี
- งาน
- โลก
- แย่ที่สุด
- เขียน
- ปี
- ผล
- คุณ
- ลมทะเล