CCC підтримав три наукові сесії на щорічній конференції AAAS цього року, і якщо ви не змогли бути присутніми особисто, ми підведемо підсумки кожної сесії. Цього тижня ми підведемо підсумки сесії,Генеративний ШІ в науці: обіцянки та підводні камені.” У частині третій ми підсумовуємо доповідь доктора Дункана Уотсона-Перріса, доцента Інституту океанографії Скріппса та Інституту даних Халічіоглу Каліфорнійського університету в Сан-Дієго.
Після доповіді доктора Маркуса Бюлера про генеративний ШІ в механобіології доктор Уотсон-Перріс звернув увагу аудиторії на застосування генеративного ШІ в кліматичних науках. Він почав із того, що окреслив різницю між кліматом і погодою. Погода відноситься до короткострокових атмосферних умов, тоді як клімат описує довгострокові атмосферні умови. Коротше кажучи, клімат – це те, чого ви очікуєте, погода – це те, що ви отримуєте. «Одна з найбільших проблем, пов’язаних із кліматичним моделюванням, — каже Уотсон-Перріс, — полягає в тому, що ми маємо лише нещодавні дані, коли ми почали вимірювати клімат». Створення точних моделей, які передбачають майбутні кліматичні моделі та погодні явища, особливо складне, оскільки ми не можемо перевірити результати в реальному світі, доки ці події не відбудуться. Однак для більш короткострокових прогнозів, наприклад прогнозів погоди на наступні три дні, ми можемо легко перевірити точність цих моделей.
Промислові погодні моделі вже дуже точні. Ці моделі працюють з такою ж точністю, як і національні моделі прогнозування погоди для короткострокових оцінок (~3-7 днів). Однак однією з найбільших проблем із прогнозуванням погоди є вибірка початкових погодних умов. Як зазначила доктор Віллетт у своєму виступі, дуже незначні початкові умови можуть дати зовсім інші результати. Доктор Уотсон-Перріс каже, що це справедливо для симуляції погоди, яка може мати важливий вплив у реальному світі. У 2017 році в регіоні Каліфорнії та Орегону погодні умови, наведені нижче, спричинили атмосферну річку, яка викликала стільки дощів, що прорвало дамбу в Оровілі, спричинивши збитки на мільйони доларів. Цю подію було важко передбачити, тому що це була екстремальна подія, викид. Прогнози машинного навчання дозволяють нам робити набагато більшу кількість вибірок для прогнозування більш екстремальних погодних явищ, що дозволяє нам краще підготуватися до них.
Коли дослідники думають про кліматичну систему, пояснює доктор Уотсон-Перріс, розглядаючи більші масштаби та більші періоди часу, зрештою вони бачать, як виглядають середні хмари за сезонами, і вони можуть дивитися на статистику систем. Ця статистика регулюється граничними умовами земної системи – кількістю енергії, що надходить і виходить. Коли проблему сформульовано таким чином, ми можемо в середньому передбачити, де будуть хмари протягом сезонів, і є можливості для використання машинного навчання для вдосконалення та дослідження цих різних прогнозів. Одне із завдань кліматичних моделей – робити прогнози – розуміти, як зміниться клімат у майбутньому під різними впливами людини. Вони призначені для дослідження можливого майбутнього. Для цього дослідники генерують більш вірогідні соціально-економічні шляхи того, як суспільство може діяти в майбутньому.
Нижче наведено зображення доктора Уотсона-Перріса, яке зображує деякі можливі шляхи розвитку суспільства в майбутньому, які необхідно враховувати в цих кліматичних моделях. Ліворуч – модель сталого розвитку, яка до кінця століття зводить вплив клімату на нижчий рівень – кількість потепління, яке люди впливають на систему – на нижчому рівні. З іншого боку, сценарій розвитку викопного палива в правій частині є свого роду найгіршим сценарієм. Це дуже рідкісна вибірка шляхів, якими людство може дістатися до 2100 року.
На практиці, приймаючи рішення щодо кліматичного сценарію та спілкуючись із політиками, які хочуть зрозуміти вплив їхніх рішень, дослідники тренують прості емулятори кліматичних моделей. Ці емулятори враховують прогнози щодо різних викидів, таких як CO2 і метан, і короткочасних кліматичних факторів, таких як сажа та сульфат, і дослідники можуть імітувати реакцію цих кліматичних моделей на основі навчальних даних. «Ми можемо підібрати більш-менш складні моделі глобальної реакції глобальної середньої температури на ці викиди», — каже Уотсон-Перріс. «Ці моделі працюють досить добре, тому що вчені добре розуміють основну фізику. Але ніхто не живе в середній глобальній температурі, і ми будемо відчувати всі ці зміни по-різному, тому, щоб зрозуміти регіональні зміни, вчені беруть глобальне середнє значення та масштабують зміну моделі відповідно до регіональних ситуацій. Ці моделі працюють добре, але вони втрачають вплив, який ці викиди можуть мати на місцевому рівні. Наприклад, сажа, зокрема, викидається в основному в Південній Азії, і наслідки цього будуть відчуватися в основному в Південній Азії».
Якщо цю проблему сформулювати в налаштуваннях регресії, ми бачимо, що можуть бути можливості для машинного навчання. «У рамках Кліматична лавка У документі, який ми написали рік тому, — каже д-р Уотсон-Перріс, — ми сказали, що можемо взяти викиди та концентрації парникових газів і карти викидів сульфатів і сажі та регресувати їх безпосередньо на кліматичні моделі, щоб побачити прогнози. Нам також не потрібно обмежуватися температурою, ми можемо враховувати опади та інші змінні. Таким чином ми можемо створювати емулятори кліматичних моделей, які передбачають, що кліматична модель вироблятиме для заданої кількості викидів CO2, і дозволяють нам запускати ці моделі на ноутбуці, а не на суперкомп’ютері».
Потім д-р Уотсон-Перріс показав зображення 3 різних реалізацій глобальної реакції на температуру в стриманому сценарії кліматичної політики в середині дороги. Перші два стовпці – це емулятори машинного навчання, а третій – симуляція кліматичної моделі повної складності, яка зайняла тиждень на суперкомп’ютері. «Результати кожної з цих моделей майже не відрізняються», — каже Уотсон-Перріс. Ці кліматичні моделі дуже добре справляються з точним прогнозуванням цієї моделі потепління. Вони навіть добре справляються з прогнозуванням характеру опадів. Ці моделі покращують доступність та участь, а також дозволяють невеликим організаціям і політикам брати участь у прогнозуванні та дослідженні клімату без потреби у величезних обсягах фінансування чи інфраструктури.
Ці моделі не є генеративним штучним інтелектом, це моделі прямої регресії, і заданий вхід завжди повертатиме той самий результат. Однак сьогодні досліджуються можливості використання генеративних і дифузійних моделей для отримання імовірнісних розподілів погоди для створення погодних станів. Дослідники використовують ці моделі для прогнозування клімату та погодних умов у майбутньому, враховуючи різні сценарії зміни клімату. «Труднощі залишаються, — говорить доктор Уотсон-Перріс, — тому що досі немає «основної істини», щоб перевірити прогнози, і нам все ще потрібно з’ясувати, як відкалібрувати статистичні моделі, але це майбутнє прогнозування клімату, і я Я оптимістично налаштований, що ці інструменти підвищать доступність, участь і розуміння майбутнього науки про клімат».
Дякуємо за прочитання та чекайте на нас завтра, щоб опублікувати останню публікацію цієї серії блогів, яка підсумовує частину запитань і відповідей цієї панелі.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
- PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
- ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
- PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
- джерело: https://feeds.feedblitz.com/~/874057523/0/cccblog~CCC-AAAS-Generative-AI-in-Science-Promises-and-Pitfalls-Recap-%e2%80%93-Part-Three/
- :є
- : ні
- :де
- 2017
- a
- Здатний
- МЕНЮ
- доступність
- рахунки
- точність
- точний
- точно
- Діяти
- назад
- AI
- ВСІ
- дозволяти
- Дозволити
- майже
- вже
- Також
- завжди
- am
- кількість
- суми
- an
- та
- щорічний
- застосування
- ЕСТЬ
- AS
- Азія
- Помічник
- At
- atmospheric
- відвідувати
- увагу
- середній
- заснований
- BE
- оскільки
- почалася
- буття
- нижче
- Краще
- між
- Black
- Блог
- межа
- будувати
- але
- by
- Каліфорнія
- CAN
- вуглець
- випадок
- викликаючи
- CCC
- CCC Блог
- Століття
- зміна
- Зміни
- клімат
- Колони
- Приходити
- майбутній
- спілкування
- комплекс
- складність
- Умови
- конференція
- створення
- пошкодження
- дані
- наука про дані
- день
- Днів
- Вирішивши
- рішення
- описує
- призначений
- розробка
- Дієго
- різниця
- різний
- інакше
- важкий
- радіомовлення
- безпосередньо
- displayed
- Розподілу
- do
- доларів
- Не знаю
- вниз
- dr
- дункан
- під час
- кожен
- земля
- легко
- викиди
- кінець
- енергія
- особливо
- Навіть
- Event
- Події
- врешті-решт
- приклад
- очікувати
- Пояснює
- дослідження
- дослідити
- Розвіданий
- екстремальний
- почувати
- помилка
- Рисунок
- Перший
- відповідати
- для
- Війська
- примус
- Прогноз
- Прогнози
- викопне
- Викопне паливо
- від
- Паливо
- Повний
- фінансування
- майбутнє
- Ф'ючерси
- породжувати
- генерується
- генеративний
- Генеративний ШІ
- отримати
- GIF
- даний
- Глобальний
- глобальна відповідь
- Go
- буде
- добре
- хороша робота
- управляється
- рука
- Мати
- he
- її
- Високий
- основний момент
- Як
- How To
- Однак
- HTTPS
- величезний
- людина
- Людство
- Людей
- i
- зображення
- Impact
- Вплив
- важливо
- накладений
- удосконалювати
- in
- Augmenter
- Інфраструктура
- початковий
- вхід
- Інститут
- Установа
- в
- введені
- питання
- IT
- робота
- просто
- тримає
- Дитина
- портативний комп'ютер
- в значній мірі
- більше
- найбільших
- останній
- вивчення
- залишити
- менше
- рівень
- як
- Місце проживання
- локально
- Довго
- подивитися
- шукати
- втрачати
- знизити
- машина
- навчання за допомогою машини
- зробити
- карти
- макс-ширина
- Може..
- значити
- вимірювання
- метан
- Середній
- може бути
- мільйони
- модель
- моделювання
- Моделі
- більше
- в основному
- багато
- National
- Необхідність
- нужденних
- наступний
- немає
- of
- on
- ONE
- тільки
- на
- Можливості
- Оптимістичний
- or
- Орегон
- організації
- Інше
- себе
- з
- чуже
- окреслення
- над
- панель
- Папір
- частина
- брати участь
- участь
- приватність
- проходити
- шляхів
- Викрійки
- моделі
- Виконувати
- періодів
- людина
- Фізика
- plato
- Інформація про дані Платона
- PlatoData
- правдоподібний
- політика
- політиків
- частина
- це можливо
- пошта
- практика
- передбачати
- прогнозування
- прогноз
- Прогнози
- Готувати
- Presentation
- Проблема
- виробляти
- Професор
- Прогнози
- обіцяє
- Питання та відповіді
- RAIN
- швидше
- читання
- реальний
- Реальний світ
- Короткий огляд
- останній
- відноситься
- регіон
- регіональний
- Дослідники
- відповідь
- результат
- результати
- повертати
- право
- Річка
- дорога
- прогін
- Зазначений
- то ж
- Сан -
- Сан - Дієго
- говорить
- шкала
- ваги
- сценарій
- сценарії
- наука
- НАУКИ
- науковий
- Вчені
- сезони
- побачити
- Серія
- Сесія
- сесіях
- установка
- Короткий
- показаний
- сторона
- простий
- моделювання
- моделювання
- ситуацій
- трохи відрізняється
- менше
- So
- суспільство
- соціально-економічні
- деякі
- Південь
- Починаючи
- Штати
- статистичний
- статистика
- залишатися
- Як і раніше
- прямий
- такі
- підсумовувати
- суперкомп'ютер
- Підтриманий
- Sustainability
- система
- Systems
- Приймати
- прийняті
- взяття
- балаканина
- завдання
- термін
- ніж
- Що
- Команда
- Майбутнє
- їх
- Їх
- потім
- Там.
- Ці
- вони
- думати
- третій
- це
- На цьому тижні
- ті
- три
- час
- до
- сьогодні
- завтра
- прийняли
- інструменти
- поїзд
- Навчання
- правда
- налаштований
- Опинився
- два
- при
- що лежить в основі
- розуміти
- розуміння
- до
- us
- використання
- використання
- величезно
- перевірити
- дуже
- хотіти
- було
- шлях..
- способи
- we
- погода
- week
- ДОБРЕ
- Що
- коли
- в той час як
- який
- ВООЗ
- волі
- з
- без
- Work
- світ
- найгірше
- пише
- рік
- вихід
- Ти
- зефірнет