滑鐵盧大學應用數(shù)學教授 Chris Bauch 是最近一篇研究論文的合著者，該論文報告了有關新深度學習算法的結果。Bauch 說，這項研究著眼于系統(tǒng)中發(fā)生快速或不可逆變化的閾值。

[[426429]]

“我們發(fā)現(xiàn)新算法不僅能夠比現(xiàn)有方法更準確地預測臨界點，而且還能夠提供關于臨界點之外的狀態(tài)類型的信息，”鮑赫說。“許多這些臨界點都是不可取的，如果可以的話，我們想阻止它們。”

一些通常與失控的氣候變化相關的臨界點包括北極永久凍土融化，這可能會釋放大量甲烷并刺激進一步快速加熱;洋流系統(tǒng)崩潰，這可能導致天氣模式幾乎立即發(fā)生變化;或冰蓋解體，這可能導致海平面快速變化。

據(jù)研究人員稱，這種人工智能的創(chuàng)新方法是，它被編程為不僅可以學習一種類型的臨界點，還可以學習一般臨界點的特征。

這種方法從人工智能和臨界點數(shù)學理論的混合中獲得了力量，比任何一種方法單獨完成的都多。在對 AI 進行了他們所描述的“可能的臨界點宇宙”(包括大約 500,000 個模型)的訓練后，研究人員在各種系統(tǒng)中的特定現(xiàn)實世界臨界點(包括歷史氣候核心樣本)上對其進行了測試。

“當我們接近危險的臨界點時，我們改進的方法可能會引發(fā)危險信號，”埃克塞特大學全球系統(tǒng)研究所所長、該研究的合著者之一蒂莫西·倫頓 (Timothy Lenton) 說。“提供更好的氣候臨界點預警可以幫助社會適應并減少他們對即將到來的事物的脆弱性，即使他們無法避免。”

深度學習在模式識別和分類方面取得了巨大進步，研究人員首次將臨界點檢測轉換為模式識別問題。這樣做是為了嘗試檢測在臨界點之前發(fā)生的模式，并讓機器學習算法判斷臨界點是否即將到來。

“人們熟悉氣候系統(tǒng)的臨界點，但生態(tài)學和流行病學甚至股票市場也存在臨界點，”麥吉爾大學的博士后研究員、該論文的另一位合著者托馬斯·伯里 (Thomas Bury) 說。“我們了解到，人工智能非常擅長檢測各種復雜系統(tǒng)共有的臨界點特征。”

該項目的另一位研究人員兼圭爾夫環(huán)境研究所所長 Madhur Anand 說，新的深度學習算法是“預測重大變化的能力的改變者，包括與氣候變化相關的變化”。

既然他們的 AI 已經(jīng)了解了臨界點的運作方式，該團隊正在開展下一階段的工作，即為其提供有關氣候變化當代趨勢的數(shù)據(jù)。但是阿南德警告說，有了這些知識可能會發(fā)生什么。

“這絕對讓我們有優(yōu)勢，”她說。“但當然，就我們?nèi)绾卫眠@些知識而言，這取決于人類。我只希望這些新發(fā)現(xiàn)將帶來公平、積極的變化。”