AI加速气候研究进程，从天气预报到沙丁鱼种群分析——彭博社

6月18日卫星拍摄的飓风埃里克在墨西哥太平洋沿岸盘旋的画面。

图片来源：美国国家海洋和大气管理局在极端天气日益恶化、美欧等国科研经费削减的背景下，人工智能正为气候研究项目注入亟需的推动力。

虽然生成式AI因训练复杂模型需要消耗大量电力而备受争议，但它也承载着推动科学进步的潜力。

延伸阅读：联合国秘书长呼吁科技公司2030年前实现AI清洁能源供电

“这是巨大的进步，“西班牙北部AZTI海洋研究中心的生物学家安赫尔·博尔哈表示，“它能让我们更快处理数据并获得结果，决策者也能更迅速采取行动。”

彭博绿色* 免费空调计划为致命高温下的人们带来希望

• 美国税收法案或致埃克森美孚推迟氢能及低碳项目
• 英国交易商Javelin获准收购美国发电厂股份
• 南非考虑为大城市推出洪水保险 研究人员正在训练现有AI模型并开发新系统，以完成原本需要数人耗时数周甚至数月的基础工作。从海底科考到南极腹地探险收集的数据，如今仅需数小时即可完成分类整理。

诚然，一些科学家警告称，生成式人工智能的应用存在风险。项目减排执行主任乔纳森·弗利表示，机器学习技术是工具，绝不能取代人类的思考、写作和分析。该组织利用科学数据为气候解决方案提供指导，已将人工智能助手的使用限制在简单任务上，如检查语法、格式化文档和从分散的来源抓取信息。

“从定义上讲，生成式人工智能依赖于抄袭（尽管是统计意义上的），并且经常捏造信息、引用、数据和创意内容，”弗利说。

但这并没有阻止其他研究人员继续前进。以下是三个例子。

人工智能帮助海洋研究人员“更快得出结论”

博尔哈记得45年前开始从事科学工作时，他手动收集数据，并将数百项测量结果填入数据库。计算机和互联网的兴起帮助加快了部分工作。但他表示，过去三四年人工智能的发展感觉完全不同，更具变革性。

“我年轻的同事们担心人工智能会抢走他们的工作，会让我们变得多余，”他说。“事实恰恰相反：我们之所以能取得如此大的进步，是因为人工智能正在做那些耗费我们大量时间的常规工作，我们将能够专注于解释这些数据。”

博尔哈说，人工智能将极大地提升该中心为政策制定者提供支持的能力，使他们能够做出更明智的决策。AZTI的科学家们与政策制定者密切合作，除其他事项外，还负责确定捕捞配额和建立海洋保护区。

尖吻鲈在水下游动。摄影师：Linh Pham/彭博社ATZI研究人员开始将三十年来收集的数百万个数据点输入AI模型。这些数据包括从水质到不同类型鱼类和浮游生物的存在等一切信息。该模型随后生成研究笔记，告诉科学家数据库中包含哪些信息以及其结构如何，使研究人员能更轻松地决定在调查中使用哪些数据集。

该中心还利用研究考察中拍摄的视频和图片来训练另一个模型，以识别不同类型的鱼类和海洋生物。目前这项任务需要科学家观看数百小时的水下视频片段，并手动记录出现的物种、位置、频率和数量。

“这将使我们更快地对某些地方的海洋环境状况得出结论，“博尔哈说。“我预计在未来五年内，我们将看到AI在科学领域的应用爆炸式增长，其方式甚至是我现在无法想象的。”

天气预报变得更加准确

一些由AI驱动的模型已经超越了传统的预报系统。微软公司的Aurora模型接受了超过一百万小时的各种地球物理数据训练。在其创建者设定的91%的目标中，它比欧洲中期天气预报中心的传统模型和Google DeepMind的AI模型GraphCast更准确。

根据微软研究院员工在《自然》杂志五月刊发表的研究论文，该系统能预测空气质量、海浪和热带气旋路径等多种数据。研究人员表示，与传统模型相比，奥罗拉执行这些任务所需的计算成本仅为极小部分。

微软研究院发言人表示：“奥罗拉等AI模型能让气候科学家探索比现在多数百倍的情景，帮助大规模解锁新发现。”

与传统气象模型相比，AI模型某种程度上如同黑箱，这令部分预报员感到不安。但高质量气象信息是建立极端事件预警系统的第一步，能为民众争取避难时间。

公民科学家获得AI助力

去年发表于《公民科学：理论与实践》的论文指出，人类与AI结合能为科研带来最佳成果。论文第一作者、英国开放大学计算机科学家尼尔万·夏尔马早在2010年就开始将自然语言生成技术（生成式AI的前身）应用于公民科学项目。

人们被鼓励在树林中散步或花园工作时，向夏尔马及其研究团队发送熊蜂的照片。随后，人工智能会识别出他们发现的22种英国蜜蜂物种中的哪一种，研究人员则会验证AI的工作成果。最后，公民科学家们将收到一封自动发送的电子邮件，感谢他们的贡献，并揭示他们所拍摄蜜蜂的种类。

一只熊蜂和一只蜜蜂。摄影师：David Paul Morris/Bloomberg这个模型是阿伯丁大学与熊蜂保护信托基金会的合作项目，其正确识别物种的概率约为一半，与未经训练的人类用户相当。最初，大约需要10个人才能正确识别蜜蜂的种类。随着模型学习更多，所需人数减少至最低三人。

利用多年来收集的大量照片，研究人员训练模型识别蜜蜂所栖息的植物，使其能够根据公民科学家希望吸引的蜜蜂种类提供种植建议。

“关于如何识别物种的许多知识都封存在科学期刊或人们难以获取的地方，”夏尔马说。“人工智能是提升我们学习能力的另一块拼图——它是与这些知识对话的一种方式。”