隨著越來越多的產業採用人工智慧來解決一些最大的挑戰，機器可以幫助我們理解和解決氣候變遷問題嗎？
因此，您的手機可以識別您的臉部，並且您的銀行可以阻止任何與您的消費習慣不同的交易。你的網路超市會因為你買過一次燕麥奶而向你推出純素產品，而你的線上電影平台會在你上個月看完肥皂劇後不斷向你投放 B 級電影。
我們越來越多的設備和服務依賴人工智慧 (AI)，這項技術不斷在我們生活的越來越多的領域中發展和出現。科學家、企業家和政府正在利用人工智慧探索社會一些最大挑戰的解決方案。弄清楚地球氣候如何變化以及它在未來如何演變是當務之急。但是，雖然科技正在幫助我們更好地理解大量數據，但它的智慧如何幫助我們實際減輕環境變化並適應未來？
「當人們說『人工智慧』時，他們通常指的是機器學習 (ML)，這是一組可以從數據中學習的演算法，」賓州大學助理教授 David Rolnick 博士說。 “人工智慧通常不會比人類做得更好，但它通常會更快，並且能夠從大量數據中挑選出模式。”正是這種快速處理大量數據、提煉資訊和尋找聯繫的能力，使人工智慧成為跨行業的遊戲規則改變者。
對於氣候科學和氣候變遷監測也是如此。衛星正在以前所未有的水平收集氣候相關數據。天氣預報的詳細程度是革命性的。氣候模型和情境仍存在許多不確定性。科學家正在利用人工智慧來管理這個數據密集領域，以完善氣候科學並產生更準確的預測，使社會和自然能夠適應未來。 「ML 使您無需物理理解即可從數據中學習複雜的行為，」ECMWF 研究員 Peter Dueben 博士說。 「我們擁有的數據越多，工具就越好。隨著我們擁有越來越多的數據，機器學習工具將會變得越來越好。這意味著這些工具對於領域科學家來說將越來越有用。
人工智慧可以幫助科學家讀取衛星圖像並產生預測
牛津大學首席資料科學家和 AI 科學家 Natalyia Tkachenko 博士表示：「使用機器可以幫助我們測量和監控現實世界，這是為不確定的未來做出更好決策的關鍵」。 「人工智慧最真實的形式並不是真正涉及數據本身，而是主要關注在複雜世界中尋找模式和連結；最終的遊戲始終是決策或處理過的資訊。
科學家們已經成功地利用人工智慧產生了更詳細的地球圖像。 “人工智慧非常擅長提供空間信息，這是它的超能力之一”，歐洲太空總署 Phillab 探索辦公室主任 Pierre-Phillippe Mathieu 博士說。哥白尼大氣監測服務 (CAMS) 主任 Vincent Peuch 博士對此表示同意：「它在比較衛星影像和自動追蹤土地覆蓋變化方面非常有效，適合世界上缺乏地面監測的地區。它還有助於加快計算機模型的速度，並降低其運行成本，特別是對於需要快速週轉的詳細天氣預報。
Peuch 博士表示，哥白尼的氣候變遷服務 (C3S) 和 CAMS 正在測試並使用人工智慧來發現土地和樹木覆蓋的變化，完善城市規模的空氣品質預測並自動處理衛星影像。
在南極洲西海岸附近的阿蒙森海，來自圖靈研究所的英國南極調查局 (BAS) 的專家使用機器學習技術來發現、追蹤和追蹤冰山如何分裂成更小、更窄的碎片，並訓練人工智慧演算法來預測未來的海冰。反過來，人工智慧使他們能夠解釋這些預測，並可能獲得關於氣候變量如何在空間和時間上相互影響的新見解。
解決環境和社會問題（無論大小）的人工智慧應用程式池不斷湧現擴大。華盛頓大學正計劃利用人工智慧來追蹤並更好地預測海洋熱浪；坦尚尼亞的保育資源中心將利用人工智慧對野生動物和人類活動進行空中調查，試圖防止動物與人類的衝突。波士頓市已經測試過綠色城市觀察的基於人工智慧的樹木清單軟體，可以準確檢查城市樹冠的數量和健康狀況，為公共政策提供資訊。
農業也正在收穫人工智慧的好處。微軟的 Azure 雲端平台 FarmBeats 匯集了來自感測器、攝影機、拖拉機和無人機的數據，並基於組合數據集建立機器學習模型，以監控農業並提高農民對氣候變遷的抵禦能力。 「種植者根據天氣確定種植、澆水、收穫和其他做法的時間，」Microsoft Azure Global 首席科學家 Ranveer Chandra 說。 「但是，可用的天氣預報來自氣象站，而不是農場。我們的一種人工智慧演算法將詳細的天氣模型、氣象站數據與農場的感測器結合起來，對農場的天氣進行超本地預測。透過填補農場數據的空白，該解決方案可以預測改善農民決策的價值。
預測氣候變遷的新強大工具？
人工智慧的一項雄心勃勃的使命是創造地球的數位孿生，或是地球系統和過程的複製品。 「這將是地球上的一個數位實驗室，我們可以在這裡進行實驗，以便我們制定政策並評估結果，」馬蒂厄博士說。 BAS 環境數據科學家 Scott Hosking 博士表示：“我們已經擁有用於開發自然環境數位孿生的人工智慧建立模組，並最終實現數位孿生地球。” 「我們無法按照所需的詳細程度監控不斷變化的地球的各個方面。透過開發自然環境的數位孿生，我們可以智慧地集中採樣，這將改變偏遠和惡劣環境的遊戲規則，例如電池電量和可及性具有挑戰性的極地地區。這些資訊可以實時用於指示無人機和自動潛艇艦隊下一步該去哪裡，以提高未來測量的有效性。
但人工智慧還不是萬無一失的。專家警告說，在氣候預測方面，沒有足夠的數據來訓練演算法。 「人工智慧需要接受歷史資料的訓練，」大氣與環境研究 (AER) 季節性預報主任兼麻省理工學院氣候學家 Judah Cohen 博士解釋道。 「我們訓練的數據可以追溯到 1979 年，當時衛星得到了廣泛使用，但這並沒有提供足夠的歷史案例來獲得最佳的人工智慧解決方案。一種方法是用模型創建合成數據，但模型數據是否與歷史數據一樣好還是一個懸而未決的問題。
此外，正如羅爾尼克博士所說，人工智慧無法取代氣候物理學。 「人工智慧有其局限性，」歐空局的馬蒂厄博士補充道。 「你總是能找到數據之間的相關性，但這並不一定意味著那裡也存在因果關係；所以你需要能夠根據物理學給出解釋的專家。
ECMWF 的 Dueben 博士表示，天氣預報模式也是如此。 「有人聲稱，人工智慧和機器學習可以在即時預報（未來幾個小時的天氣預報）和一些多年預測方面擊敗傳統工具。然而，機器學習不太可能擊敗大多數其他預測，從而“取代”天氣預報模型，因為它們在大多數應用中都不會那麼準確。
由於訓練有素的人工智慧系統只能在其接受過訓練的領域中發揮良好作用，因此還會出現其他挑戰。 「你必須確保你將它用於訓練的值範圍，」Peuch 博士說。 “否則你可能會得到虛假結果。”這意味著，儘管演算法可以很好地理解其創建來處理的數據，但向其提供超出其作用範圍的數據可能會產生不準確的結果。但在氣候研究中，變化的不僅是數據，還有氣候本身。 「當我們談論氣候變遷時，演算法需要非常複雜；因為氣候持續變化；人們需要小心，人工智慧不僅僅利用過去來預測未來，」CAMS 主任補充道。
當涉及氣候變遷問題時，演算法的選擇也是一個艱難的選擇。 「人工智慧技術有很多種，從人工智慧菜單中選擇最佳的一種進行氣候預測並非易事，」科恩博士解釋道。 “我認為選擇和優化一種能夠對當前氣候預測產生不僅僅是微小改進的人工智能演算法將是一個挑戰。”
人工智慧技術也引發了我們如何取得和處理數據的問題。 「對於傳統的天氣觀測來源的資料隱私並沒有太多的擔憂，」杜本博士說。 「然而，所謂的『物聯網』（IoT）數據目前幾乎不用於天氣預報，但可能在未來帶來重大改進。例如，這些是來自行動電話或其他「眾包」資料產品的觀察結果。這些都會伴隨著資料隱私問題。特卡琴科博士更進一步認為，如果進入決策公式的原始數據被竄改，可能會產生負面結果。 「因此，就像我們在現成餐盒上列出成分一樣，我們可能也想知道人工智慧是如何設計的以及哪些數據來源成為其中的一部分，」特卡琴科說。
最後，氣候和環境科學家可以藉鏡其他產業對人工智慧的使用嗎？ 「只有在存在需要人工智慧的現有問題時才使用人工智慧，」羅爾尼克博士警告。 「很容易被華而不實的技術分散注意力。在每個應用程式中，必須確保人工智慧正在添加一些東西。人工智慧的應用應由其最終影響驅動，並應與使用該技術並從中受益的利害關係人共同開發。一個很大的陷阱是想像人工智慧會神奇地解決問題。人工智慧很強大，但它只是可用作氣候變遷策略一部分的眾多工具之一。
