气候科学中的人工智能革命

伦敦—我们刚刚见证了地球科学范式转变的开始。今年7月发表在《自然》杂志 上的一篇论文显示，某神经网络（人工智能）的天气预测优于欧洲中期天气预报中心（European Center for Medium-Range Weather Forecasts），后者拥有世界上最先进的预报系统。接着在11月，谷歌的DeepMind宣布其天气预报人工智能已经产生了更强的预测。

传统的天气预报方法是使用在某个时间点进行的观测作为基于物理原理的方程的初始条件。相比之下，人工智能将摄取在长时间内收集的数据，然后“学习”传统方程式必须明确描述的动态。传统方法和基于人工智能的方法都依赖于超级计算机，但人工智能不需要形式上的理论。

天气预报决定了飞机飞行的时间和地点，船只的航线，并帮助管理多变环境带来的各种民事和军事风险。这很重要。人工智能在该领域的应用还处于相对早期的阶段，与其他领域一样，还有很多工作要做，但人工智能驱动的预测可能会取代熟练劳动力，因为神经网络不需要动态气象学知识（ 《自然》 论文的作者就是没有这一背景的工程师）。但其影响并不止于此。

控制论之父诺伯特·维纳（Norbert Wiener）在1950年代写到统计预测问题时指出，如果我们已经知道一个表现出某些特性的系统的历史，那么增加决定其动态的方程的知识并不一定会改善我们的预测。维纳所做的基本上是一个卢理论性观点，因为当时观测、数据、计算能力和其他因素的局限性不允许其他任何因素。但现在，他的论点触及了问题的核心，抓住了人工智能最新进展的更广泛影响。

在过去的短短几年里，我们对地球的观测数据大大增加。从1993年到2003年，只有25颗地球观测卫星被发射到太空；但在 2014 年到 2022 年期间，这一数字飙升至 997 颗，使目前在轨的地球观测卫星和其他卫星总数达到约 7,560 颗。凭借庞大的空间基础设施，从植物生长、水蒸气和基础设施安装，到红外辐射、冠层高度和大气状态的测量，我们几乎可以传输任何数据，我们已经进入了地球观测的黄金时代。

这个不断增长的数据档案描述了我们和大自然在地球上所做的几乎一切。与新的人工智能模型和我们不断扩展的计算基础设施相结合，它可能会颠覆我们对地球的理解以及我们在地球上的角色。

Winter Sale: Save 40% on a new PS subscription

Winter Sale: Save 40% on a new PS subscription

At a time of escalating global turmoil, there is an urgent need for incisive, informed analysis of the issues and questions driving the news – just what PS has always provided.

Subscribe to Digital or Digital Plus now to secure your discount.

Subscribe Now

以气候变化为例。在过去的 40 年里，人类对气候危机的反应一直由政府间气候变化专门委员会（PICC）指导，这是一个按学科划分的科学机构：物理科学使用与天气预报中使用的模型有很多共同之处的大型地球系统模型，而经济学家和地理学家则分别量化适应和缓解政策对我们社会的影响并关注其作用。

这种分工——反映在IPCC的三方工作组中——与方法论的分工相对应。基于物理学的地球系统模型遵循第一性原理方程，经济学家和影响建模者使用一系列经验方法和不可约理论。

人工智能可能颠覆这一切。它不太可能完全取代传统气候模型——我们的观测记录还不够长，无法提供几个世纪以来气候现象的丰富统计图景——但它已经在该领域发挥了重要作用 。

更重要的是，对我们来说，最重要的不是气候系统的行为方式，而是它如何影响我们和其他生物生活的世界。人工智能模型——与任何当前的科学理论或学科范式无关——可以帮助我们推断，甚至可能预测，总体图景上的生物量如何随时间变化。反过来，这可以改善我们管理森林和农业的方式，构建火灾或洪水风险的诊断工具和预警系统，了解能源经济学与这些变化的联系，或预测它们对总体经济甚至气候谈判的影响。所有这些都将建立在人工智能如何加速向低碳经济过渡的基础上。

当然，人工智能不能代替科学理解。科学仍将是人类的基本追求，其价值更多地在于提出正确的问题，而不仅仅是从数据中提取答案。尽管如此，我们应该尽量充分利用人工智能的兴起所预示的认识论转变。它可以帮助我们识别至今尚未进入该学科范围的新的可观察现象。它可以帮助我们管理过于复杂而无法进行理论化的景观尺度系统。它是打破学科界限的终极探索工具。

这种转变也带来了深刻的政策挑战。推动这一进程的基础设施——地球观测卫星和计算——越来越多地由私营部门控制。地球观测卫星的最大所有者是一家名为Planet Labs的公司。从IBM和英伟达（Nvidia）到DeepMind和华为（7月份《自然》论文的作者就来自华为），高科技公司处于机器学习的前沿。凭借无与伦比的资本和资源，这些公司可以轻松超越大多数公共研究中心。有些公司可能非常慈善，但它们最终没有义务提供公共产品或担心公平获得其基础设施。

当我们努力应对数字革命的影响和眼前正在发生变化的自然环境时，人工智能可能是解开一些超出我们理解的复杂性的关键。但是，由于研究手段牢牢掌握在私人手中，政策制定者需要保持警惕，以确保这些新工具提供公共产品，而不仅仅是私人利益，并且向它们提出的问题产生的答案要为各国的合法政策目标提供信息。