Крис Баух, профессор прикладной математики в Университете Ватерлоо, является соавтором недавней исследовательской работы, в которой представлены результаты нового алгоритма глубокого обучения. По словам Бауха, в исследовании рассматриваются пороги, за которыми в системе происходят быстрые или необратимые изменения.
«Мы обнаружили, что новый алгоритм может не только более точно предсказать переломные моменты, чем существующие подходы, но также предоставить информацию о том, какой тип состояния находится за пределами переломного момента», – сказал Баух. "Многие из этих переломных моментов нежелательны, и мы хотели бы предотвратить их, если сможем."
Некоторые переломные моменты, которые часто связаны с безудержным изменением климата, включают таяние вечной мерзлоты в Арктике, которое может выделять массовые количества метана и способствовать дальнейшему быстрому нагреванию; разрушение систем океанических течений, что может привести к почти немедленным изменениям в погодных условиях; или распад ледяного покрова, что может привести к быстрому изменению уровня моря.
По словам исследователей, инновационный подход с этим ИИ заключается в том, что он был запрограммирован на изучение не только одного типа переломного момента, но и характеристик переломных моментов в целом.
Этот подход приобретает свою силу за счет гибридизации ИИ и математических теорий переломных моментов, позволяя достичь большего, чем любой из этих методов мог бы сам по себе. После обучения ИИ тому, что они называют «вселенной возможных переломных моментов», включающей около 500 000 моделей, исследователи проверили его на конкретных реальных переломных точках в различных системах, включая исторические образцы климатических кернов.
«Наш улучшенный метод может вызвать тревогу, когда мы близки к опасной переломной точке», – сказал Тимоти Лентон, директор Института глобальных систем в Университете Эксетера и один из соавторов исследования. "Обеспечение улучшенного раннего предупреждения о переломных моментах климата могло бы помочь обществу адаптироваться и снизить свою уязвимость к тому, что надвигается, даже если они не могут этого избежать."
Глубокое обучение делает огромные успехи в распознавании и классификации образов, и исследователи впервые превратили обнаружение переломных моментов в проблему распознавания образов.
Это делается для того, чтобы попытаться обнаружить закономерности, которые возникают перед переломным моментом, и заставить алгоритм машинного обучения сказать, наступает ли переломный момент.
«Люди знакомы с переломными моментами в климатических системах, но есть и переломные моменты в экологии, эпидемиологии и даже на фондовых рынках», – сказал Томас Бери, научный сотрудник Университета Макгилла и еще один соавтор статьи. «Мы узнали, что ИИ очень хорошо обнаруживает особенности переломных моментов, которые являются общими для самых разных сложных систем."
Новый алгоритм глубокого обучения «меняет правила игры, позволяя предвидеть большие перемены, в том числе связанные с изменением климата», – сказал Мадур Ананд, другой исследователь проекта и директор Института экологических исследований Гвельфа.
Теперь, когда их ИИ узнал, как работают переломные моменты, команда работает над следующим этапом – предоставить ему данные о современных тенденциях изменения климата. Но Ананд предупредил, что может произойти с таким знанием дела.
"Это определенно дает нам преимущество", – сказала она. "Но, конечно, человечество решает, что мы будем делать с этими знаниями. Я просто надеюсь, что эти новые результаты приведут к справедливым и позитивным изменениям."