Ny AI kan afsløre klimaforandringspunkter

Forskere ved University of Waterloo udvikler en ny kunstig intelligens (AI), der kan fungere som et tidligt advarselssystem mod klimaforandringspunkter. Den nye forskning fokuserer på grænserne for, hvortil hurtig eller uoprettelig forandring sker i et system.

Chris Bauch er professor i anvendt matematik ved University of Waterloo og medforfatter til forskningspapiret.

“Vi fandt ud af, at den nye algoritme ikke kun kunne forudsige klimaforandringspunkterne mere præcist end eksisterende metoder, men også give information om, hvilken type tilstand ligger ud over punktet,” sagde Bauch. “Mange af disse punkter er uønskede, og vi ville gerne forhindre dem, hvis vi kan.”

Klimaforandringspunkter

Disse forskellige klimaforandringspunkter kan omfatte smeltning af arktisk permafrost, der kan frigøre store mængder metan, der fører til yderligere hurtig opvarmning. Det omfatter også sammenbruddet af oceaniske strømsystemer, der kan resultere i øjeblikkelige ændringer i vejrpatroner. En anden mulighed er iskappeens opløsning, der kan forårsage hurtig havniveauændring.

Ifølge forskerne er denne nye tilgang innovativ, da den er programmeret til at lære om mere end én type klimaforandringspunkt. I stedet lærer den egenskaberne ved klimaforandringspunkter i almindelighed.

Den nye algoritme er baseret på en hybridisering af AI og matematiske teorier om klimaforandringspunkter, hvilket resulterer i bedre resultater end blot én metode på egen hånd. AI’en er trænet på en “univers af mulige klimaforandringspunkter”, der omfatter omkring 500.000 modeller. Den testes derefter på specifikke virkelige klimaforandringspunkter i forskellige systemer, såsom historiske klimakernesprøver.

Timothy Lenton er direktør for Global Systems Institute ved University of Exeter og en af de andre medforfattere til studiet.

“Vores forbedrede metode kunne rejse røde flag, når vi er tæt på et farligt klimaforandringspunkt,” sagde Lenton. “At give bedre tidlig advarsel om klimaforandringspunkter kunne hjælpe samfundene med at tilpasse sig og reducere deres sårbarhed over for, hvad der kommer, selv om de ikke kan undgå det.”

Dybe Læringsalgoritme

Forskerne har brugt dyb læring, der i stigende grad har en positiv indvirkning på mønstergenkendelse og klassificering. Forskerne har omdannet klimaforandringspunkt-detektion til et mønstergenkendelsesproblem for første gang, og dette hjælper med at detektere mønstrene, der er til stede før et klimaforandringspunkt. Dette hjælper igen en maskinlæringsalgoritme til at kunne sige, om et klimaforandringspunkt er på vej.

Thomas Bury er en postdoc-forsker ved McGill University og en af de andre medforfattere til papiret.

“Mennesker er bekendt med klimaforandringspunkter i klimasystemer, men der er også klimaforandringspunkter i økologi og epidemiologi og endda på aktiemarkederne,” sagde Bury. “Det, vi har lært, er, at AI er meget god til at detektere egenskaber ved klimaforandringspunkter, der er fælles for en bred vifte af komplekse systemer.”

Madhur Anand er en af de andre forskere og direktør for Guelph Institute for Environmental Research.

Ifølge Anand er den nyligt udviklede dybe læringsalgoritme en “spilvender for evnen til at forudse store ændringer, herunder dem, der er forbundet med klimaforandringer”.

Holdet vil nu arbejde med at give AI’en data om samtidige tendenser i klimaforandringer. Men Anand advarer om, at udfaldet afhænger af, hvordan disse resultater bliver brugt.

“Det giver os absolut en fordel,” sagde hun. “Men selvfølgelig er det op til menneskeheden, hvad vi gør med denne viden. Jeg håber bare, at disse nye resultater vil føre til retfærdige, positive ændringer.”