Ny AI kan avslöja klimatförändringens tippingpunkter

Forskare vid University of Waterloo utvecklar en ny artificiell intelligens (AI) som kan fungera som ett tidigt varningssystem mot klimatförändringens tippingpunkter. Den nya forskningen fokuserar på trösklar bortom vilka snabb eller oåterkallelig förändring sker i ett system.

Chris Bauch är professor i tillämpad matematik vid University of Waterloo och är medförfattare till forskningsartikeln.

“Vi fann att den nya algoritmen kunde inte bara förutsäga tippingpunkterna mer exakt än befintliga metoder, utan också ge information om vilken typ av tillstånd som ligger bortom tippingpunkten”, sa Bauch. “Många av dessa tippingpunkter är önskvärda, och vi vill förhindra dem om vi kan.”

Klimatförändringens tippingpunkter

Dessa olika klimatförändringens tippingpunkter kan inkludera smältning av arktisk permafrost, som kan släppa ut stora mängder metan som leder till ytterligare snabb uppvärmning. Det inkluderar också sönderfallet av havsströmmar, som kan resultera i omedelbara förändringar i vädermönster. En annan möjlighet är isärans sönderfall, som kan orsaka snabb havsnivåförändring.

Enligt forskarna är denna nya metod innovativ eftersom den programmerades för att lära sig om mer än en typ av tippingpunkt. Istället lär den sig egenskaperna hos tippingpunkter i allmänhet.

Den nya algoritmen baseras på hybridisering av AI och matematiska teorier om tippingpunkter, vilket resulterar i bättre resultat än bara en metod på egen hand. AI:n tränas på en “universum av möjliga tippingpunkter”, som inkluderar cirka 500 000 modeller. Den testas sedan på specifika verkliga tippingpunkter i olika system, såsom historiska klimatkärnprover.

Timothy Lenton är chef för Global Systems Institute vid University of Exeter och en av de andra medförfattarna till studien.

“Vår förbättrade metod kan höja röda flaggor när vi är nära en farlig tippingpunkt”, sa Lenton. “Att tillhandahålla förbättrad tidig varning för klimatförändringens tippingpunkter kan hjälpa samhällen att anpassa sig och minska sin sårbarhet för vad som kommer, även om de inte kan undvika det.”

Deep Learning-algoritm

Forskarna förlitade sig på deep learning, som alltmer påverkar mönsterigenkänning och klassificering på ett positivt sätt. Forskarna har omvandlat tippingpunktsdetektering till ett mönsterigenkänningsproblem för första gången, och detta hjälper till att upptäcka mönster som finns före en tippingpunkt. Detta i sin tur hjälper en maskinlärningsalgoritm att avgöra om en tippingpunkt är på väg.

Thomas Bury är en postdoktorand vid McGill University och en av de andra medförfattarna till artikeln.

“Människor är bekanta med tippingpunkter i klimatsystem, men det finns tippingpunkter i ekologi och epidemiologi och till och med på aktiemarknaden”, sa Bury. “Vad vi har lärt oss är att AI är mycket bra på att upptäcka egenskaper hos tippingpunkter som är gemensamma för en mängd olika komplexa system.”

Madhur Anand är en av forskarna och chef för Guelph Institute for Environmental Research.

Enligt Anand är den nyligen utvecklade deep learning-algoritmen en “game-changer för förmågan att förutse stora förändringar, inklusive de som är associerade med klimatförändring”.

Teamet kommer nu att ge AI:n data för samtida trender i klimatförändring. Men Anand varnar för att resultatet beror på hur dessa fynd används.

“Det ger oss definitivt en fördel”, sa hon. “Men naturligtvis är det upp till mänskligheten vad vi gör med denna kunskap. Jag hoppas bara att dessa nya fynd kommer att leda till rättvis, positiv förändring.”