文章專區

在過去，建立氣候模型需要科學家透過數學方程式來描述陸地、海洋、空氣的交互作用，以及這些作用影響氣候的物理過程，再以超級電腦運行數週後，才能成功做出可預測全球氣候的模型，不僅耗時也耗能——若以典型的氣候模型模擬一個世紀的氣候，需要消耗高達10千瓩時（megawatt hour）的能量，相當於一個美國家庭的年用電量。不過現在，迅速發展的機器學習（machine learning）、人工智慧（artificial intelligence, AI）等工具有望改變科學家模擬氣候的方式，使他們可以更快速的建立出氣候模型。
 
研究人員主要透過三種方式進行AI氣候建模。第一種方法開發出名為「模擬器」（emulator）的機器學習模型，這類模型無須任何數學計算過程，就能產生與傳統模型相同的結果。比較兩者的差異，傳統的氣候模型為一種電腦應用程式，能夠根據物理因素來計算做預測，像是根據球的投擲力度、投擲地點、旋轉速度來判斷球將在何處落地。而模擬器則比較像是一名體育運動員，它能夠學習所有建模、輸出的模式，而後無需處理任何數學運算，就能夠預測出球將落在哪裡。
 
在去（2023）年的一項研究中，澳洲聯邦科學與工業研究組織（Commonwealth Scientific and Industrial Research Organisation）的氣候科學家基西奧斯（Vassili Kitsios）和他的同事，共同開發出15個機器學習模型，可模擬出15種以物理理論為基礎的大氣模型。隨後他們以傳統物理氣候模型中截至2100年對地表的氣溫預測資料，並針對其中兩種大氣碳濃度路徑（低碳排放情境、高碳排放情境）訓練這款名為「QuickClim」的氣候模擬系統。經過約30分鐘的訓練後，團隊使用QuickClim預測在中等碳排放情境下的地表溫度，發現它模擬、預測後的結果與傳統物理模型算出的結果十分吻合。基西奧斯表示，若是能使用更完整的資料，像是包含低、中、高碳排放的情境訓練QuickClim，它就能更快速分析數千條路徑，並預測在不同碳排放情境下21世紀的全球地表溫度將如何變化，且預測速度比傳統模型快約100萬倍。儘管如此，QuickClim模型仍不會取代傳統物理模型，這兩種模型將會透過相互協作、探索多種場景，為政府單位制定相關政策。
 
第二種AI氣候建模，則以更基本的方式打造。現有氣候資料中存在著一些未知、但具有基本規律的數據，這些規律可以用來預測未來的氣候。若是能找出這些隱藏的氣候模式與規律，就有望打造出比傳統模型更準確的氣候和天氣預報。在去年的一項研究中，來自加州大學（University of California）的電腦科學家格羅弗（AdityaGrover）與微軟（Microsoft）研究人員建構了第一個基礎模型，稱為ClimaX。團隊使用五個以物理為基礎的氣候模型資料進行訓練，模擬了1850∼2015年的全球天氣和氣候，分析包括氣溫、氣壓、濕度等因素，時間尺度從幾小時到幾年不等。ClimaX與模擬器的運作方式不同，它並非透過模仿現有氣候模型以進行訓練，而是透過大量過往留存下來的資料推估未來的氣候模式。團隊後續也針對訓練後的ClimaX進行微調，使它能夠執行更廣泛的任務。現階段，該模型可以根據輸入的二氧化碳、二氧化硫、碳、甲烷數值預測全球平均地表溫度、每日溫度範圍、降雨量。
 
加州理工學院（California Institute of Technology）氣候科學家施耐德（Tapio Schneider）表示，即使AI氣候氣候模型有一定的準確度，但仍很難說服所有人機器學習模型能夠勝過傳統方法。由於我們無法得知未來氣候的真實狀況，即便科學家可以使用過去的氣候資料建構出預測模型，但這些模型依舊無法完美地預估不可見的未來。施耐德推測，若這些模型能更準確的預測季節性天氣預報，那麼它們在長期氣候預測方面的能力將會更精準。
 
基於上述原因，第三種氣候模型融合了傳統、AI建模——將機器學習的元件嵌入傳統物理模型中，建構出混合模型。在這種情況下，機器學習模型僅會取代傳統模型中預測效果較差的部分，該部分通常是小規模、複雜、標準氣候模型中具有關鍵影響的建模，例如雲的形成、積雪、河流。這種混合模型的預測能力比單純以物理理論建構的模型更好，同時又比完全由AI建構的模型更令人信賴。
 
為此，施耐德與他的同事建立包含地球大氣層和陸地的物理模型，且模型中也含有機器學習元件。團隊後續根據歷史觀測值，使用該模型進行河流流量和積雪量的預測，也驗證了該模型的預測表現良好，預計在今（2024）年底完成一個可以與大氣、陸地模型耦合的海洋混合模型。團隊最終目標是創建地球系統的數位模型，此模型的一部分將由AI系統組成，以快速模擬各地的天氣、氣候，且精確度可達公里級。

（Adobe Stock）

 
新聞來源
Wong, C. (26 March 2024). How AI is improving climate forecasts. Nature, https://www.nature.com/articles/d41586-024-00780-8