Un estudio realizado por científicos alemanes de Jena y Hamburgo, publicado hoy en la revista Naturaleza , muestra que la inteligencia artificial IA puede mejorar sustancialmente nuestra comprensión del clima y el sistema de la Tierra. Especialmente el potencial del aprendizaje profundo solo se ha agotado parcialmente hasta ahora. En particular, procesos dinámicos complejos como huracanes, propagación de incendios,y la dinámica de la vegetación se puede describir mejor con la ayuda de la IA. Como resultado, se mejorarán los modelos del clima y del sistema de la Tierra, con nuevos modelos que combinan inteligencia artificial y modelado físico.
En las últimas décadas, se han investigado principalmente los atributos estáticos utilizando enfoques de aprendizaje automático, como la distribución de las propiedades del suelo desde la escala local a la global. Desde hace algún tiempo, ha sido posible abordar procesos más dinámicos mediante el uso de métodos más sofisticadostécnicas de aprendizaje profundo. Esto permite, por ejemplo, cuantificar la fotosíntesis global en tierra con la consideración simultánea de variaciones estacionales y de corto plazo.
Deduciendo las leyes subyacentes de los datos de observación
"De una gran cantidad de sensores, un diluvio de datos del sistema de la Tierra ha estado disponible, pero hasta ahora nos hemos retrasado en el análisis y la interpretación", explica Markus Reichstein, director gerente del Instituto Max Planck de Biogeoquímica en Jena,miembro de la junta del directorio de Michael-Stifel-Center Jena MSCJ y primer autor de la publicación. "Aquí es donde las técnicas de aprendizaje profundo se convierten en una herramienta prometedora, más allá de las aplicaciones clásicas de aprendizaje automático, como el reconocimiento de imágenes, el procesamiento del lenguaje natural o AlphaGo,"agrega el coautor Joachim Denzler del Computer Vision Group de la Universidad Friedrich Schiller Jena FSU y miembro de MSCJ. Ejemplos de aplicación son eventos extremos como incendios o huracanes, que son procesos muy complejos influenciados por las condiciones locales pero tambiénpor su contexto temporal y espacial. Esto también se aplica al transporte atmosférico y oceánico, el movimiento del suelo y la dinámica de la vegetación, algunos de los temas clásicos del sistema terrestreCiencias.
Inteligencia artificial para mejorar el clima y los modelos del sistema terrestre
Sin embargo, los enfoques de aprendizaje profundo son difíciles. Todos los enfoques basados en datos y estadísticos no garantizan la consistencia física per se, dependen en gran medida de la calidad de los datos y pueden experimentar dificultades con las extrapolaciones. Además, el requisito de procesamiento de datos y capacidad de almacenamiento esmuy alto. La publicación discute todos estos requisitos y obstáculos y desarrolla una estrategia para combinar eficientemente el aprendizaje automático con el modelado físico. Si se combinan ambas técnicas, se crean los llamados modelos híbridos. Se pueden usar, por ejemplo, para modelar el movimiento deel agua del océano para predecir la temperatura de la superficie del mar. Si bien las temperaturas se modelan físicamente, el movimiento del agua del océano está representado por un enfoque de aprendizaje automático ". La idea es combinar lo mejor de dos mundos, la consistencia de los modelos físicos con la versatilidad del aprendizaje automático, para obtener modelos muy mejorados ", explica Markus Reichstein.
Los científicos sostienen que la detección y alerta temprana de eventos extremos, así como la predicción estacional y a largo plazo y la proyección del clima y el clima se beneficiarán enormemente de los enfoques discutidos de modelado híbrido y de aprendizaje profundo.
Fuente de la historia :
Materiales proporcionado por Friedrich-Schiller-Universitaet Jena . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :