气象卫星巨量资料吃不消，科学家找 AI 帮忙

　　随着气象卫星技术的进步带来巨量的气候资料，使气象科学家现在也要仰赖人工智能(AI)梳理所有资讯，希望能发现新的气候模型，改善预测准确度。
　　《自然》(Nature)期刊网站刊登一篇文章指出，气象现在已经是一个数据问题，而透过机器学习技术，人工智能系统可随着数据量的增加提高性能。这种方法非常适合气候科学，光是单独执行的高分辨率气候模式就能产生数百亿笔数据，英国国家气象局维护的气候数据存档现在拥有约 45PB(PB=1,024TB)的资料量，每天增加 0.085PB。
　　这方面的工作正在迅速发展，过去几年研究人员利用人工智能系统帮助科学家在真实与模拟的气候资料中，排序气候模式，定位气旋与其他极端天气事件，并确定新的气候模式。
　　常规的电脑算法依赖工程师输入规则和事实，指导系统产生结果。常规电脑很难辨识人们认为理所当然的事情，譬如了解语言、阅读手写笔记或在杂乱数据库中辨识某类别，如在 YouTube 影片发现猫。而机器学习系统以及模拟人脑复杂神经网络的深度学习系统，透过大量数据进行梳理后，可以自行产生规则。
　　科学家认为，气候是另外一个复杂的主题，很适合使用深度学习方法来分析。2016 年研究人员报告首次使用深度学习系统来确定热带气旋、大气河流(atmospheric river)和锋面，这些松散的特征，通常取决专家判断，而深度学习技术证实可以复制人类的专长。
　　现在位于加州劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory)团队希望使用类似的技术研究各种极端气候事件，包括尚未被定义的气候模式。研究人员的最终目标是能更精准评估和预测气候事件在面对气候变化时的转变方式，科学家认为这工作虽然不简单，但不像深度学习的商业应用程序，如语言翻译和图像辨识那么难。
　　美国明尼苏达大学电脑科学家 Vipin Kumar 利用机器学习打造监测森林火灾和评估去森林化的算法，研究团队使用一台已能辨识空气压力模式如厄尔尼诺现象气候模式的电脑，这套算法在南太平洋塔斯曼海发现先前没有被辨识的气候案例。
　　乔治华盛顿大学电脑科学家 Claire Monteleoni 开发机器学习算法，将气候变化专门委员会使用的大约 30 个气候模型建立一个加权平均数，科学家认为这种算法产生比传统方法更好的结果，且这些方法可以平等对待所有模型。
　　由于深度学习系统会制定自己的规则，所以研究人员通常无法解释结果产生的原因，故有些科学家不敢仰赖黑盒子预测如洪水等紧急灾难，因此不愿意使用人工智能代替自己的工作。
　　但即使如此，科学家认为人工智能算法最适合帮助测试下一代气候模型，这些模型目的在融合复杂的气候现象，如云、大气河流和海洋涡流的精细结构。然而，一些人工智能算法证明对天气预报有用，2016 年来自美国国家气象局(National Weather Service)9 位气象学家在预测暴风持续时间时选择人工智能执行大约 75% 的工作。现在研究人员计划将人工智能算法纳入冰雹预报。
　　虽然大部分气象专家仍使用传统方法分析资料，但是科学家相信机器学习的参与程度会越来越高，气象信息学将成为一种显学。