Эффект бабочки — идея о том, что бабочка, взмахнувшая крыльями в Южной Америке, может изменить направление торнадо в Техасе, — был популярным способом проиллюстрировать трудность прогнозирования поведения хаотических систем, таких как погода. Искусственный интеллект мог бы стать ключом к улучшению этих прогнозов.
Поскольку такие системы чрезвычайно чувствительны к своим начальным условиям, даже малейшие изменения могут направить их поведение в неожиданное русло.
Ученые довольно хорошо научились предсказывать погоду, по крайней мере, на 10 дней вперед. Но делать точные долгосрочные прогнозы о том, как меняется климат, остается сложной задачей.
Способность прогнозировать изменение климата важна, поскольку она может помочь принимать решения о страховом покрытии в районах, подверженных пожарам или наводнениям; она также может помочь архитекторам проектировать более безопасные и комфортные здания для жильцов в более теплом будущем.
Способности моделировать изменение климата препятствует огромное количество вычислительных мощностей, необходимых для моделирования всех аспектов климата, говорит Тапио Шнайдер, Theodore Y. Ву Профессор экологических наук и инженерии и старший научный сотрудник JPL.
Чтобы сделать глобальную климатическую модель точной, ей необходимо охватить мелкомасштабные процессы, такие как образование капель в облаках, по всей планете. Имитировать этот огромный спектр соответствующих процессов в настоящее время невозможно.
Вместо этого климатические модели вычисляют, как изменяются температура, ветры и океанские течения на сетке с горизонтальным разрешением около 50-100 километров. Процессы меньшего масштаба, такие как процессы в низкорасположенных морских облаках, которые помогают формировать климат, представлены грубыми приближениями, называемыми параметризациями.
Этим параметризациям часто не хватает прочной основы как в научных принципах, так и в данных.
Недавно группа ученых-климатологов предложила масштабный проект по моделированию климата в качестве решения. Проект будет состоять из серии центров, работающих на суперкомпьютерах, в каждом из которых работают 200-300 ученых. Целью было бы создание климатических моделей с разрешением в 1 километр.
Шнайдер говорит, что это может оказаться непростым делом.
«Запуск климатических моделей требует огромных вычислительных затрат”, — говорит Шнайдер. «Если вы хотите сделать вычислительную сетку в 10 раз тоньше в горизонтальной плоскости, вам потребуется вычислительная мощность в тысячу раз больше».
Шнайдер говорит, что проект такого рода истощил бы наши текущие вычислительные возможности и не смог бы представить мелкомасштабные процессы, необходимые для точного моделирования. По его словам, это позволило бы еще больше сконцентрировать ресурсы среди развитых стран, которые могли бы лучше финансировать такие центры, тем самым оставляя в стороне развивающиеся страны.
В статье, недавно опубликованной в журнале Nature Climate Change, Шнайдер и 13 других ученых со всего мира предлагают разработать модели с умеренно высоким разрешением (десятки километров), обеспечивающие более прочную научную основу для параметризации процессов меньшего масштаба, используя машинное обучение (подраздел искусственного интеллекта, или ИИ) для заполнения пробелов.
Исследователи говорят, что такое использование искусственного интеллекта позволит создавать надежные модели без необходимости в гигантских вычислительных центрах.