氣象衛星巨量資料吃不消，科學家找 AI 幫忙

隨著氣象衛星技術的進步帶來巨量的氣候資料，使氣象科學家現在也要仰賴人工智慧（AI）梳理所有資訊，希望能發現新的氣候模型，改善預測準確度。

《自然》（Nature）期刊網站刊登一篇文章指出，氣象現在已經是一個數據問題，而透過機器學習技術，人工智慧系統可隨著數據量的增加提高性能。這種方法非常適合氣候科學，光是單獨執行的高分辨率氣候模式就能產生數百億筆數據，英國國家氣象局維護的氣候數據存檔現在擁有約 45PB（PB＝1,024TB）的資料量，每天增加 0.085PB。

這方面的工作正在迅速發展，過去幾年研究人員利用人工智慧系統幫助科學家在真實與模擬的氣候資料中，排序氣候模式，定位氣旋與其他極端天氣事件，並確定新的氣候模式。

常規的電腦演算法依賴工程師輸入規則和事實，指導系統產生結果。常規電腦很難辨識人們認為理所當然的事情，譬如了解語言、閱讀手寫筆記或在雜亂數據庫中辨識某類別，如在 YouTube 影片發現貓。而機器學習系統以及模擬人腦複雜神經網路的深度學習系統，透過大量數據進行梳理後，可以自行產生規則。

科學家認為，氣候是另外一個複雜的主題，很適合使用深度學習方法來分析。2016 年研究人員報告首次使用深度學習系統來確定熱帶氣旋、大氣河流（atmospheric river）和鋒面，這些鬆散的特徵，通常取決專家判斷，而深度學習技術證實可以複製人類的專長。

現在位於加州勞倫斯伯克利國家實驗室（Lawrence Berkeley National Laboratory）團隊希望使用類似的技術研究各種極端氣候事件，包括尚未被定義的氣候模式。研究人員的最終目標是能更精準評估和預測氣候事件在面對氣候變化時的轉變方式，科學家認為這工作雖然不簡單，但不像深度學習的商業應用程式，如語言翻譯和圖像辨識那麼難。

美國明尼蘇達大學電腦科學家 Vipin Kumar 利用機器學習打造監測森林火災和評估去森林化的演算法，研究團隊使用一台已能辨識空氣壓力模式如聖嬰現象氣候模式的電腦，這套演算法在南太平洋塔斯曼海發現先前沒有被辨識的氣候案例。

喬治華盛頓大學電腦科學家 Claire Monteleoni 開發機器學習演算法，將氣候變化專門委員會使用的大約 30 個氣候模型建立一個加權平均數，科學家認為這種演算法產生比傳統方法更好的結果，且這些方法可以平等對待所有模型。

由於深度學習系統會制定自己的規則，所以研究人員通常無法解釋結果產生的原因，故有些科學家不敢仰賴黑盒子預測如洪水等緊急災難，因此不願意使用人工智慧代替自己的工作。

但即使如此，科學家認為人工智慧演算法最適合幫助測試下一代氣候模型，這些模型目的在融合複雜的氣候現象，如雲、大氣河流和海洋渦流的精細結構。然而，一些人工智慧演算法證明對天氣預報有用，2016 年來自美國國家氣象局（National Weather Service）9 位氣象學家在預測暴風持續時間時選擇人工智慧執行大約 75% 的工作。現在研究人員計畫將人工智慧演算法納入冰雹預報。

雖然大部分氣象專家仍使用傳統方法分析資料，但是科學家相信機器學習的參與程度會愈來愈高，氣象資訊學將成為一種顯學。

How machine learning could help to improve climate forecasts