导读 已经开发出一种新的冰川模型，它可以模拟冰动力学和冰与气候的相互作用，速度比以前的模型快一千倍。该模型可用于预测不同情景下冰川和冰盖

已经开发出一种新的冰川模型，它可以模拟冰动力学和冰与气候的相互作用，速度比以前的模型快一千倍。该模型可用于预测不同情景下冰川和冰盖的演化。由于来自冰川和冰盖的融水是海平面上升的主要组成部分，因此此类模型是评估其未来潜在贡献的宝贵工具。

新模型使用机器学习方法，使冰川建模速度更快，同时保持高保真度(模拟或模型准确再现其设计代表的对象或过程的程度)。因此，可以进行更多具有不同输入和假设的模型模拟，从而调查更广泛的问题。

与完善的模拟工具相比，最先进的InstructedGlacier模型非常高效。它实现了一个人工神经网络，这是一个模拟我们大脑中的神经网络的计算机系统。他们通过输入来自冰盖模型的数据来“训练”神经网络，使其能够模拟冰的动力学。这种训练过程称为机器学习，它被认为是人工智能领域的一部分。人工智能之前的建模方法需要大量的人工输入、监督和决策，而通过机器学习，计算机系统可以自行导航更新模型的人工过程。

首席开发人员、苏黎世大学高级研究员 Guillaume Jouvet 解释说：“机器学习从物理模型生成的数据中学习是一种新趋势。” 基于物理的模型(也称为物理模型)长期以来一直用于了解地球系统中发生的物理过程，而不依赖于任何人工智能。

即使在今天，以高空间分辨率对冰盖和冰川进行物理建模也是一项巨大的挑战。在过去的二十年里，人们做出了非凡的努力来开发模型来模拟冰流及其相关的物理过程，以及它与气候的相互作用。增加模型的复杂性会增加模拟的计算成本，因此大多数模型通常使用斯托克斯方程的近似值，这些方程最忠实地描述了冰流，需要在精度和计算成本之间进行折衷。Jouvet 描述了过渡到机器学习的主要动机是“在某种程度上，你正在缩短你的物理建模，使计算上的增益更便宜。”

GlacierHub 与科罗拉多大学博尔德分校的 Laura Sandoval 进行了交谈，后者领导了对地球科学领域人工智能的审查。“在过去十年中，人工智能 [和] 机器学习活动在地球科学领域大幅增加，[但] 地球科学研究小组中的大多数人工智能工作仍处于起步阶段，”她说。“目前，研究人员正在积极探索许多人工智能模型和原型解决方案，以解决其领域内的挑战性问题。” 然而，与传统的基于物理的模型相比，人工智能和机器学习产品还没有大的突破。Sandoval 补充说：“人工智能的实施仍在进行中。”

Instructed Glacier 模型通过使用从大型数据集训练的神经网络来替代计算要求最高的模型组件。利用可用于训练神经网络的大量建模数据，以低得多的计算成本提供高保真解决方案。它可以从给定的变量和简化的过程中预测冰流，以用于全球冰川建模以及研究过去的冰川环境。

“最昂贵的部分是计算动力学，因为它涉及重物理，[但]机器学习加速了模型的这一部分。结果是我们可以比以前更快地以相同的精度对冰川进行建模。我们可以用它来探索更多参数并[进行]更精细的模拟，”Jouvet 说。对模型的研究花费了 Jouvet 和他的团队一年多的时间。他补充说：“我必须学习这项新技术——我使用的所有工具都是非常新的。”

研究人员很高兴他们能够启动并运行机器学习，Jouvet 现在期待使用他的模型来重建阿尔卑斯山冰川在 10 万年的最后一个冰川周期中的演变。“这种方法的好处是你可以加快建模速度，这样你就可以负担得起长时间的工作。传统模型可能需要几周时间，现在可能需要一个小时。”

人工智能和机器学习的实施并非没有挑战和怀疑，类似于在生物学和工程学中备受瞩目的案例中所见。Sandoval 解释说：“道德确实是主要关注点之一。然而，由于我们仍处于早期原型设计阶段，目前反对人工智能的主要论据是不确定性、可解释性和可重复性。” 围绕人工智能的伦理问题包括人类工作岗位的流失、人工智能机器创造的财富分配不均、人工智能数据的安全性和恶意意图的能力。随着人工智能应用的增加，越来越多的问题正在出现，例如使用大量能源运行计算机模型的环境问题。针对加密货币和电子交易等其他网络服务的类似论点已被广泛看到。

多年来，科学家们一直在研究有关我们的气候和地球系统的重大问题，并积累了大量数据，这些数据将用于训练人工智能模型。“鉴于最近公共和私营部门对人工智能的巨额投资，我们预计在未来几年内，以数据为中心的地球科学人工智能研究的相关应用将蓬勃发展，”桑多瓦尔说。

尽管发生了转变，但并非所有地球科学问题都可以通过 AI 解决，而且有些问题不太适合经典的机器学习技术。“一些地球现象是极端事件，无法从历史数据中了解它们的模式。找到一个合适的问题是开发成功的人工智能应用程序的关键第一步，”桑多瓦尔总结道。

新颖的指导冰川模型是冰川建模新技术如何取代传统已知的基于物理的方法的成功示例。围绕人工智能的许多不确定性仍然存在，该领域是否会出现大规模进展是未来十年的问题。目前，将实施新旧技术，以便为我们关于冰盖和冰川的一些最大问题提供答案。