«علوم سامانه‌های زمین» با استفاده از هوش مصنوعی ارتقا پیدا می‌کند

به گزارش گروه فناوری خبرگزاری دانشجو، اخیراً با پیشرفت فناوری هوش مصنوعی به راحتی می‌توان فرایند‌های دینامیکی پیچیده مانند طوفان، گسترش آتش‌سوزی و پویایی گیاهان را درک کرد. در نتیجه، مدل‌های سیستم آب و هوا و زمین همراه با مدل‌های جدید که ترکیبی از هوش مصنوعی و مدل سازی فیزیکی هستند، بهبود خواهند یافت.

"مارکوس رایش‌اشتین" (Markus Reichstein) مدیر عامل مؤسسه ماکس پلانک و نویسنده ارشد این مطالعه گفت: توسط طیف وسیعی از حسگرها، اطلاعاتی از داده‌های سیستم زمین به دست آمده است، اما تاکنون ما آن‌ها را مورد تجزیه و تحلیل قرار نداده‌ایم و اکنون زمانی است که تکنیک‌های یادگیری عمیق، فراتر از برنامه‌های کاربردی یادگیری ماشینی کلاسیک مانند تشخیص تصویر، پردازش زبان طبیعی یا برنامه رایانه‌ای "آلفاگو" (AlphaGo) در این مورد عمل خواهند کرد.

با این حال، روش‌های یادگیری عمیق دشوار هستند. تمام داده‌ها و رویکرد‌های آماری هماهنگی فیزیکی را تضمین نمی‌کنند و به شدت وابسته به کیفیت داده‌ها هستند.

علاوه بر این، نیاز به پردازش اطلاعات و ظرفیت ذخیره سازی بسیار بالا است. این نشریه تمام این الزامات و موانع را مورد بحث و استراتژی قرار می‌دهد تا به طور مؤثر آموزش ماشینی را با مدلسازی فیزیکی ترکیب کند. اگر هر دو تکنیک با هم جمع شوند، مدل‌های ترکیبی ایجاد می‌شوند.

برای مثال، از آن‌ها می‌توان برای مدلسازی حرکت آب اقیانوس به منظور پیش‌بینی دمای سطح دریا استفاده کرد و در حالی که درجه حرارت از لحاظ فیزیکی مدل‌سازی شده است، جنبش آب اقیانوس با یک روش یادگیری ماشینی نمایش داده می‌شود.

دانشمندان معتقدند که تشخیص و پیشگیری از وقوع حوادث شدید و پیش‌بینی تغییرات بلند مدت فصلی و شرایط آب و هوایی از مزایای روش‌های یادگیری عمیق و مدل‌سازی ترکیبی خواهد بود.