محققان در حال توسعه  نوعی هوش مصنوعی هستند که می تواند نقاط عطف تغییرات آب و هوایی را ارزیابی کند. الگوریتم یادگیری عمیق می تواند به عنوان یک سیستم هشدار اولیه در برابر تغییرات آب و هوایی ناگهانی عمل کند.

بوچ گفت: "ما دریافتیم که الگوریتم جدید نه تنها می تواند نقاط عطف را با دقت بیشتری نسبت به رویکردهای فعلی پیش بینی کند ، بلکه اطلاعاتی را نیز در مورد نوع حالت فراتر از نقطه اوج ارائه می دهد." "بسیاری از این نقاط احتمالی نامطلوب هستند و ما می خواهیم در صورت امکان از آنها جلوگیری کنیم."

برخی از نقاط عطف که اغلب با تغییرات آب و هوایی در ارتباط هستند شامل ذوب شدن یخبندان قطب شمال است که می تواند مقادیر زیادی متان را آزاد کرده و باعث گرم شدن سریعتر شود. خرابی سیستم های جاری اقیانوسی ، که می تواند منجر به تغییرات تقریبا فوری در الگوهای آب و هوا شود. یا تجزیه ورقه یخ ، که می تواند منجر به تغییر سریع سطح دریا شود.

به گفته محققان ، رویکرد نوآورانه هوش مصنوعی این است که طوری برنامه ریزی شده  تا نه تنها در مورد یک نوع نقطه عطف ، بلکه به طور کلی ویژگیهای نقطه اوج را بیاموزد. این رویکرد قدرت خود را از طریق ترکیبی کردن هوش مصنوعی و نظریه های ریاضی در مورد نقاط اوج بدست می آورد و بیش از هر دو روش به تنهایی انجام می شود.

پس از آموزش هوش مصنوعی در مورد آنچه که آنها به عنوان "جهان نقاط احتمالی" که شامل حدود 500،000 مدل است توصیف می شود ، محققان آن را بر روی نقاط عطف خاص جهان واقعی در سیستم های مختلف ، از جمله نمونه های هسته ای آب و هوای تاریخی آزمایش کردند.

تیموتی لنتون ، مدیر انستیتوی سیستم های جهانی در دانشگاه اکستر و یکی از یادگیری عمیق در شناسایی و طبقه بندی الگوها گام های بلندی برداشته است ، به گونه ای که محققان برای اولین بار تشخیص نقطه اوج را به یک مشکل تشخیص الگو تبدیل کردند. این کار به منظور کشف الگوهایی که قبل از نقطه عطف رخ می دهند و الگوریتم یادگیری ماشین برای گفتن اینکه آیا نقطه عطفی در راه است یا نه ، انجام می شود.

اکنون که هوش مصنوعی آنها نحوه عملکرد نقاط عطف را آموخته است ، تیم روی مرحله بعدی کار می کند ، یعنی داده های مربوط به روندهای معاصر در تغییرات آب و هوایی را در اختیار آنها قرار می دهد.

204000704.055