近几个月来，人工智能工具的开发和无限性的迅速兴起，正在加速影响世界，促使许多科研人员认为人工智能革命已经到来。也使得越来越多的人想知道这对未来会有什么影响。

像ChatGPT这样的生成人工智能模型当前在主导着大部分的讨论：在一个机器能够像人类一样思考的世界里，我们在现实和幻觉之间的界限在哪里？但随着大规模数据集的可用性和高性能计算的进步，这种现状得以打破，也带来了一个利用人工智能各种形式的力量对社会产生积极影响的机会。

来自加州大学圣地亚哥分校（UCSD）的最新报道称，该校研究人员正在利用人工智能模型开发对气候等领域的研究和提供信息。

报道称，该校各领域的研究人员正在共同开发和实施人工智能辅助工具和机器学习方法，以前所未有的速度实现科学发现。当涉及到气候变化等重大全球挑战时，时间至关重要：从极端天气和海洋热浪到野火和灾难性洪水，地球变暖的影响每年都变得更加明显。加州大学圣地亚哥分校16.4亿美元的研究企业背后的合作文化，以及在人工智能和气候研究方面长期领先的历史，没有比这更好的地方来发现独特和创新的解决方案了。

Jacobs Family学者、电气与计算机工程系和Halıcıoğlu数据科学研究所教授Tara Javidi表示：“我们很自豪在加州大学圣地亚哥分校里，40多年来一直处于人工智能研究的前沿，我们仍然相信这项技术可以在应对各种学科的全球挑战方面发挥关键作用。”。

“我们在这一领域的主要举措之一是Eric和Wendy Schmidt人工智能科学博士后研究金计划，该计划正在培训新一代STEM博士后学者，他们正在将人工智能与科学和工程研究相结合。从研究珊瑚礁适应、碳捕获到增强锂离子电池技术，我们的博士后正在使用人工智能来解决许多问题施密特人工智能科学博士后研究金项目负责人Javidi说。“加州大学圣地亚哥分校拥有一批致力于公共利益的世界知名研究人员，在利用人工智能快速发展的工具来解决人类面临的紧迫问题方面处于独特地位。”

以下只是加州大学圣地亚哥分校众多研究团队中正在研究的主要几个项目，将人工智能用于跨学科工作，旨在提高人们对地球面临的威胁的理解，以及可以做些什么来更好地保护地球：

了解气候对珊瑚礁的影响

珊瑚礁维持着地球生物多样性的很大一部分，通常被称为气候变化对整个生态系统的第一次破坏。但在加州大学圣地亚哥分校斯克里普斯海洋研究所的桑丁实验室，一组研究人员在人工智能工具的帮助下发现，这比这更复杂。

近十年来，海洋生态学家Stuart Sandin通过他的100岛挑战项目，领导了对世界各地单个珊瑚的监测。在太平洋的主要调查地点之一帕尔米拉环礁，他和他的团队使用时间序列图像来评估2016年海洋热浪的影响，该热浪引发了整个珊瑚礁的重大白化事件。科学家们表示，随着地球变暖，这种现象将变得更加频繁，海洋温度的升高会导致珊瑚受到压力，以至于它们排出组织中的藻类，变成完全白色。

然而，在接下来的几年里，研究人员目睹了这些珊瑚的显著恢复和生长。那么，某些珊瑚是如何在海洋热浪和其他气候引发的压力下生存甚至生长的呢？

在斯克里普斯海洋研究所的Stuart Sandin实验室，博士后研究员Beverly French从珊瑚中提取组织样本进行宏基因组采样。（Sapna Parikh摄/加州大学圣地亚哥分校）

Stuart Sandin实验室的研究人员正在努力回答这个问题。其中一位研究人员是Beverly French，他是Eric和Wendy Schmidt人工智能科学博士后研究金首批研究员之一。她的工作是一项1.48亿美元倡议的一部分，该倡议旨在支持在全球九所顶尖大学将人工智能工具应用于科学研究的博士后研究人员。

French长期以来一直对珊瑚礁存在数亿年、在重大环境破坏和大规模灭绝事件中幸存下来这一事实感兴趣。

French说：“我认为，我们可以从珊瑚身上真正学到一些东西，了解生物如何能够在日益变化和经历更严重气候扰动的环境中生存。”。在100岛挑战赛的基础上，她将宏基因组采样纳入其中，包括从珊瑚中提取DNA，以进一步加深科学界对整个珊瑚全生物珊瑚及其共生藻类和微生物组生存和适应的理解。

这项工作的关键是将她的发现与其他相关数据进行分层：即桑丁实验室的研究人员多年来一直在进行的大面积图像收集和处理，以跟踪珊瑚礁随时间的变化。他们的工作最初包括从现场调查期间收集的水下图像中手动追踪珊瑚，并解释这些图像以识别珊瑚物种。但由于100个岛屿上有近100万珊瑚，这是一个需要处理的大量数据。现在，这项耗时的工作是在人工智能辅助工具的帮助下完成的，这些工具可以从图像中提取这些数据，从而加快研究人员的工作流程，并有效地加快科学发现的过程。

收集珊瑚礁图像转化为3D模型

桑丁实验室的研究员收集了加勒比海珊瑚礁的图像。这些图像用于创建马赛克图，可以将其转化为3D模型，并在人工智能辅助工具的帮助下进行分析。

其中一个工具是TagLab，这是一款人工智能驱动的分割软件，可以对由许多较小的图像拼接在一起的正交马赛克详细地图进行注释和分析。该软件由意大利国家研究委员会下属的信息科学与技术研究所的视觉计算实验室与Sandin及其团队成员Nicole Pedersen和Clinton Edwards合作开发。通过使用斯克里普斯研究人员多年来在单个地点潜水时收集的图像，对珊瑚进行时间匹配，该工具大大加快了研究人员观察珊瑚生长、收缩、变化、死亡和繁殖的过程。

通过加州大学圣地亚哥分校的跨校园合作，Sandin和他的团队与雅各布斯工程学院的同事合作，开发了一种量身定制的机器学习工具，以满足他们的特定需求。结构工程师Falko Kuester和研究员Vid Petrovic创建了Viscore，这是一款定制的可视化和图像分析软件，带有用于生态数据提取的管道，使Sandin实验室的研究人员能够对齐为他们的工作提供信息的时间序列图像，从数千张水下照片中生成珊瑚礁的3D模型，并进行“虚拟潜水”，以提取由于底部时间限制而无法在真实潜水过程中获取的额外数据。该团队还使用了CoralNet，该网络由雅各布斯工程学院的计算机科学家David Kriegman十多年前创建，该网络使用人工智能图像识别，使用珊瑚礁底部的小规模图像来识别珊瑚物种。

题图是团队聚集在Sandin实验室的3D珊瑚模型周围，从左起，Stuart Sandin、Beverly French、Nicole Pedersen和Nathaniel Hanna Holloway讨论他们使用时间序列图像对珊瑚生长的观察。（Sapna Parikh摄/加州大学圣地亚哥分校）

对于担任斯克里普斯大学海洋生物多样性和保护奥利弗主席（Oliver Chair in Marine Biodiversity and Conservation at Scripps）的Sandin来说，重要的是，要将这些工具放在他所说的“循环中的人”方法的背景下看待，利用人工智能来承担更简单、更乏味的任务，同时确保科学家的专业知识仍然是核心。他将其比作使用ChatGPT等生成性人工智能工具写一篇文章：你可能会依赖它来写开头，但当你进入深入分析的部分时，创造力就会发挥作用，你会进行编辑，以利用你的人类经验来改进它。

虽然他们发现一些珊瑚礁可能比以前想象的更有弹性，但Sandin和French表示，就在去年，他们在帕尔米拉南部观察到了一次大型涌浪事件后珊瑚的巨大损失，科学家们表示，这一事件在未来几年将变得越来越普遍。这给了他们新的紧迫感，让他们更好地了解我们不断变化的气候对珊瑚礁的影响，以及我们作为一个社会可以做些什么。

Sandin说：“现在是人类可以参与的部分，我们可以采取行动，不仅让这个生态系统消亡，而且使用独创的工具来确保我们保护这个生物多样性的堡垒。”。

利用数字转换概念，二进制代码，加速气候科学家作出决策

为什么得克萨斯州正在经历极端热浪？为什么厄尔尼诺现象会导致整个北美的气温上升？

虽然气候研究经常探索有助于回答这些令人困惑的问题的短期相关性，但我们对全球范围内的因果关系仍有很多不了解。加州大学圣地亚哥分校的计算机科学家Rose Yu希望帮助改变这一现状，并相信可以从气候科学家收集的大量数据中找到解决方案，这些数据的数量近年来呈指数级增长。

但是，即使随着先进计算能力的快速增长，也有如此多的大型复杂数据集可供使用，这些数据来源也如此之多，这些数据来自传感器、卫星、气象气球等的模拟、预测、测量，因此找到这些解决方案说起来容易做起来难。这就是为什么目前用于预测未来温度和天气模式的全球气候模型极其昂贵，可能需要数月时间才能运行的部分原因。

2023年3月，计算机科学家Rose Yu在加州大学圣地亚哥分校科学机器在学习研讨会上。（照片由Rose Yu提供）

雅各布斯工程学院和Halıcıoğlu数据科学研究所计算机科学与工程系助理教授Yu说：“我们希望在一周内得出结果，这样我们才能真正加快气候科学家的决策。”

雄心勃勃的对但这正是人工智能的用武之地。由于能源部在2021年拨款360万美元，Yu和加州大学圣地亚哥分校的两位同事Yian Ma和Lawrence Saul与哥伦比亚大学和加州大学欧文分校的研究人员合作，开发了新的机器学习方法，可以加快这些气候模型的速度，更好地预测未来，提高我们对极端气候的理解。

这项工作是在一个关键时刻进行的，因为我们对气候变化如何影响我们的地球、我们的社区和我们的日常生活，以及如何利用新发现的知识为气候行动提供信息，这一点变得越来越重要。到目前为止，该团队已经在机器学习和气候科学相关期刊上发表了20多篇论文，他们继续在这一高度重要的领域突破科学和工程的界限。

为了提高预测的准确性并量化其固有的不确定性，该团队正在定制算法，将物理定律和第一性原理嵌入深度学习模型，这是一种机器学习形式，本质上模仿了人脑的功能。这不是一项小任务，但它让他们有机会与气候科学家密切合作，他们正在将这些机器学习方法应用于气候建模的实际算法中。

Yu说：“因为这笔拨款，我们建立了新的联系和合作，以扩大人工智能方法对气候科学的影响。”。“我们开始研究考虑到气候应用的算法和模型，现在我们可以真正与气候科学家密切合作，验证我们的模型。”

从预测极端天气到实现灾难响应，Yu希望看到这些改进的模型对加州大学圣地亚哥分校其他科学家的工作产生影响，她认为跨学科合作是加速科学进步的关键。她是3月份在加州大学圣地亚哥分校举行的科学机器学习研讨会的组织者之一，该研讨会将人工智能和科学交叉点的研究人员和从业者聚集在一起，讨论在工作中使用人工智能的机会。

“校园里对人工智能在科学中的应用有着广泛的兴趣，”Yu说，他是Eric和Wendy Schmidt人工智能科学博士后研究金的导师。“作为工程师，了解哪些问题对科学领域很重要，这样我们才能开发出对他们真正有用的工具，这一点非常重要。在这个过程中，我们还了解到可以推动人工智能方法发展的新挑战。从领域科学方面，他们可以了解算法和人工智能的最新发展，这会引发新的问题ts的潜力。”

“作为工程师，我们必须了解哪些问题对科学领域很重要，这样我们才能开发出对他们真正有用的工具。”

人工智能帮助救灾和减灾

使用人工智能扑灭野火：这听起来可能很有未来感，但它已经在加州各地展开，这在很大程度上要归功于圣地亚哥超级计算机中心的WIFIRE实验室。

当该中心的首席数据科学官兼WIFIRE创始主任Ilkay Altintas第一次想到开发机器学习算法的想法时，她从未想过未来会取得成功，该算法可以将实时数据汇集在一起，生成“火灾地图”——火灾行为的预测模型。但是，随着极端天气成为常态，城市向荒地扩张，在潜在的灾难性野火面前保持领先一步比以往任何时候都更为重要，人们的生活也依赖于此。

首席数据科学官Ilkay Altintas（照片由Ilkay Altentas提供）

Altintas说：“当我们第一次开始做这件事时，我们认为这将是一项研究，我们可能会引起人们的注意。作为一名科学家，我没想到它会走这么远。”。“我认为，无论是眼前的危机，还是对这些工具的需求，都将其推向了一个我们现在非常自豪的地方。”

当然，这场危机是气候变化，随着炎热干燥的天气预计会随着时间的推移而加剧，阿尔廷塔斯说，野火预计会变得更糟。由于不同的极端天气让位于不同类型的植被——使这些火灾得以蔓延的“燃料”，因此利益相关者配备所需的工具更为重要，不仅可以应对火灾紧急情况，还可以更好地预防和预测火灾。

WIFIRE实验室在动态数据驱动火灾建模方面的工作使消防队长和事故指挥官能够做出与缓解和遏制相关的关键决策，而这一切都是通过人工智能不断增长的能力实现的，Altintas和她的团队正在产生真正的影响。该实验室的Firemap平台已成为国家资助的火灾集成实时情报系统（FIRIS）的关键要素，该系统是由加州州长紧急服务办公室领导的公私合作伙伴关系，为加州新出现的灾难事件提供实时情报数据和分析。

但是，尽管扑灭野火对于保护人类生命和生态系统是必要的，但几十年的镇压已经让位于危险的植被堆积，而这些植被正等待着为下一场大火提供动力。为了扩展他们的网络基础设施WIFIRE Commons，以实现主动解决方案，而不仅仅是被动解决方案，Altintas和她的团队与包括洛斯阿拉莫斯国家实验室和美国林业局在内的许多合作伙伴合作，开发了BurnPro3D，这是一种规定的火灾规划工具，将下一代火灾科学与3D植被数据和人工智能相结合。这一重要资源使消防管理人员能够优化何时何地进行规定的焚烧，以低强度、可控的方式消除多余的植被。

消防员监督受控燃烧

加利福尼亚州彭德尔顿海军陆战队基地，一名消防员正在监督一场受控燃烧。（美国海军陆战队Jake McClung中士摄）

WIFIRE实验室的研究人员现在正在将他们的工作扩展到野火之外，并发展他们的方法，建立一个多危险知识平台，为官员提供其他类型自然灾害的信息。去年冬天，WIFIRE团队利用FIRIS飞机获得的数据，并与资助机构NASA和NOAA合作，评估了加州各地极端洪水和降雪事件造成的火灾后泥石流风险和破坏。他们还致力于为野火应对提供最早提前三到五天的决策支持。

Ilkay Altintas和圣地亚哥超级计算机中心的WIFIRE团队。（照片由WIFIRE实验室提供）

Altintas将这项工作的成功在很大程度上归因于一种称为趋同研究的日益增长的趋势，这种趋势建立在社会最大的挑战需要跨多个学科和部门合作的理念之上。事实上，BurnPro3D之所以成为可能，是因为美国国家科学基金会的融合加速器提供了600万美元的资金。

Altintas说：“我们与许多组织的利益相关者合作，将人工智能专家、消防科学专家以及利益相关者聚集在一起，以了解差距，然后我们围绕这些差距制定解决方案。”。

同样由美国国家科学基金会融合加速器资助的还有圣地亚哥超级计算机中心新成立的融合研究所，该研究所旨在通过融合研究赋予下一代研究人员和科学家应对复杂社会问题的能力。今年的主题是“用人工智能应对气候引发的挑战”。继今年春天的虚拟训练营之后，来自世界各地的40名早期职业研究人员将于今年夏天参加加州大学圣地亚哥分校的一个孵化器，以进一步制定应对气候引发挑战的人工智能战略。

Altintas认为，这种方法是实现真正变革的最佳方式。

她说：“我们的问题既大又复杂，我们真的需要一起解决。”。

改善大气河流运动的预测

照片由Sapna Parikh/加州大学圣地亚哥分校拍摄

去年冬天，在一场历史性的干旱中，暴雨和无情的风暴袭击了加利福尼亚州，导致全州严重洪灾，内华达山脉出现创纪录的积雪。这是“天气鞭笞”的一个典型例子，科学家们表示，随着气候持续变暖，这种情况将变得更加频繁。

大部分降水背后的天气现象是什么？大气河流：天空中长而流动的区域，携带大量的水蒸气，以雨雪的形式在陆地上释放。

由于可能会有大量的水登陆，做好准备是关键。这就是为什么在加州大学圣地亚哥分校斯克里普斯海洋研究所的西部天气和水极端中心（CW3E），该中心副主任Luca Delle Monache等大气科学家正在以机器学习算法的形式使用人工智能来改进对大气河流的预测。他说，我们被警告的未来已经到来。

Delle Monache说：“我们将看到更强烈的大气河流：影响更大的河流，造成大量破坏的河流。”。“我们现在生活在这些非常强烈的风暴中，这种破纪录的积雪可能是由气候变化引起的。”

当大气变暖时，它可以容纳更多的水蒸气，Delle Monache称之为为为大气河流提供动力的“燃料”。大气中的水蒸气越多，这些风暴就越强烈。因此，至关重要的是，全球大气河流研究和预测领导者CW3E的研究人员能够准确预测综合水蒸气传输（IVT），这是确定这些风暴存在和强度的关键标志变量。

在CW3E，Delle Monache领导着由大气科学家和计算机科学家组成的机器学习团队，他们正在利用预测中使用的基于物理的动力学模型中的大量天气数据的力量来改进IVT的预测。Delle Monache说，这些模型并不完美，因为大气是一个混乱的系统，这意味着即使是预测初始条件中的微小误差也会迅速增长，并显著改变可预测性。

通过在所谓的“后处理框架”中将这些模型和观测数据输入人工智能算法，Delle Monache和他的团队能够根据模型过去的错误改进他们今天做出的预测。这项工作是由与加州大学圣地亚哥分校圣地亚哥超级计算机中心达成的协议促成的，在该中心，CW3E团队可以独家访问其彗星超级计算机，该计算机每秒能够执行近3万亿次运算。

Delle Monache说：“机器学习在基于物理的动力学模型中的应用改变了游戏规则。”他补充说，这项工作将IVT的预测提高了20%。“这是一个激动人心的时刻，我们正在做出有意义的改进和贡献。”

这些机器学习推动的预测也为CW3E的主要项目“预测知情水库运行”（FIRO）提供了信息，该项目向州水资源管理人员建议水库应释放多少水，以及何时释放，从而优化供水并降低洪水风险。CW3E的研究人员发现，通过更好地预测降水量和流入水库的水量，他们每年可以多节约约25%的水，门多西诺湖的一个试点项目就是明证。

Delle Monache说：“如果你能将每个水库的供水量平均增加25%，那就太大了。”。“我们基本上已经制定了一项适应气候变化的战略。这是一种非常有效的方式来保护水，这对我们的社会来说是一个非常重要的数量。”

来源：加大圣地亚哥分校。

(美国华文网编发）