视界：专家探讨AI在地球系统应用中的使用
声明
本文正文内容翻译自ECMWF官网中的新闻《Experts probe use of AI in Earth system applications》，版权归ECMWF所有。翻译底稿来自Google翻译。
正文
ECMWF计算主管MartinPalkovič主持了“哥白尼第一届人工智能研讨会”，并就ECMWF对大数据，人工智能和云计算的愿景进行了演讲。
2019年11月5日至7日，六十九名科学家齐聚ECMWF，探讨在地球系统应用中扩大使用人工智能（AI）的范围。
该活动由ECMWF实施的两项欧盟资助的哥白尼地球观测服务所组织：哥白尼大气监测服务（CAMS）和哥白尼气候变化服务（C3S）。
活动的组织者之一，CAMS的负责人Vincent Henri-Peuch说：“该研讨会取得了巨大的成功，提供了许多在地球科学及其他领域以不同形式使用AI的真实例子。研讨会证实了将AI应用与这一领域已经有了一定的成熟度。”
CAMS的主管Vincent-Henri Peuch是活动的组织者之一。
28位发言者的报告表明，人工智能不仅在哥白尼，而且在ECMWF的数值天气预报核心任务中都有很大的用途。
确实，是否所有的环境和天气预报都将由AI技术一天生成，而不是由当今基于物理的但计算成本很高的数值算法生成？
对于正在ECMWF从事机器学习的Peter Düben来说，这是一个悬而未决的问题。 他说：“使用神经网络预测天气状况的首次测试显示出令人鼓舞的结果，但仍有许多障碍需要克服。”
什么是AI？
这场辩论中使用的一些关键术语是人工智能，机器学习和深度学习。
人工智能广义上是指机器所展示的智能。
在地球系统科学中正在探索的应用人工智能的形式包括机器学习（计算机不接收特定的指令，而是依靠模式和推理来执行任务）； 数据挖掘; 和数据融合。
最后，深度学习是一种基于人工神经网络的机器学习形式。这样的网络的特征在于“隐藏层”的存在：算法的元素可以识别数据中的模式而无需进行显式编程。
彼得说：“人工神经网络需要对输入和输出数据集进行训练，然后才能开始由新输入产生输出。”彼得在9月的第一周与牛津大学共同组织了一次机器学习研讨会，以进行天气和气候建模。
Peter Düben是研讨会的发言人之一。
在哥白尼中使用AI
哥白尼地球观测计划已经以多种方式使用了AI。
Vincent-Henri说：“例如，解释卫星图像，识别地球表面随时间的变化，以及将空气质量预测降尺度到更低的分辨率。”
他强调，越来越多的用户对将AI应用于Copernicus数据感兴趣。 “我们需要预见这种需求并调整我们的数据，以使其易于在AI应用程序中使用。我们还必须研究在C3S气候数据存储和将来的CAMS大气数据存储中提供AI工具的情况。”
欧洲航天局（ESA）的Philippe-Pierre Mathieu发表了题为“用于地球观测的人工智能的兴起”的演讲。
Vincent-Henri认为，地球观测和天气预报可以借鉴其他科学领域的知识，例如高能物理学，这些领域在使用人工智能方面更为先进。
“这就是为什么我们邀请来自不同领域的几位演讲者参加研讨会，他们能给我们带来对他们所在领域正在做的事情一些有趣的见解。”
在天气预报中使用AI
在数值天气预报中还有大量的机器学习用例，而如何充分利用AI技术是ECMWF以后研究的活跃领域。
英国气象局的Samantha Adams介绍了如何使用自组织映射来理解非线性云循环耦合。
“潜在的使用领域包括数据质量控制；数据同化中的偏差校正；模拟模型组件；量化不确定性；还有更多，”Peter说。
对于整个预报系统最终是否可以在AI上运行，而不是现在基于物理的算法运行，他显得比较谨慎。
他说：“尽管我们有很多数据可以训练AI系统，但训练它们来预测整个地球系统及其所有复杂的相互作用可能还远远不够。”
“最重要的是，我们生活在不断变化的气候中，发生了许多极端和前所未有的事件，人工智能可能会难以应对。”
然而，在ECMWF上进行的实验表明，即使到今天，经过适当训练的神经网络也可以做出令人惊讶的准确性的短期预测。
该图显示了3月1日的世界标准时间和2017年3月2日的世界标准时间之间500 hPa（以m2 / s2为单位）的地势差，对比分析场（我们对当时的大气状态的最佳估计–左图）和从3月1日UTC 00开始的分析开始的24小时神经网络预测（右）。有关更多详细信息，请参见Geoscientific Model Development发表的Peter Düben和Peter Bauer的文章。
Peter说：“毫无疑问，这是一个令人兴奋的研究领域，特别是因为当今许多高性能计算研究都针对AI应用。”
“但是只有未来才能告诉我们，未来几十年和几十年后，在数值天气预报领域人工智能可以走多远。”
下一步
研讨会的成果之一是意识到对于从事某些AI问题的科学家而言，缺少合适的训练数据集。
一种建议是ECMWF与其他组织合作为常见机器学习问题，生成标签存储库，附加到数据集上。
ECMWF科学家Claudia Vitolo说：“这将加速研究和创新，因为用户可以专注于AI应用程序的开发，而不是对数据进行预处理。”
她补充说，更广泛地说，毫无疑问，人工智能在ECMWF和哥白尼中的作用将在未来几年继续增长。
“人工智能正在作为ECMWF的下一个十年战略的主题进行讨论，并且可以肯定，其他人将紧随此次研讨会。”
参加ECMWF首届哥白尼AI研讨会的部分科学家。该研讨会由ECMWF哥白尼服务部总监Jean-NoëlThépaut，CAMS Vincent-Henri Peuch主任以及ECMWF科学家Peter Düben，Baudouin Raoult，Stephan Siemen和Claudia Vitolo共同组织。
更多信息
有关研讨会的更多信息，包括演示幻灯片和演讲记录，请访问C3S网站或CAMS网站上的研讨会页面。
感想
今年大量会议在讨论人工智能和机器学习在气象领域的应用，并且已有很多成果发布。 之前我一直觉得机器学习对于现在的工作没有太大用处，现在看来我实在缺乏远见。无论处在什么样的岗位，都不能忽视行业发展的趋势。 所以抓紧时间学习机器学习吧。
