转载于 中国气象报

今年春天，ChatGPT引领的人工智能（AI）风暴已经成为一个新风口，相信气象领域从业人员不可能无动于衷。当人工智能、大数据“起飞”，在这个“风口”上，地球系统模式会有哪些变化？

回顾从大气环流模式到地球系统模式的发展历史，有助于更好地理解未来发展趋势。早在20世纪初，威廉·皮叶克尼斯（Vilhelm Bjerknes）就提出，要把天气预报作为数学物理问题来考虑；1922年，路易斯·理查森（Lewis Fry Richardson）用数值计算的方法尝试制作天气预报；1950年，朱尔·查尼（Jule Charney）等做出了世界上第一张可用的500百帕形势预报图。

1946年2月15日，世界上第一台计算机“埃尼阿克”诞生后不久，冯·诺曼等人提议美国军方将计算机用于天气预报。1950年冯·诺曼领导下的普林斯顿高等研究院研制出世界上第一个数值天气预报模式。从此，天气预报（气候系统模拟）就一直是巨型超级计算机的最大用户之一。

可以说，现在人类能够在全球尺度上模拟地球系统运行机制、揭示地球系统整体演变规律、预测未来变化，主要得益于两方面：一是高性能计算机的发展，一是气候系统观测系统的推动。未来的地球系统模式发展趋势也渐渐明朗，将在物理气候系统模式基础上耦合生态环境系统和人类社会经济过程，同时走向“高时空分辨率”，即不断提高模式的空间分辨率，能够描述更精细的科学问题。

大数据与人工智能正在引发一场深刻的地球系统科学研究范式的革命。近年来，大数据与人工智能的应用研究呈爆发性增长，有力促进了地球系统的机理、模拟和预测研究。人工智能与数值预报的融合也成为热点和难点。

清华大学地学系开展了大量AI for Earth的探索，比如利用AI方法构建全球90米海陆DEM数据集，识别极端天气事件的“E级（百亿亿次）”深度学习，基于热带中尺度对流系统（MCS）数据集的二分类问题以及三维海洋要素数据集智能重构等。

我们将人工智能算法与气候预测相结合，构建智能气候预测技术系统，即以大数据应用为前提，在通过机器学习和常规方法进行客观定量预测的基础上进行智能评估，继而动态推荐预测结果。随着大数据和人工智能的发展，海量数据深度学习、复杂神经网络等逐步应用，人工智能为气候预测提供了一种解决难题的新思路。可以用人工智能算法把超级计算机的预报结果尽可能地、自动地、不用人工干预地修正到与实际观测数据更接近，以促进延伸期-月-季气候预测能力和准确率逐步提高。

过去一般有这样的看法——把基于经验和大数据能做的“吃干用尽”，榨干“油水”，人工智能的应用就到头了。比如人工智能应用虽然发展很快，但可能有上限；人工智能原则上基于经验，基于大数据，就跟依据老寒腿预报天气、跟看云识天气是一样的，缺乏物理机制；如果人工智能计算能力跟物理模型无限接近，估计人工智能可能就到头了，接近上限等等。

但最近大家看到，ChatGPT等“生成式”人工智能模型拥有强大的内容生成能力和接近人类水平的“聪明”程度，说明情况已经出现了巨大的变化。生成式AI虽然也需要提前进行机器学习，然而它新生成的内容很多是训练数据中从未出现过的，也就是它进行了创造性的再创作。在计算技术和AI的强大“攻势”下，退守到“物理机制”这一最后的小岛还有多久？

总的来说，深度学习给地球系统科学研究带来新的机遇与挑战。机遇包括更准的目标识别、更高的预测能力、更快的预测效率，挑战涵盖可解释性、物理一致性、求解PDE方程、有限的样本和巨大的算力需求等。人工智能进入地球系统科学领域，从冲突、融合到替代的过程是否会发生？地球系统模式是否能够从以物理学为基础，发展到以物理学为基础的机器学习，进而进入数据驱动和物理驱动混合的阶段，最终形成完全由数据驱动的智能地球系统模式？若每天都有进步，或许可拭目以待。（本报记者赵晓妮整理报道）

作者：专家：清华大学理学院副院长、地球系统科学系主任、教授罗勇