MIT razvio brži način treniranja AI modela za klimu
Istraživači s MIT-a osmislili su postupak treniranja koji ubrzava izradu pouzdanih AI modela klimatskih emulacija. Manje podataka, a bolja prilagodba novim scenarijima.
Istraživači s MIT-a razvili su postupak treniranja kojim se AI modeli za predviđanje klime izrađuju znatno brže, uz samo dio podataka koji je inače potreban. Riječ je o takozvanim klimatskim emulatorima, brzim AI modelima koji oponašaju ponašanje golemih sustavskih modela Zemlje i u sekundama simuliraju učinke ljudskih aktivnosti na buduću klimu, primjerice na temperature ili razinu mora.
Klasični sustavski modeli Zemlje izvode se mjesecima na klasteru super računala, i to samo za jedan mogući scenarij buduće klime. Znanstvenici emulator obično treniraju na šest do osam budućih scenarija emisija, pri čemu svaki scenarij mora proći kroz puni sustavski model, pa su takvi skupovi podataka skupi i spori za izradu. Istraživači su nedavno utvrdili da korištenje realističnih scenarija kao podataka za treniranje dovodi do loših emulatora koji ne znaju predvidjeti nepoznate scenarije.
Novi algoritam umjesto toga generira sintetički skup optimiziranih klimatskih scenarija prilagođenih pojedinom emulatoru. Algoritam može drastično povećati emisije CO2 u 2050. ili brzo smanjiti emisije metana u 2037., a optimizacija ažurira podatke dok pogreška emulatora ne padne ispod određene razine. Umjesto šest do osam pokretanja punog modela, korisnik ga mora pokrenuti samo jednom.
„Naš algoritam može generirati neke čudne scenarije koji ne nalikuju realističnoj budućnosti, ali nije nam toliko važno jesu li scenariji realistični. Samo pokušavamo napraviti najbolji mogući skup podataka za treniranje emulatora”, rekao je Christopher Womack, vodeći autor rada i sada postdoktorand na ETH Zurichu. „Uvođenjem tih visokofrekventnih titraja i oscilacija naši podaci omogućuju emulatoru da izvuče puno više informacija o sustavu u cjelini.”
Emulator treniran novom tehnikom točno predviđa ishode scenarija koje nije vidio tijekom treniranja, dok tradicionalni emulatori u tome padaju. On uhvaća i učinke lokalnih politika kontrole onečišćujućih tvari koje smanjuju jednu tvar dok ostale emisije nastavljaju rasti. „U budućnosti ćemo sigurno vidjeti klime i scenarije koje dosad nismo vidjeli. Ako te scenarije možemo simulirati pouzdanije, pružit ćemo pouzdanije informacije dionicima kojima su potrebne”, rekla je Noelle E. Selin, vodeća autorica rada.
Womack napominje da klimatski emulatori posebno dobro služe za modeliranje scenarija relevantnih za politiku. Selin dodaje da treniranje emulatora može trajati mjesecima ili čak godinama, pa su postojeći emulatori obično zastarjeli, a skraćivanje vremena izrade moglo bi biti prekretnica za dostavu ažuriranih alata istraživačima.
Učitavanje komentara