Искусственный интеллект поможет предсказывать потерю арктического морского льда

Новый инструмент на базе искусственного интеллекта (ИИ) позволит ученым более точно прогнозировать состояние арктического морского льда на месяцы вперед. Эти улучшенные прогнозы могут лечь в основу систем раннего предупреждения, защищающих арктическую дикую природу и прибрежные сообщества от последствий сокращения ледового покрова.

Международная группа исследователей под руководством Британской антарктической службы (BAS) и Института Алана Тьюринга описывает, как система ИИ IceNet решает задачу точного прогнозирования состояния морского льда на предстоящий сезон — то, что десятилетиями ускользало от ученых. Работа опубликована на этой неделе в журнале Nature Communications.

Морской лед, обширный слой замерзшей морской воды на Северном и Южном полюсах, печально известен своей сложностью для прогнозирования из-за комплексных взаимосвязей с атмосферой и океаном. Чувствительность льда к росту температур привела к сокращению площади летнего арктического льда вдвое за последние четыре десятилетия, что эквивалентно потере территории, примерно в 25 раз превышающей площадь Великобритании. Эти ускоряющиеся изменения имеют драматические последствия для климата, арктических экосистем и местных сообществ, чей уклад жизни связан с сезонным циклом морского льда.

Прогностический инструмент на базе ИИ, IceNet, демонстрирует точность около 95% в предсказании наличия морского льда за два месяца вперед — это лучше, чем у ведущей физической модели.

Ведущий автор Том Андерссон, специалист по данным в Лаборатории искусственного интеллекта BAS, финансируемой Институтом Алана Тьюринга, поясняет: «Арктика — регион на передовой изменения климата, где за последние 40 лет наблюдалось существенное потепление. IceNet может заполнить насущный пробел в прогнозировании морского льда для усилий по обеспечению устойчивости Арктики и работает в тысячи раз быстрее традиционных методов».

В отличие от традиционных систем, которые пытаются напрямую моделировать законы физики, авторы разработали IceNet на основе концепции глубокого обучения. Благодаря этому подходу модель «учится» тому, как меняется морской лед, на основе тысяч лет данных климатического моделирования и десятилетий наблюдательных данных, чтобы прогнозировать протяженность арктического льда на месяцы вперед.

Том Андерссон заключает: «Теперь, когда мы продемонстрировали, что ИИ может точно прогнозировать морской лед, наша следующая цель — разработать ежедневную версию модели и запустить ее в публичном режиме реального времени, подобно прогнозам погоды. Это может работать как система раннего предупреждения о рисках, связанных с быстрой потерей морского льда».