现在可以提前两周准确预测地球对流层(我们大气层的最低水平)中的臭氧水平,这比目前只能提前三天准确预测臭氧水平的系统有了显着改进。休斯顿大学空气质量预测和建模实验室开发的新人工智能系统可以改进控制高臭氧问题的方法,甚至有助于解决气候变化问题。
“这是非常具有挑战性的。以前没有人这样做过。我相信我们是第一个尝试提前两周预测地表臭氧水平的人,”UH 自然科学学院大气化学和人工智能深度学习教授 Yunsoo Choi 说。数学。研究结果在线发表在科学期刊《科学报告-自然》上。
臭氧是一种无色气体,在正确的位置和数量上有帮助。作为地球平流层(“臭氧层”)的一部分,它通过过滤来自太阳的紫外线辐射来进行保护。但是当地球表面附近的臭氧浓度很高时,它对肺和心脏是有毒的。
“臭氧是一种二次污染物,它会对人类产生不良影响,”博士生 Alqamah Sayeed 解释说,他是 Choi 实验室的研究员,也是该研究论文的第一作者。接触会导致喉咙刺激、呼吸困难、哮喘,甚至呼吸道损伤。有些人特别容易受到影响,包括非常年轻的人、老年人和慢性病患者。
臭氧水平已成为每日天气报告的常见部分。但与可以合理准确地提前 14 天进行的天气预报不同,臭氧水平只能提前两三天进行预测——直到这一突破。
预测方面的巨大改进只是这项新研究故事的一部分。另一个是团队如何做到这一点。传统预测使用数值模型,这意味着研究是基于大气中气体和流体运动的方程。
对于崔和他的团队来说,这些限制是显而易见的。数值过程很慢,获得结果的成本很高,而且精度有限。“在前三天后,数值模型的准确性开始下降,”Choi 说。
研究团队在开发机器学习算法时使用了独特的损失函数。损失函数通过将决策映射到相关成本来帮助优化 AI 模型。在这个项目中,研究人员使用一致性指数(称为 IOA)作为 AI 模型相对于传统损失函数的损失函数。IOA 是对预期与实际结果之间差距的数学比较。
换句话说,随着团队成员逐渐完善程序的反应,他们将历史臭氧数据添加到试验中。数值模型和作为损失函数的 IOA 的结合最终使 AI 算法能够通过识别之前在类似情况下发生的事情来准确预测现实生活中臭氧条件的结果。这很像人类记忆的建立方式。
“想想一个小男孩,他看到桌上的一杯热茶,出于好奇而试图去触摸它。当孩子触摸杯子的那一刻,他意识到它很热,不应该直接触摸。通过那次经历,孩子已经训练了他的思想,”赛义德说。“从一个非常基本的意义上讲,它与 AI 相同。你提供输入,计算机给你输出。经过多次重复和修正,这个过程随着时间的推移不断完善,AI 程序开始‘知道’如何应对之前已经出现过的情况。在基本层面上,人工智能的发展方式与孩子学会了不要急于抢下一杯热茶的方式相同。”
在实验室中,该团队使用了四到五年的臭氧数据,Sayeed 将其描述为“一个不断发展的过程”,教人工智能系统识别臭氧条件并估计预测,随着时间的推移变得越来越好。
“将深度学习应用于空气质量和天气预报就像在寻找圣杯,就像在电影中一样,”动作情节的忠实粉丝崔说。“在实验室里,我们经历了几年的艰难时期。有一个过程。最后,我们抓住了圣杯。这个系统有效。人工智能模型‘理解’如何预测。尽管工作了多年,不知何故,即使在今天,它仍然让我感到惊讶。”
在实验室的成功可以带来现实世界的服务之前,许多商业步骤在世界可以从这一发现中受益之前先行一步。
“如果你知道未来——在这种情况下空气质量——你可以为社区做很多事情。这对这个星球来说可能非常关键。谁知道呢?也许我们可以找出解决气候变化问题的方法. 未来可能会超越天气预报和臭氧预测。这可能有助于确保地球安全,”崔说。
对于任何好的动作故事来说,这听起来都是一个圆满的结局。