气候 - AI在线

利用人工智能提高飓风预报准确性

灾难性气候在全球范围内的影响日趋严重，经济损失和死亡人数都在飙升。例如自1980年以来，美国年平均遭受天气灾害损失高达3630亿美元，累计总损失超过1.3万亿美元，其中飓风造成的损失最大。平均而言，每次飓风事件造成的损失高达228亿美元。

生成式AI对气候变化的影响：既有好处，也有代价

生成式AI是一种强大的工具，有望为包括气候变化在内的诸多现实挑战提供创新解决方案。一方面，它能够模拟复杂场景、优化资源并为环境问题提供创造性的解决方案，为未来勾勒出美好的愿景。但在另一方面，生成式AI在本质上会消耗海量算力和电力资源，因此很可能进一步加剧气候问题。

谷歌前 CEO 施密特：气候目标难以实现，不如放手发展 AI

谷歌前 CEO 埃里克・施密特近日在 AI 能源峰会上表示，AI 计算的电力需求是无限的，气候目标是不可能实现的，因此应该放弃气候保护目标，将重点放在 AI 的发展上，然后让 AI 解决全球变暖问题。施密特认为，我们无法实现气候目标，因为我们没有组织好，而 AI 可以帮助我们实现目标。他认为，我们应该为 AI 公司提供更多的电力、土地和基础设施，以支持其发展。施密特认为，AI 的发展可以提高能源效率，从而减少能源消耗。他承诺，AI 公司将使能源生产系统至少提高 15% 的效率。他表示，虽然 AI 的发展需要大量

强过「黄金标准」，快3,500倍，成本低10万倍，物理建模融合AI，谷歌天气模型登Nature

编辑 | KX地球正以前所未有的方式变暖，但气温升高对我们的未来意味着什么尚不完全清楚。全球哪些地区将面临长期干旱？大型热带风暴将使哪些沿海地区的洪灾更加频繁？为了回答这些问题，科学家需要能够准确预测地球气候。现在，Google Research 研究团队提出一种将传统的基于物理建模与 ML 相结合的新方法——NeuralGCM，可以准确高效地模拟地球大气层。比现有模型更快、计算成本更低、更准确。NeuralGCM 可以生成 2-15 天的天气预报，比目前基于物理的「黄金标准」模型更准确。在 1 至 10 天预报方

打破「非此即彼」，平衡 AI 与物理，中国科学院提出建立可学习的气候模型

平衡 AI-物理模型示意图。编辑 | X人工智能（AI）迅速发展，大模型正在重新定义我们理解和应对气候挑战的方式。AI 模型已经席卷了大气科学的各个领域。今年年初，中国科学院大气物理研究所黄刚研究员团队将物理与 AI 融合，提升了数值模式的降水预报技巧。近日，黄刚团队联合中国科学院大学、青岛海洋科学与技术国家实验室、同济大学和首尔国立大学在《Advances in Atmospheric Sciences》上，发表了题为「Toward a Learnable Climate Model in the Artific

Nature|机器学习和物理模型的「双向奔赴」，3种AI气候建模方法

编辑 | ScienceAI气候科学家 Tapio Schneider 很高兴，因为机器学习让他摆脱了日常工作中繁琐乏味的任务。十多年前，当他第一次开始模拟云的形成时，这主要涉及到煞费苦心地调整描述水滴、气流和温度如何相互作用的方程。但自 2017 年以来，机器学习和人工智能 (AI) 改变了他的工作方式。「机器学习让这门科学变得更加有趣，」在加州理工学院工作的 Schneider 说。「它速度更快、更令人满意，而且你可以获得更好的解决方案。」传统的气候模型是由 Schneider 等科学家从头开始手动构建的，他们