Crédito:Unsplash / CC0 Public Domain
Los investigadores están desarrollando inteligencia artificial que podría evaluar los puntos de inflexión del cambio climático. El algoritmo de aprendizaje profundo podría actuar como un sistema de alerta temprana contra el cambio climático descontrolado.
Chris Bauch, profesor de matemáticas aplicadas en la Universidad de Waterloo, es coautor de un artículo de investigación reciente que informa sobre los resultados del nuevo algoritmo de aprendizaje profundo. La investigación analiza los umbrales más allá de los cuales ocurren cambios rápidos o irreversibles en un sistema, Dijo Bauch. "Descubrimos que el nuevo algoritmo no solo podía predecir los puntos de inflexión con mayor precisión que los enfoques existentes, sino que también proporcionaba información sobre qué tipo de estado se encuentra más allá del punto de inflexión, ", Dijo Bauch." Muchos de estos puntos de inflexión son indeseables, y nos gustaría prevenirlos si podemos ".
Algunos puntos de inflexión que a menudo se asocian con la fuga del cambio climático incluyen el deshielo del permafrost ártico, que podría liberar cantidades masivas de metano y estimular un calentamiento más rápido; ruptura de los sistemas de corrientes oceánicas, lo que podría conducir a cambios casi inmediatos en los patrones climáticos; o desintegración de la capa de hielo, lo que podría conducir a un cambio rápido del nivel del mar.
El enfoque innovador con esta IA, según los investigadores, es que fue programado para aprender no solo sobre un tipo de punto de inflexión, sino también sobre las características de los puntos de inflexión en general.
El enfoque gana fuerza al combinar la IA y las teorías matemáticas de los puntos de inflexión, logrando más de lo que cualquier método podría por sí solo. Después de entrenar a la IA en lo que caracterizan como un "universo de posibles puntos de inflexión" que incluía unos 500, 000 modelos, los investigadores lo probaron en puntos de inflexión específicos del mundo real en varios sistemas, incluyendo muestras históricas de núcleos climáticos.
"Nuestro método mejorado podría generar señales de alerta cuando estamos cerca de un punto de inflexión peligroso, "dijo Timothy Lenton, director del Global Systems Institute de la Universidad de Exeter y uno de los coautores del estudio. "Proporcionar una alerta temprana mejorada de los puntos de inflexión climáticos podría ayudar a las sociedades a adaptarse y reducir su vulnerabilidad a lo que se avecina, incluso si no pueden evitarlo ".
El aprendizaje profundo está dando grandes pasos en el reconocimiento y la clasificación de patrones, con los investigadores teniendo, por primera vez, convirtió la detección de puntos de inflexión en un problema de reconocimiento de patrones. Esto se hace para intentar detectar los patrones que ocurren antes de un punto de inflexión y obtener un algoritmo de aprendizaje automático que diga si se acerca un punto de inflexión.
"La gente está familiarizada con los puntos de inflexión en los sistemas climáticos, pero hay puntos de inflexión en ecología y epidemiología e incluso en los mercados de valores, "dijo Thomas Bury, investigador postdoctoral de la Universidad McGill y otro de los coautores del artículo. "Lo que hemos aprendido es que la IA es muy buena para detectar características de puntos de inflexión que son comunes a una amplia variedad de sistemas complejos".
El nuevo algoritmo de aprendizaje profundo es un "cambio de juego para la capacidad de anticipar grandes cambios, incluidos los asociados con el cambio climático, "dijo Madhur Anand, otro de los investigadores del proyecto y director del Instituto Guelph de Investigaciones Ambientales.
Ahora que su IA ha aprendido cómo funcionan los puntos de inflexión, el equipo está trabajando en la siguiente etapa, que es darle los datos de las tendencias contemporáneas del cambio climático. Pero Anand emitió una advertencia sobre lo que puede suceder con tal conocimiento.
"Definitivamente nos da una ventaja, ", dijo." Pero, por supuesto, depende de la humanidad en términos de lo que hagamos con este conocimiento. Solo espero que estos nuevos hallazgos conduzcan a resultados equitativos, cambio positivo."
El documento "Aprendizaje profundo para señales de alerta temprana de puntos de inflexión, "por Bauch, Lenton, Enterrar, Anand y los coautores R. I. Sujith, Induja Pavithran, y Marten Scheffer, fue publicado en la revista procedimientos de la Academia Nacional de Ciencias ( PNAS ).