如何让人工智能成为认识地球的助手,而不是让科学研究陷入数据和算法的迷雾?
10月29日至30日,中国科学院学部第243次科学和技术前沿论坛在河南郑州举行。论坛以“数智赋能地球系统科学创新”为主题,来自地球科学、信息科学等领域的院士专家,围绕地球系统科学的理论创新,以及数智技术在人地系统、气候、海洋、深地等领域的应用展开讨论。
论坛指向一个共同命题:人工智能正在改变地球科学研究范式,但要真正读懂地球,数据、算法与科学机理必须走到一起。
从看清地球到推演地球,“数智驱动地球系统科学的追求,就是四步走:首先看清地球,接着理解地球,然后预测地球,最后推演地球。”中国科学院院士郭华东用这四个递进的目标,勾勒出数智赋能地球系统科学的发展方向。
从数据到信息、从信息到知识,再到智能,“地球智能”已成为全球地球观测研究的新主线。地球科学的研究对象,正在从传统的单一圈层和局部过程,转向地球自然系统内部相互作用及其与人类活动相互影响的复杂系统。大数据与人工智能的发展,使科学家们能够获取和处理过去难以想象的海量数据,探索地球智能认知模式,并为认识不同圈层、多圈层耦合和地球系统提供了崭新的动力。
郭华东认为,不能仅把人工智能与大数据看作地球科学之外的两种辅助工具。“大数据与人工智能双向赋能,它们和地球系统的融合构成地球系统科学智能,将改变地球系统科学的研究范式,使人类更深入、系统地认知行星地球。”但数据规模的增长,并不意味着科学认识会自动深化。
中国科学院青藏高原研究所研究员李新以人工智能领域的Alpha系列成果为参照,提出了一个问题:地球系统科学的“Alpha时刻”何时到来?
AlphaGo能够在规则明确的围棋世界里寻找最优策略,AlphaFold能够预测蛋白质结构,那么是否有完备的数学理论来支持复杂地球系统模拟决策?李新认为,地球系统具有多尺度、强非线性、圈层异质性和开放性等特点,它既不像围棋那样拥有完全透明的规则,也无法通过有限的训练数据穷尽所有可能。
李新指出,如果说传统范式的核心在于“动力与观测的和谐”,那么数智技术赋能地球治理的关键,则是让“卡尔曼遇到贝尔曼”——将以卡尔曼滤波为代表的状态估计(数据同化)与以贝尔曼方程为代表的长期价值决策优化(强化学习)融为一体。
把人类写进地球系统
地球系统科学不仅要研究自然,也必须研究人类。
中国科学院院士樊杰指出,传统人文地理学主要依靠统计归纳,面对复杂的人类行为和社会关系,难以完全借助传统数值方程进行模拟。如今,将政策文本、社会经济数据、人口流动轨迹等信息与人工智能技术结合,为研究人地系统提供了新的可能。
不过,技术进步也带来了新的问题。
人类行为并非简单的物理运动。不同群体有不同的利益、价值观和行为选择,模型可以计算某种方案的效率,却未必能够判断它是否符合社会发展的实际需要。
樊杰提醒,在可持续发展进程中,价值观往往起着决定性作用。如果基础模型缺乏科学的世界观与价值导向引领,或者忽视了社会公平的复杂性与多样性,单纯依靠算法模拟就很难真正破解人地系统可持续发展的核心难题。
河南大学教授刘彦随则提出了现代“人地圈”(Human-Earth Sphere)的理论构想,阐释了创新发展人地系统科学的前沿方向。
在他看来,传统地球系统科学常把人类看作外在的观测者、外部影响因子,而真正的地球表层系统研究必须完成认识论转向——人类要从地球系统的观测者和影响者,转变为系统的内生变量和核心组分。
他还提出“地理工程”的概念:如果说医学以“吃药、打针、动手术”施治人体疾病,那么地理工程则以“保育、修复、做工程”破解退化人地系统、乡村空废土地、沙化盐碱化等现实问题。这一思路将地球系统研究从认识自然、保护自然,进一步延伸至改造自然、耦合人地的新维度。刘彦随强调,现代地理学研究不能止步于伏案写论文、室内建模型,更要“把科研做在田野里、把论文写在祖国大地上”。
AI能预警灾害,也要经得起真实世界检验
数智技术的价值,最终要体现在解决实际问题上。
中国科学院院士崔鹏介绍了数据与物理机理双驱动的山洪泥石流风险监测预警研究。
过去,灾害预警更多依赖气象降雨预报。但降雨量并不直接等于灾害风险:同样的降雨,在不同地形、土壤含水量和地质条件下,可能产生完全不同的后果。
崔鹏团队将降雨、土壤水分入渗、土体失稳、泥石流启动及沿程运动等过程联系起来,结合时空大数据开展动态风险评估,探索山地灾害的精细预报预警,将山洪泥石流灾害预警提前至两小时左右,并大幅提升预报预警准确度。
崔鹏指出,传统预报预警往往关注灾害是否发生,但防灾减灾真正需要知道的不仅是灾害发生,更要知道可能造成的危害。这就需要把降雨预报、灾害形成和造成损失关联起来。除了精确的降雨预报,还要考虑降雨落到地表之后,水土如何耦合、土体何时失稳滑坡、泥石流在何处演化致灾,从而精确定位危险区域与承载体风险,实现早预警、早撤离。
在气候变化研究中,中国科学院大气物理研究所研究员周天军在扼要概述气候系统模式国际发展历史的基础上,重点介绍了超级集合模拟方法,并对未来AI如何推进气候系统模拟研究进行了讨论。他强调,气候观测结果既包含人类活动造成的变化,也包含气候系统自身固有的自然变率。超级集合通过大量模拟试验,能够帮助科学家从自然波动的“噪声”中识别出人类活动的影响“信号”,并分析造成人为变化和自然振荡的物理机理,为气候变化检测、归因和预估提供依据。
海洋研究也在经历类似变化。
中国科学院海洋研究所研究员李晓峰介绍了“琅琊”海洋大模型的研究进展。海洋预报过去更多集中于温度、盐度、海流等状态变量,而新的研究正在向台风、降水、风暴潮、内孤立波、中尺度涡、海冰等复杂海洋现象拓展。
在深地研究领域,中国科学院院士郑永飞强调了科学机理的重要性。
“定性是第一位的,定量是第二位的。”他指出,如果对地学问题的本质判断出现偏差,即使采用再复杂的模型、再强大的算力,得到的结果也可能具有误导性。
这也是AI赋能科学研究必须面对的一条底线:算法可以帮助科学家发现关联,却不能自动把关联变成因果。
正如中国科学院院士郭雷在论坛闭幕研讨时所强调的,公鸡打鸣与日出在观测上高度相关,但不能把鸡鸣当作日出的原因。类似地,算法能帮助科学家从海量数据中发现复杂关联,甚至辅助生成因果假设、设计实验;但要穿透关联、锁定因果,通常还需结合领域理论、因果识别策略和多证据检验等。
版权声明:凡本网注明“来源:中国科学报、科学网、科学新闻杂志”的所有作品,网站转载,请在正文上方注明来源和作者,且不得对内容作实质性改动;微信公众号、头条号等新媒体平台,转载请联系授权。邮箱:shouquan@stimes.cn。