2024-ben világszerte nagyjából 604 szélsőséges időjárási eseményt jegyeztek fel, és sokat közülük szokatlannak vagy példátlannak minősítettek. Az uniós finanszírozású XAIDA projekt azt tűzte ki célul, hogy megmutassa, hogyan formálja az éghajlatváltozás az ilyen eseményeket, és hogyan érthetők meg jobban. A gépi tanulás és a mélytanulás segítségével a kutatók aggasztó eredményre jutottak: sok régióban a hőhullámok gyorsabban szaporodnak, mint ahogy az éghajlati modellek várták. A végén pedig magad is kipróbálhatod, mennyire birkózol meg a hőséggel.
A szélsőséges időjárási események az elmúlt években egyre gyakoribbá és egyre erősebbé váltak. Ez komoly aggodalmat kelt, mind a környezet, mind az emberek biztonsága szempontjából.
A számok magukért beszélnek: 2024-ben világszerte körülbelül 604 ilyen eseményt jegyeztek fel, és sokat közülük szokatlannak, sőt példátlannak minősítettek.
Az események és az éghajlatváltozás közötti kapcsolat erősnek tűnik. A gond az, hogy a növekvő intenzitásuk és összetettségük mögött álló mechanizmusokat még mindig nem értjük teljesen. A XAIDA projekt éppen ezt a hiányt akarta pótolni.
A XAIDA uniós finanszírozású projekt, amely 16 partnerszervezetet fogott össze, három területre specializálódva: mesterséges intelligencia, statisztika és éghajlati modellezés.
A céljuk olyan adatvezérelt módszerek kidolgozása volt, amelyek feltárják, milyen szerepet játszik az éghajlatváltozás a szélsőséges időjárásban világszerte. Különböző ágazatok érintettjeit is bevonták, hogy a megállapítások felhasználhatók legyenek a kockázatértékelésben és az alkalmazkodási stratégiákban.
A konzorcium eszközkészletet fejlesztett ki a gépi tanuláshoz, az ok-okozati következtetéshez, az események felismeréséhez és a hatásértékeléshez. A hőhullámok voltak az egyik kulcsterület, ahol ezeket az eszközöket bevetették.
A csapat variációs autoenkódereket, egy mélytanulási technikát használt annak vizsgálatára, hogyan viselkedik a szélsőséges hőség az éghajlat változásával. Az eredmények nem voltak megnyugtatók.
„A projekt során megtudtuk, hogy sok régióban a hőhullámok gyorsabban szaporodnak, mint ahogy az éghajlati modellek előre jelezték. Ez nagy aggodalomra ad okot” – mondja Dim Coumou, a projekt koordinátora, az amszterdami Vrije Universiteit munkatársa.
A XAIDA több kézzelfogható eredményt hagy maga után:
A projekt több mint 100 lektorált tudományos cikket is eredményezett, és oktatási anyagok készültek általános és középiskolai tanároknak.
Az egyik legnagyobb kihívás magára a mesterséges intelligenciára vonatkozott. Az eredményeinek megbízhatónak és értelmezhetőnek kell lenniük, különben a tudósoknak alig van okuk támaszkodni rájuk.
A XAIDA ezt úgy oldotta meg, hogy a hagyományos módszereket, például az éghajlati modelleket és a statisztikai elemzést ötvözte az új mesterségesintelligencia-technikákkal. A kettő egymás mellett futtatása lehetővé tette az eredmények összevetését és igazolását.
A régi és az új ötvözése tette lehetővé, hogy a csapat magabiztosan mutassa be a mesterséges intelligencián alapuló megállapításokat, nem pedig fekete dobozként.
Coumou hangsúlyozza, hogy a XAIDA nem elszigetelten jött létre: „A XAIDA az elmúlt évek sokkal nagyobb, a mesterséges intelligencia éghajlattudományi újításaiból álló hullámának volt a része; a mesterséges intelligencia igazán fellendült a projekt időtartama alatt. Ma már globális, mesterséges intelligencián alapuló időjárás-előrejelző modelljeink vannak, amelyek valóban új lehetőségeket nyitnak a kutatóközösség előtt.”
Aki az éghajlatkutatói pályán gondolkodik, annak az üzenet egyértelmű: az időjárás tanulmányozása ma már adatokkal, statisztikával és algoritmusokkal való munkát is jelent.
A XAIDA a mesterséges intelligenciát, a statisztikát és az éghajlati modellezést egyesítette, hogy jobban megértse a szélsőséges időjárást. A projekt megállapította, hogy a hőhullámok sok régióban gyorsabban szaporodnak, mint ahogy az éghajlati modellek előre jelezték, és létrehozta az AIDE eszköztárat, a CAUSEME platformot és a GreenEarthNetet. A hagyományos módszerek és a mesterséges intelligencia párosításával a csapat igazolni tudta az eredményeit, és megbízhatóbbá tette a mesterséges intelligenciát az éghajlattudomány számára.
5 kérdés · egy perc
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文