Može li umjetna inteligencija na vrijeme prepoznati klimatsku prijelomnu točku?

Prijelomne točke u klimatskom sustavu nisu dramatičan trenutak koji možemo jednostavno označiti na kalendaru. One su pragovi nakon kojih se promjena može ubrzati i postati teško reverzibilna. Nova studija objavljena u časopisu Proceedings of the National Academy of Sciences, a predstavljena 16. listopada na Phys.orgu, pokazuje kako bi umjetna inteligencija jednog dana mogla pomoći u njihovu ranijem prepoznavanju. No riječ je o važnom metodološkom koraku, ne o klimatskom alarmu koji je već potvrđen u stvarnom svijetu.

Model koji pamti da se pravila mijenjaju

Istraživači s Caltecha, Sveučilišta Colorado Boulder i NVIDIJE razvili su takozvani rekurentni neuronski operator. Za razliku od modela koji pretpostavljaju da će budućnost nalikovati prošlosti, ovaj sustav pokušava pratiti nestacionarnu dinamiku: fizika sustava tijekom vremena nije posve ista. Njegova je svojevrsna memorija povezana s fizičkim ograničenjima, primjerice zakonima očuvanja i jednadžbama koje opisuju gibanje.

Ideja je elegantna. Umjetna inteligencija uči ponašanje sustava prije prijeloma, a zatim prati trenutak kada njezina predviđanja počnu odstupati od fizike. Takvo odstupanje ne znači samo da je algoritam pogriješio; u simulaciji može biti znak da se sustav približava kvalitativnom skoku. Autori su uz to primijenili konformalnu predikciju, statistički okvir koji procjeni dodaje mjeru nesigurnosti.

Oblaci i krilo zrakoplova kao laboratorij

Najzvučniji pokus odnosi se na scenarij u kojem porast koncentracije ugljikova dioksida dovodi do naglog nestanka niskih stratokumulusnih oblaka iznad oceana. Takav bi gubitak smanjio refleksiju Sunčeve energije i dodatno pojačao zagrijavanje. U simuliranim podacima model je prijelomnu točku predvidio više od dvije godine unaprijed, s pogreškom od približno jedanaest dana.

Drugi test bio je aerodinamički: sustav je pokušao najaviti nagli pad uzgona pri strujanju zraka preko zakrenutog profila krila, odnosno prijelaz prema gubitku uzgona. Rad je pritom pokazao da model može raditi i kada poznajemo samo dio jednadžbi te da se može prenijeti na uvjete koji nisu bili zastupljeni u učenju. To je zanimljivo za projektiranje letjelica, ali i za opću znanost o složenim sustavima.

Najvažnija rečenica nalazi se između redaka

Rezultate ne treba čitati kao najavu da je umjetna inteligencija već pronašla datum klimatske katastrofe. Oblaci u pokusu nisu opaženi kako nestaju; ponašanje je proizašlo iz pojednostavljenog klimatskog modela. Simulacija je korisna za provjeru metode, ali nije zamjena za dugotrajna satelitska i atmosferska mjerenja, usporedbu više modela ni procjenu stvarnih povratnih sprega u oceanu i atmosferi.

Tu je i širi problem: algoritam može biti izvrstan u prepoznavanju odstupanja, a da ipak ne zna objasniti koji je fizički uzrok. Njegovo upozorenje zato mora ostati pomoć znanstvenicima, ne samostalna odluka za klimatsku politiku. Vrijednost rada upravo je u toj skromnijoj, ali realnijoj ulozi. Umjesto obećanja da će predvidjeti sve nagle promjene, istraživači nude alat koji bi mogao upozoriti kada postojeći opis sustava prestaje biti dovoljan.

U vremenu kada se riječ „AI” često koristi kao sinonim za čarobno rješenje, ova studija je zanimljiva zato što umjetnu inteligenciju vraća u okvire znanstvene provjere. Najbolja prognoza nije ona koja zvuči najodvažnije, nego ona koja jasno pokazuje gdje prestaju podaci, gdje počinje simulacija i koliko upozorenju možemo vjerovati.