滑铁卢大学应用数学教授 Chris Bauch 是最近一篇研究论文的合著者，该论文报告了有关新深度学习算法的结果。Bauch 说，这项研究着眼于系统中发生快速或不可逆变化的阈值。
“我们发现新算法不仅能够比现有方法更准确地预测临界点，而且还能够提供关于临界点之外的状态类型的信息，”鲍赫说。“许多这些临界点都是不可取的，如果可以的话，我们想阻止它们。”
一些通常与失控的气候变化相关的临界点包括北极永久冻土融化，这可能会释放大量甲烷并刺激进一步快速加热;洋流系统崩溃，这可能导致天气模式几乎立即发生变化;或冰盖解体，这可能导致海平面快速变化。
据研究人员称，这种人工智能的创新方法是，它被编程为不仅可以学习一种类型的临界点，还可以学习一般临界点的特征。
这种方法从人工智能和临界点数学理论的混合中获得了力量，比任何一种方法单独完成的都多。在对 AI 进行了他们所描述的“可能的临界点宇宙”(包括大约 500,000 个模型)的训练后，研究人员在各种系统中的特定现实世界临界点(包括历史气候核心样本)上对其进行了测试。
“当我们接近危险的临界点时，我们改进的方法可能会引发危险信号，”埃克塞特大学全球系统研究所所长、该研究的合著者之一蒂莫西·伦顿 (Timothy Lenton) 说。“提供更好的气候临界点预警可以帮助社会适应并减少他们对即将到来的事物的脆弱性，即使他们无法避免。”
深度学习在模式识别和分类方面取得了巨大进步，研究人员首次将临界点检测转换为模式识别问题。这样做是为了尝试检测在临界点之前发生的模式，并让机器学习算法判断临界点是否即将到来。
“人们熟悉气候系统的临界点，但生态学和流行病学甚至股票市场也存在临界点，”麦吉尔大学的博士后研究员、该论文的另一位合著者托马斯·伯里 (Thomas Bury) 说。“我们了解到，人工智能非常擅长检测各种复杂系统共有的临界点特征。”
该项目的另一位研究人员兼圭尔夫环境研究所所长 Madhur Anand 说，新的深度学习算法是“预测重大变化的能力的改变者，包括与气候变化相关的变化”。
既然他们的 AI 已经了解了临界点的运作方式，该团队正在开展下一阶段的工作，即为其提供有关气候变化当代趋势的数据。但是阿南德警告说，有了这些知识可能会发生什么。
“这绝对让我们有优势，”她说。“但当然，就我们如何利用这些知识而言，这取决于人类。我只希望这些新发现将带来公平、积极的变化。”
