L'IA aide à comprendre la complexité du climat, de la météorologie et de l'utilisation des terres, et à trouver des solutions au changement climatique. Comment l'IA peut-elle aider à lutter contre le changement climatique ?

Images générées par l'IA basées sur les invites « tornade dans les zones rurales du Midwest des États-Unis », « orage avec éclairs sur la ville » et « champ de maïs ». Crédit : DALL-E (les deux premiers à partir de la gauche) et Microsoft Bing Image Creator, à l'initiative d'Everett Hogrefe et Jayme DeLoss

histoire de Jayme DeLosspubliée le 31 août 2023

Imaginez que nous puissions prédire non seulement les violentes tempêtes dans plus d’une semaine, mais aussi ce que sera le climat dans 50 ans et comment les stratégies d’intervention pourraient atténuer les impacts du changement climatique. Les chercheurs de l’Université d’État du Colorado développent des moyens de réaliser toutes ces choses à l’aide d’un outil puissant : l’intelligence artificielle.

La professeure de sciences atmosphériques Elizabeth Barnes utilise l'apprentissage automatique, un sous-ensemble de l'IA, pour démêler la complexité de la science du climat. Le professeur Russ Schumacher, climatologue de l'État du Colorado et directeur du Colorado Climate Center, a dirigé le développement d'un modèle d'apprentissage automatique capable de prédire avec précision les intempéries quatre à huit jours à l'avance et qui est désormais utilisé quotidiennement dans les opérations du National Weather Service. Et une équipe dirigée par le professeur émérite Keith Paustian du Département des sciences des sols et des cultures fera passer l'expertise de renommée mondiale de la CSU en matière de quantification des gaz à effet de serre au niveau supérieur en combinant ses forces avec celles de l'apprentissage automatique.

Le groupe de recherche de Barnes utilise l'apprentissage automatique pour détecter les impacts du changement climatique, prédire le temps et le climat dans quelques semaines ou décennies et explorer les résultats potentiels de stratégies hypothétiques d'intervention climatique comme la géo-ingénierie.

Le système climatique est incroyablement complexe et ceux qui l’étudient s’appuient sur d’énormes quantités de données. Barnes a déclaré que l’apprentissage automatique est l’outil parfait pour les climatologues.

"Nous avons toujours utilisé des données et essayé d'extraire toute la complexité du système climatique et de le rendre compréhensible à un être humain. Aujourd'hui, l'apprentissage automatique nous permet d'aller encore plus loin et de découvrir des relations encore plus complexes", a-t-elle déclaré. . "Au point où nous en sommes actuellement, nous essayons toujours de rendre leurs prédictions compréhensibles pour les humains."

Avec suffisamment de données, un modèle d'apprentissage automatique suffisamment complexe peut trouver des modèles parmi le bruit et potentiellement produire des prédictions précises, mais Barnes s'intéresse à l'IA explicable, c'est-à-dire comprendre comment un modèle d'apprentissage automatique est arrivé à la conclusion qu'il a obtenue. Elle compare le déchiffrement du processus du modèle à la résolution d'un labyrinthe en commençant par la fin et en remontant.

« Nous avons toujours utilisé des données et essayé d'extraire toute la complexité du système climatique et de le rendre compréhensible à un humain. Aujourd'hui, l'apprentissage automatique nous permet d'aller encore plus loin et de découvrir des relations encore plus complexes. Nous en sommes actuellement à essayer de rendre leurs prédictions compréhensibles pour les humains. »

— Elizabeth Barnes, professeure de sciences atmosphériques

"S'il fait du bon travail et que nous pouvons comprendre pourquoi il a pu le faire, nous apprendrons alors de nouvelles sciences du climat", a déclaré Barnes.

Son groupe se concentre également sur l’IA interprétable – parfois appelée IA transparente. Ils partent de zéro, construisant des modèles d'apprentissage automatique à partir de zéro, afin que les modèles soient compréhensibles pour les gens à chaque étape du processus.

"C'est un processus beaucoup plus lent et honnêtement beaucoup plus difficile", a déclaré Barnes, "mais le résultat est que lorsqu'il fait une prédiction, vous n'avez pas à vous demander : 'Pourquoi a-t-il fait cette prédiction ?' Vous savez déjà pourquoi.

L’explicabilité et l’interprétabilité sont deux éléments qui peuvent aider les gens à faire confiance à l’IA, mais de nombreux autres facteurs entrent en jeu. Barnes, Imme Ebert-Uphoff, scientifique à l'Institut coopératif de recherche sur l'atmosphère et professeur au Département de génie électrique et informatique, et le professeur d'informatique Chuck Anderson explorent ce qu'il faudra pour créer une IA fiable pour étudier la météo et le climat. . Ils sont partenaires de l'Institut de recherche sur l'IA fiable en matière de météorologie, de climat et d'océanographie côtière, financé par la National Science Foundation, et dirigé par l'Université d'Oklahoma.