Os pesquisadores estão desenvolvendo inteligência artificial que pode avaliar os pontos de inflexão das mudanças climáticas. O algoritmo de aprendizado profundo pode atuar como um sistema de alerta precoce contra mudanças climáticas descontroladas.

Chris Bauch, professor de matemática aplicada na Universidade de Waterloo, é coautor de um artigo de pesquisa recente relatando resultados sobre o novo algoritmo de aprendizado profundo. A pesquisa analisa os limites além dos quais mudanças rápidas ou irreversíveis acontecem em um sistema, Disse Bauch. "Descobrimos que o novo algoritmo foi capaz não só de prever os pontos de inflexão com mais precisão do que as abordagens existentes, mas também de fornecer informações sobre que tipo de estado está além do ponto de inflexão, "Bauch disse." Muitos desses pontos de inflexão são indesejáveis, e gostaríamos de evitá-los, se pudermos. "

Alguns pontos de inflexão frequentemente associados a mudanças climáticas descontroladas incluem o derretimento do permafrost ártico, que poderia liberar grandes quantidades de metano e estimular um aquecimento ainda mais rápido; colapso dos sistemas de correntes oceânicas, o que pode levar a mudanças quase imediatas nos padrões climáticos; ou desintegração do manto de gelo, o que poderia levar a uma rápida mudança no nível do mar.

A abordagem inovadora com esta IA, de acordo com os pesquisadores, é que ele foi programado para aprender não apenas sobre um tipo de ponto de inflexão, mas também sobre as características dos pontos de inflexão em geral.

A abordagem ganha força com a hibridização de IA e teorias matemáticas de pontos de inflexão, realizando mais do que qualquer método poderia sozinho. Depois de treinar a IA no que eles caracterizam como um "universo de possíveis pontos de inflexão" que incluiu cerca de 500, 000 modelos, os pesquisadores testaram em pontos de inflexão específicos do mundo real em vários sistemas, incluindo amostras históricas do núcleo do clima.

"Nosso método aprimorado pode levantar bandeiras vermelhas quando estamos perto de um ponto de inflexão perigoso, "disse Timothy Lenton, diretor do Global Systems Institute da University of Exeter e um dos co-autores do estudo. "Fornecer um alerta antecipado melhorado dos pontos de inflexão climáticos pode ajudar as sociedades a se adaptar e reduzir sua vulnerabilidade ao que está por vir, mesmo que eles não possam evitá-lo. "

O aprendizado profundo está fazendo grandes avanços no reconhecimento e classificação de padrões, com os pesquisadores tendo, pela primeira vez, converteu a detecção de pontos de inflexão em um problema de reconhecimento de padrões. Isso é feito para tentar detectar os padrões que ocorrem antes de um ponto de inflexão e obter um algoritmo de aprendizado de máquina para dizer se um ponto de inflexão está chegando.

"As pessoas estão familiarizadas com os pontos de inflexão nos sistemas climáticos, mas existem pontos de inflexão na ecologia e epidemiologia e até mesmo nos mercados de ações, "disse Thomas Bury, um pesquisador de pós-doutorado na Universidade McGill e outro dos co-autores do artigo. "O que aprendemos é que a IA é muito boa em detectar características de pontos de inflexão comuns a uma ampla variedade de sistemas complexos."

O novo algoritmo de aprendizado profundo é um "divisor de águas para a capacidade de antecipar grandes mudanças, incluindo aqueles associados às mudanças climáticas, "disse Madhur Anand, outro dos pesquisadores do projeto e diretor do Guelph Institute for Environmental Research.

Agora que a IA deles aprendeu como funcionam os pontos de inflexão, a equipe está trabalhando na próxima fase, que é fornecer os dados para as tendências contemporâneas nas mudanças climáticas. Mas Anand emitiu uma palavra de cautela sobre o que pode acontecer com esse conhecimento.

"Isso definitivamente nos dá uma vantagem, "disse ela." Mas é claro, cabe à humanidade o que fazemos com esse conhecimento. Eu só espero que essas novas descobertas levem a mudança positiva. "

O artigo "Aprendizagem profunda para sinais de alerta precoce de pontos de inflexão, "por Bauch, Lenton, Enterrar, Anand e co-autores R. I. Sujith, Induja Pavithran, e Marten Scheffer, foi publicado no jornal Proceedings of the National Academy of Sciences ( PNAS )