人工智能和物聯(lián)網如何幫助科學家克服氣候模型的挑戰(zhàn)

　　研究人員利用人工智能和物聯(lián)網技術遠程監(jiān)測南極惡劣環(huán)境中的苔蘚生長情況。通過LoRaWAN遠程傳輸和AIoT，該系統(tǒng)可以收集溫度、濕度等關鍵數據，而無需進行過多的數據處理。這一突破展示了人工智能和物聯(lián)網結合在改進微氣候模型和幫助氣候變化研究方面的潛力。氣候模型帶來了什么挑戰(zhàn)，研究人員做了什么，以及這如何證明人工智能和物聯(lián)網的力量?

　　氣候模型帶來了什么挑戰(zhàn)?

　　在氣候科學領域，創(chuàng)建精確的氣候模型并確定支持氣候變化理論的證據給科學家們帶來了諸多挑戰(zhàn)。盡管有大量證據表明，自工業(yè)革命以來，全球氣溫和二氧化碳水平一直在持續(xù)上升，但由于地球氣候的極端復雜性，以及不同環(huán)境因素之間難以置信的復雜相互作用，很難準備地創(chuàng)建將海平面、大氣成分和全球二氧化碳排放聯(lián)系在一起的模型。

　　例如，二氧化碳的上升會使溫度升高，但從歷史上看，溫度在二氧化碳水平上升之前就已經上升了。因此，認為二氧化碳不會導致氣溫上升是可以理解的。然而，仔細觀察就會發(fā)現(xiàn)，二氧化碳水平的上升會導致全球氣溫上升，而二氧化碳之所以滯后于溫度上升，是因為正反饋效應，即溫度略有上升會導致海洋釋放更多的二氧化碳，從而導致溫度升高。

　　為了創(chuàng)建準確的氣候模型，研究人員需要盡可能多的數據，而這些數據需要包括從全球溫度到當地空氣污染物和風速的所有數據。然而，訪問大量數據也可能是一把雙刃劍，因為找到相關的數據模式可能非常困難。

　　最后，從偏遠地區(qū)獲取數據，如北極，考慮到當地互聯(lián)網訪問經常不可用，傳感器需要能夠長時間運行，并且很少有人能夠主動監(jiān)控傳感器安裝。這是難以置信的挑戰(zhàn)。

　　南極研究人員利用人工智能和物聯(lián)網對苔蘚進行氣候監(jiān)測

　　一組南極研究人員認識到在偏遠地區(qū)需要更好的氣候監(jiān)測，最近將人工智能和物聯(lián)網技術結合起來，創(chuàng)造了能夠遠程監(jiān)測苔蘚的無線設備。據研究人員稱，苔蘚是“南極森林”，在零度以下的條件下發(fā)揮著重要的生態(tài)系統(tǒng)作用。

　　就像樹木為野生動物提供了豐富的生態(tài)系統(tǒng)一樣，苔蘚通過幫助隔絕南極無冰地區(qū)的永久凍土層，為包括細菌、緩步動物和真菌在內的小型生命形式提供了繁榮的生態(tài)系統(tǒng)。與此同時，苔蘚有助于減少大氣中的二氧化碳，使苔蘚成為重要的二氧化碳匯。因此，監(jiān)測南極苔蘚的狀態(tài)可以幫助研究人員了解氣候變化是如何影響南極的生物多樣性和整體環(huán)境的。

　　然而，在遠離社會的地方監(jiān)測苔蘚會帶來一些挑戰(zhàn)，包括數據收集、處理和傳輸。因此，研究人員轉向人工智能和物聯(lián)網進行數據處理，同時利用LoRaWAN進行遠程傳輸。

　　LoRaWAN的低帶寬特性意味著并非所有從傳感器收集的數據都可以傳輸，因此本地化人工智能和邊緣計算允許監(jiān)控設備決定應該發(fā)送什么。該系統(tǒng)被稱為物聯(lián)網人工智能(AIoT)，使研究人員能夠收集最相關的數據，包括溫度、濕度和圖像，而無需處理大量數據，從而幫助研究人員創(chuàng)建更好的微氣候模型。

　　這如何證明人工智能和物聯(lián)網的力量?

　　幾乎任何物聯(lián)網設備都可以被設計成實時傳輸大量數據，以供某些遠程服務器處理，雖然這在過去可能是可以接受的，但隨著越來越多的數據被收集起來，使得這變得不切實際。使用人工智能對數據進行預處理、確定相關內容并有選擇地發(fā)送數據，不僅有助于改善未來的物聯(lián)網服務，且有助于改善整個互聯(lián)網。這種設備模式也將有助于鼓勵安裝更大的設備網絡，因為現(xiàn)有的互聯(lián)網基礎設施將承受更小的壓力。

　　對于研究人員而言，使用人工智能過濾掉最關鍵的數據有助于創(chuàng)建更準確的模型。然而，人工智能好壞取決于其所訓練的模型，這意味著人工智能所犯的任何錯誤或假設都會影響到由人工智能過濾和處理的數據所創(chuàng)建的研究模型。