新一代曾天依:漫步世界顶级学府 探索全球气候变迁
原创 作者:胡嘉琦 /
发布时间:2024-04-24/
浏览次数:0次
2024年2月5日,在斯坦福大学举办的一场前沿科技研讨会上,一位华裔女生的演讲获得了在场教授们的热烈掌声,而这些教授,大多是全球机器学习领域的顶级研究者,这位女生名叫曾天依,是麻省理工学院的人工智能专业博士,她演讲的主题是《多模态机器学习与全球气候适应》。
在演讲中,曾天依深入探讨了多模态机器学习(multimodal machine learning)在全球天气方面的应用,特别强调了人工智能在天气预测中的重要性。她指出,这种模型能够更准确、更有效地预测天气变化趋势和自然灾害,从而采取有针对性的措施来减少损失。
根据Emdat data set (by NASA)的研究,仅从过去120年的历史数据来看,全球重大自然灾害出现的频率在1900-1950年间为年均10次;在1950-2000年间,这一数据上升为年均112次;到了2000—2021年间,这一数据骤升为年均342次。
曾天依的研究不仅涉及风向和洪水风险的探索,还致力于帮助社会适应天气变化带来的挑战。通过精准预测自然灾害,她努力帮助社区应对天气变化的影响,从而保护生态环境和人类的居住环境。
“尽管该模型在医疗、保险、金融、房地产领域均具有巨大应用前景,但我更愿意把机器学习运用到环境和可持续发展方向,因为在机器学习方面,气候和可持续性的人才稀缺。”曾天依告诉《商学院》记者。
运用数学解决社会问题
曾天依从小就对数学情有独钟,在选择大学专业时,她毫不犹豫地选了英国帝国理工学院的数学专业。尽管她在数学学习上表现出色,但在深入学习后却意识到专攻数学理论并不适合自己,她更希望从事能够解决社会实际问题的工作,因此她转向了应用数学领域。
博士阶段,曾天依开始了她对“AI+行业应用”的研究,由于导师的应用研究更多集中在“AI+医疗”领域方向,曾天依在这个方向上一做就是三年。
然而,2022年8月发生在巴基斯坦的一场洪水灾难让她深受触动,“我决定利用人工智能来预测洪水,我觉得这是一项非常有意义的课题。”曾天依说道。
在曾天依看来,在“AI+医疗”领域,已经有很多人在探索,未来也不会缺少研究者。但在“AI+天气预测”领域里,却鲜有人在尝试。她决定把“AI+医疗”的研究方法应用到天气预测领域,并得到了导师的鼓励与支持。
然而,面对这一全新的课题,曾天依也经历了许多困难和失败。她坦言,成功并非易事,尤其是在科研工作中,探索新发现时失败是家常便饭。但是博士研究的历程教会她的是不放弃的精神,在试错中不断调整方法总结经验,就能够实现预测洪水的目标。
经过反复的试验和方法优化,曾天依认识到,人工智能在天气预测中的应用将带来革命性的变革。相对于传统基于物理模型的实时预测方式,“AI+天气预测”更为迅速、准确。传统方法存在一个无法避免的问题:随着考虑因素增加,模型复杂度和预测时间也随之增长。大多数物理模型需在国家级超级计算机上运行,计算时间长达4—6小时。
与之不同,人工智能虽前期训练成本高昂,然而一旦训练完成,部署所需时间和成本将大大减少。这类似于使用ChatGPT进行问答,几秒钟即可获得准确回答。然而,人工智能的瓶颈在于前期训练成本,数据量越大、精度越高,模型复杂度也随之增加,需要投入的时间和精力非常大,然而一旦模型训练好,后续的运用和部署成本相对较低,体现了AI在效率上的优势。
曾天依的团队采用了多模态机器学习的方法,试图解决AI模型在物理现象方面的问题。他们通过大量的数据驱动训练AI模型,以达到气象预报的准确性和效率。
曾天依回忆当初选择AI作为解决天气预测问题的手段时,他们并没有考虑能否成功,而是被AI的神奇所吸引。在导师的鼓励下,他们决定将AI应用于天气预测领域。
“我们的初衷就是试探一下AI是否可以解决天气预测中最混沌的问题——龙卷风”。曾天依坦言,他们的研究团队由几位“初生牛犊不怕虎”的博士组成,初始阶段并没有抱太大的期望,更多是出于好奇心和对AI的崇敬。一年半的时间里,他们不断试错,不断调整模型,努力达到准确的天气预测,最后竟然获得了成功。
“我们甚至不敢相信研究的结果,竟然能与国家级的天气预报中心相媲美。”曾天依说。
坚持有挑战性和有意义的事
多年求学生涯中,曾天依始终坚持做有意义的事。曾天依表示,她在读博士期间导师常常说,“不要惧怕有挑战的事情,要坚持去做有意义的事情,如果你给自己制定一个很高的目标,很有可能达不到,但是也会达到不错的目标。”
她表示:“我们的目标是挑战最难的问题。”于是,她选择了混沌系统中最具挑战性的天气现象——龙卷风作为研究对象,并选择人工智能作为研究的突破口,展开了挑战。
经过一年半的试错和努力,曾天依在导师的团队带领下,成功地训练出了一个能够准确地预测龙卷风发生的人工智能模型。尽管这只是一支由2名博士生和导师组成的小团队,但他们取得了令人惊讶和兴奋的成就。
曾天依表示:“我们的团队相对于天气预报机构来说人数比较少,我们并不与传统的天气预报机构竞争,在领域经验上,我们无法和气象专家相比;在算力和人力上,我们也无法和前沿的科技公司媲美。我们希望在方法论上有新的突破,为人工智能在天气预报领域的应用带来新的可能性。”
她意识到,人工智能在天气预报领域的应用还存在一些挑战,比如数据收集和模型训练的成本。但曾天依对未来充满信心,希望能够继续探索更多的可能性,并将人工智能技术应用于天气预报以外的领域。
同时,曾天依团队还利用人工智能技术与摩洛哥一家化肥工厂合作,成功预测风向和风速,从而精准控制环境污染。这项技术不仅提高了预报准确度,还降低了工厂对周围环境的影响,成为环境保护的成功案例。
在攻读PhD(Philosophic Doctor,学术型博士)前三年间,曾天依一直从事医疗领域的研究,与导师做“AI+医疗”的研究。然而,一个暑假的实习经历彻底改变了她的职业方向。她在加州进行实习时,被当地人们的进步所震撼。她开始对气候变化产生兴趣,尤其是在阅读了比尔·盖茨的《如何避免气候灾难》后。曾天依关注到,在机器学习方面,气候和可持续性方面的人才稀缺,而大多数同行的研究人员都集中在医疗和供应链等领域,这激发了她转向气候与可持续性研究的想法。
而这个决定在外界看来,无疑是在冒险,因为她再过2年就要毕业了,在这个时候转专业意味着可能延长毕业时间,甚至导致无法毕业,因为她需要在转专业后再发表三篇论文。尽管如此,她仍然坚持转专业对“AI+天气”进行研究。
曾天依的转变并不容易,但她相信自己选择的道路是正确的。她从小热爱环保,对环保事业的热爱是她坚持下来的动力和源泉。正如前面所提到的,在PhD阶段,她也经历过从医疗到气候的行业转变。她认为,利用人工智能来解决气候变化和可持续性问题是非常重要的,并且相信自己有能力为此作出贡献。
对于曾天依团队的成就,清华大学苏世民书院常务副院长潘庆中教授表示,预测天气是一个相对成熟的领域,很多研究者参与其中,但曾天依团队在利用人工智能预测天气方面取得了很好的成绩。他指出,虽然存在一定的技术门槛,也需要大量的数据支撑,但基于中国良好的研究基础,人工智能技术可以发挥辅助作用,在气候预测方面前景可期。
目前,深度学习模型GraphCast在欧洲中期天气预报(mid-range weather forecast)的应用正受到广泛关注。GraphCast在近40年的数据上进行了训练,并表现出了出色的预测能力。研究人员发现,GraphCast不仅能够更早地识别出恶劣天气事件,而且在没有经过专门训练的情况下也能发挥关键作用。这一发现对人类来说具有重要意义,因为GraphCast的应用可以帮助人们提前做好准备,减少风暴和极端天气对社区的影响。
Google DeepMind推出的基于机器学习的天气预测模型GraphCast在全球0.25°的分辨率下,能够在一分钟内预测未来10天的数百个天气变量,明显优于传统的气象预报方法。该模型在预测极端事件方面同样表现良好。
尽管GraphCast的训练计算量很大,但生成的预测模型非常高效。在谷歌TPU v4机器上运行,使用GraphCast进行10天的预测只需要不到一分钟的时间。相比之下,使用传统方法进行同样时间段的预测可能需要在超级计算机中进行数小时的计算。这表明了人工智能在天气预报领域的潜在价值,为改善气象预测提供了新的可能性。
而曾天依研究和探索的方向,显然已经走在了相对前沿的位置。
在运动中解压,在散步中获取灵感
忙碌的学习和工作之余,曾天依会坚持规律运动。早起练习半个小时瑜伽,每周和朋友一起打壁球是她经常选择的运动方式。对曾天依来说,每一天都是运动的日子,她坚持每天进行一定量的运动,认为运动对身体和心理的健康至关重要。
曾天依的父亲曾经告诉她:“8-1>8”,意思是如果你每天花一个小时运动,你的工作效率将超过连续工作八个小时的效果。而这位父亲,也是清华大学应用数学系的优秀毕业生,同样酷爱运动。
在攻读博士学位期间,曾天依也经常遇到挑战和困难,她发现,每当遇到瓶颈时,保持积极的心态至关重要。她喜欢将自己的研究过程比喻为爬山,强调不要过多关注山顶,而是专注于下一步应该怎么走,并始终保持对研究过程的热爱和探索精神。
曾天依坦言,她喜欢在散步中寻找灵感,在研究方面,曾天依采取了多项目并行的策略。她表示:“我通常同时处理2—3个项目,当一个项目遇到困难时,我可以将注意力转移到其他项目上,从而提高效率。此外,我还进行偏理论和偏实验性的研究,这有助于我在研究中保持新鲜感,使我的工作更加丰富多样。”曾天依强调了这种方法对于避免焦虑的重要性:“失败会让人焦虑,但转移注意力可以让我更好地面对困难。”
曾天依用行走拾取灵感,用音乐驱散孤独,用多项目并行应对困难,展现了一种积极向上的生活态度和研究精神。(本文图片由受访者提供)
除《商学院》杂志署名文章外,其他文章为作者独立观点不代表《商学院》杂志立场,未经允许不得转载。版权所有
欢迎关注平台微信公众号
点赞 30
收藏 20