El aprendizaje automático, cuando se utiliza en la ciencia del clima, genera una comprensión real del sistema climático. Esto significa que podemos confiar en el aprendizaje automático y promover sus aplicaciones en la ciencia del clima, dicen los autores.
Hombre o maquina
Los modelos climáticos grandes y complejos a menudo no son prácticos para trabajar, ya que necesitan funcionar durante meses en supercomputadoras. Como alternativa, los científicos del clima a menudo estudian modelos simplificados.
Generalmente, se utilizan dos enfoques diferentes para simplificar los modelos climáticos: Un enfoque de arriba hacia abajo en el que los expertos en clima estiman el impacto que tendrán las funciones omitidas en las partes que se mantienen en el modelo reducido. Y un enfoque de abajo hacia arriba, donde los datos climáticos se alimentan con un programa de aprendizaje automático, que luego simula el sistema climático.
Los dos métodos producen resultados comparables. Sin embargo, es un problema difícil comprender físicamente los enfoques basados en datos (de abajo hacia arriba) para confiar plenamente en ellos. ¿Los programas de aprendizaje automático 'comprenden' que están lidiando con un sistema dinámico complejo, o simplemente son buenos para adivinar estadísticamente las respuestas correctas?
Solución inteligente
Ahora, un grupo de científicos prueba analíticamente y mediante simulaciones por computadora, que un programa de aprendizaje automático llamado Reducción de modelo empírico (EMR) de hecho sabe lo que está haciendo. El estudio muestra que este programa informático alcanza resultados comparables a las reducciones descendentes de modelos más grandes porque el aprendizaje automático construye su propia versión de un modelo climático en su software.
“Creo que lo que hacemos en esta investigación es dar algún tipo de evidencia física de por qué funciona este protocolo en particular basado en datos. Y eso para mí es bastante significativo, porque el método ha estado en las ciencias atmosféricas durante bastante tiempo. Sin embargo, todavía había bastantes lagunas en la comprensión de las metodologías ”, dice Ph.D. alumno Manuel Santos Gutiérrez.
Estimulante y útil
El estudio indica que el método de aprendizaje automático es dinámica y físicamente sólido y produce simulaciones sólidas. Según los autores, esto debería motivar el uso adicional de métodos basados en datos en la ciencia del clima, así como en otras ciencias.
“Es un paso muy alentador. Porque, en cierto sentido, significa que el método basado en datos es inteligente. No es un emulador de datos. Es un modelo que captura los procesos dinámicos. Es capaz de reconstruir lo que hay detrás de los datos. Y eso indica que estas derivaciones teóricas te dan un objeto que es algorítmicamente útil ”, dice Valerio Lucarini, profesor de mecánica estadística en la Universidad de Reading.
El resultado es importante en una variedad de campos: matemáticas aplicadas, física estadística, datos ciencia, ciencia del clima y ciencia de sistemas complejos. Y tendrá implicaciones en una variedad de contextos industriales, donde se estudian sistemas dinámicos complejos, pero solo se puede acceder a información parcial, como la ingeniería de aviones, barcos, turbinas eólicas o en modelos de tráfico, redes de energía, redes de distribución.