Les chercheurs développent une intelligence artificielle qui pourrait évaluer les points de basculement du changement climatique. L'algorithme d'apprentissage en profondeur pourrait servir de système d'alerte précoce contre le changement climatique incontrôlable.

Chris Bauch, professeur de mathématiques appliquées à l'Université de Waterloo, est co-auteur d'un récent article de recherche sur les résultats du nouvel algorithme d'apprentissage en profondeur. La recherche examine les seuils au-delà desquels un changement rapide ou irréversible se produit dans un système, dit Bauch. "Nous avons découvert que le nouvel algorithme était capable non seulement de prédire les points de basculement avec plus de précision que les approches existantes, mais également de fournir des informations sur le type d'état situé au-delà du point de basculement, " Bauch a déclaré. "Beaucoup de ces points de basculement sont indésirables, et nous aimerions les empêcher si nous le pouvons."

Certains points de basculement qui sont souvent associés à un changement climatique incontrôlable comprennent la fonte du pergélisol arctique, ce qui pourrait libérer des quantités massives de méthane et stimuler un échauffement encore plus rapide ; rupture des systèmes de courants océaniques, ce qui pourrait entraîner des changements presque immédiats des conditions météorologiques ; ou la désintégration de la calotte glaciaire, ce qui pourrait entraîner un changement rapide du niveau de la mer.

L'approche innovante avec cette IA, selon les chercheurs, est qu'il a été programmé pour apprendre non seulement un type de point de basculement, mais les caractéristiques des points de basculement en général.

L'approche tire sa force de l'hybridation de l'IA et des théories mathématiques des points de basculement, accomplissant plus que l'une ou l'autre méthode pourrait à elle seule. Après avoir formé l'IA sur ce qu'elle qualifie d'« univers de points de basculement possibles » qui en comprenait quelque 500, 000 modèles, les chercheurs l'ont testé sur des points de basculement spécifiques du monde réel dans divers systèmes, y compris des échantillons de carottes climatiques historiques.

"Notre méthode améliorée pourrait déclencher des drapeaux rouges lorsque nous sommes proches d'un point de basculement dangereux, " a déclaré Timothy Lenton, directeur du Global Systems Institute de l'Université d'Exeter et l'un des co-auteurs de l'étude. "Fournir une meilleure alerte précoce des points de basculement climatiques pourrait aider les sociétés à s'adapter et à réduire leur vulnérabilité à ce qui s'en vient, même s'ils ne peuvent pas l'éviter."

L'apprentissage en profondeur fait d'énormes progrès dans la reconnaissance et la classification des formes, les chercheurs ayant, pour la première fois, a converti la détection de point de basculement en un problème de reconnaissance de formes. Ceci est fait pour essayer de détecter les modèles qui se produisent avant un point de basculement et obtenir un algorithme d'apprentissage automatique pour dire si un point de basculement arrive.

« Les gens connaissent les points de basculement des systèmes climatiques, mais il y a des points de bascule en écologie et en épidémiologie et même en bourse, " a déclaré Thomas Bury, un chercheur postdoctoral à l'Université McGill et un autre des co-auteurs de l'article. "Ce que nous avons appris, c'est que l'IA est très efficace pour détecter les caractéristiques des points de basculement qui sont communes à une grande variété de systèmes complexes."

Le nouvel algorithme d'apprentissage en profondeur est un « changeur de jeu pour la capacité d'anticiper les grands changements, y compris celles liées au changement climatique, " dit Madhur Anand, un autre des chercheurs du projet et directeur du Guelph Institute for Environmental Research.

Maintenant que leur IA a appris comment fonctionnent les points de basculement, l'équipe travaille sur la prochaine étape, qui est de lui donner les données pour les tendances contemporaines du changement climatique. Mais Anand a émis une mise en garde sur ce qui peut arriver avec une telle connaissance.

"Cela nous donne définitivement une longueur d'avance, " dit-elle. " Mais bien sûr, c'est à l'humanité de décider ce que nous faisons avec cette connaissance. J'espère juste que ces nouvelles découvertes conduiront à des résultats équitables, changement positif."

L'article « Deep learning pour les signaux d'alerte précoce des points de basculement, " par Bauch, Lenton, Enterrer, Anand et ses co-auteurs R. I. Sujith, Induja Pavithran, et Marten Scheffer, a été publié dans la revue Actes de l'Académie nationale des sciences ( PNAS ).