OcéanIA將氣候變化視為機器學習的巨大挑戰

自動駕駛汽車。人工智能。在國際象棋中擊敗人類。艱巨的挑戰是看似月球的任務，如果實現，將推動整個機器學習學科的發展。現在，最近成立的OcéanIA的一組研究人員將海洋和氣候變化的研究視為機器學習的巨大挑戰。這個為期四年的項目本周聚集了十幾位AI研究人員和科學家，他們共享了一些初步計劃。

OcéanIA項目的重點是自動識別浮游生物，其中許多尚未被記錄。除了樹木和森林之外，浮游生物及其在海洋中所參與的過程是地球上最大的碳捕獲方法之一。去年，政府間氣候變化專門委員會確定了氣候變化與海洋封存碳，產生氧氣和支持生物多樣性的能力之間的相關性。五月份發布的一項研究發現，浮游生物吸收的碳是科學家先前認為的兩倍。Inria Chile研究中心主任NayatSánchez-Pi說，大約15名研究人員組成的團隊正在跨機器學習和生物學等領域研究OcéanIA。

Sánchez-Pi說：“需要對浮游生物提供的這些至關重要的生態服務進行更好的測量，監測和保護，以維持海洋的穩定，減輕氣候變化的各種影響并確保人口的糧食安全。”“今天我們可以說海洋是最后一個未知數，了解海洋在氣候變化中的作用不僅重要，而且對現代人工智能和應用機器學習也是一個挑戰。”

作為神經信息處理系統(NeurIPS)會議的一部分，Sánchez-Pi是星期一在Latinx AI研討會上的四位主題演講者之一。會議上的親和力研討會包括人工智能領域的黑人，人工智能領域的猶太人，人工智能領域的Queer和機器學習領域的女性。今年以來，NeurIPS將首次在AI研討會上主持AI中的原住民和穆斯林。

路易斯·馬丁(LuisMartí)和桑切斯·皮(Sánchez-Pi)也是詳細介紹OcéanIA的論文的主要作者，該論文于周五舉行的“應對氣候變化”研討會上被接受發表，這是與該項目相關的第一篇著作。在氣候變化研討會上，超過90篇研究和建議論文被接受發表。

研究浮游生物和海洋的需求給機器學習帶來的挑戰，從處理小型數據集和少量學習方法到轉移學習，以及為新任務重新建立模型的過程。

無監督和半監督方法將用于識別特定的浮游生物種類。今天，海洋中估計有70,000種未知的浮游生物。可解釋性將用于區分不同物種之間的差異。

提案文件中列出的具體挑戰包括創建將有關浮游生物的復雜知識整合到海洋氣候模型中的模型，以及開發“包括主要微生物海洋隔室并將其與物理耦合的代謝模型”，以及用于從衛星圖像中識別浮游生物。衛星圖像是研究人員用來了解浮游生物種群的傳統方法。

在先前的NeurIPS應對氣候變化研討會上，像Google Brain的聯合創始人安德魯·伍(Andrew Ng)這樣的研究人員認為，在解決氣候變化方面取得科學進步以及在機器學習方面面臨巨大挑戰是一條兩條路。

“我確實認為(對于)人工智能和機器學習的未來，一項重大挑戰是科學發現。的確，如何嵌入先驗知識，科學推理以及如何處理小數據。

去年在NeurIPS上，Facebook首席AI科學家Yann LeCun談到了能源效率是AI研究人員另一個值得挑戰的挑戰。

研究浮游生物種類的數據將由塔拉海洋基金會提供，該基金會自2005年以來已進行了11次考察。第12屆塔拉海洋探險隊將重點研究海洋生態系統。它從本月開始，一直持續到2022年7月。這次探險將沿著非洲，歐洲和南美洲的海岸進行。在此過程中，參與者將收集從海面到1000米深的深度的樣本。