“我們發現，新算法不僅可以比現有方法更準確地預測臨界點，還可以提供臨界點以外的狀態類型信息，”Bauch說。“這些引爆點中有許多都是不受歡迎的，如果可能的話，我們希望阻止它們。”
壹些通常與不受控制的氣候變化相關的臨界點包括北極永久凍土的融化，這可能會釋放大量甲烷，並刺激進壹步快速升溫；洋流系統崩潰，這可能導致天氣模式幾乎立即改變；或者冰蓋解體，可能導致海平面快速變化。
根據研究人員的說法，這種人工智能的創新方法是，它被編程為不僅學習壹種類型的臨界點，還學習壹般臨界點的特征。
這種方法從人工智能和臨界點數學理論的混合中獲得力量，這比任何其他單獨的方法都要多。在他們描述為“可能的臨界點宇宙”(包括約50萬個模型)中訓練AI後，研究人員在各種系統中的特定現實世界臨界點(包括歷史氣候核心樣本)上對其進行了測試。
“當我們接近危險的臨界點時，我們改進的方法可能會觸發紅旗，”埃克塞特大學全球系統研究所所長、該研究的合著者之壹蒂莫西·倫頓(Timothy Lenton)說。“提供更好的氣候臨界點預警可以幫助社會適應並降低他們對即將到來的事情的脆弱性，即使他們無法避免。”
深度學習在模式識別和分類方面取得了很大進展，研究人員首次將臨界點檢測轉化為模式識別。這樣做是為了嘗試檢測臨界點之前出現的模式，讓機器學習算法判斷臨界點是否到來。
“人們熟悉氣候系統的臨界點，但生態學和流行病學甚至股票市場都存在臨界點，”麥吉爾大學博士後研究員、論文的另壹位合著者托馬斯·伯裏(Thomas Bury)說。“我們了解到，人工智能非常擅長檢測各種復雜系統的臨界點特征。”
該項目的另壹名研究人員、圭爾夫環境研究所所長Madhur Anand表示，新的深度學習算法是“預測重大變化的能力的改變者，包括與氣候變化有關的變化”。
現在他們的AI已經理解了臨界點是如何工作的，團隊正在進行下壹階段的工作，即向他們提供關於當代氣候變化趨勢的數據。但是阿南德警告說，這種知識可能會發生什麽。
“這無疑給了我們優勢，”她說。“但是當然，就我們如何使用這些知識而言，這取決於人類。我只希望這些新發現能帶來公平和積極的改變。”