Pravkar smo priča začetku spreminjanja paradigme v geoznanosti. Raziskava, julija lani objavjena v reviji Nature, je pokazala, da nevralno omrežje (umetna inteligenca, AI) vreme napoveduje bolje kot Evropski center za srednjeročne vremenske napovedi, ki razpolaga z najbolj naprednim sistemom napovedovanja vremena na svetu. Potem je novembra Googlovo podjetje DeepMind objavilo, da so vremenske napovedi njegovega modela AI še bolj točne.

Tradicionalni pristop k napovedovanju vremena pomeni, da podatke, zbrane v določenem trenutku, uporabimo kot začetne pogoje za obrazce, ki temeljijo na fizikalnih načelih. Modeli AI pa nasprotno absorbirajo podatke, zbrane v daljših časovnih obdobjih, in se potem "naučijo" dinamike, ki jo morajo tradicionalni obrazci eksplicitno opisati. Tako tradicionalna metoda kot metoda, ki temelji na AI, sta odvisni od superračunalnikov, vendar pri AI ni potrebe po uradno razvitih teorijah.

Od vremenskih napovedi je odvisno, kdaj in kje letijo letala ter kje plujejo ladje, hkrati pa so v pomoč pri upravljanju vseh vrst civilnih in vojaških tveganj, povezanih s spreminjanjem okolja. Skratka, zelo so pomembne. Čeprav imamo trenutno opravka šele s prvimi AI aplikacijami na tem področju, ki jih bo treba tako kot na drugih področjih še precej nadgraditi, bi lahko AI pri napovedovanju vremena nekoč zamenjala za to usposobljeno človeško delovno silo, saj nevralna omrežja ne zahtevajo poznavanja dinamične meteorologije (avtorji raziskave, objavljene v reviji Nature, so inženirji brez tega znanja). Toda to še zdaleč ni edina posledica.

Trenutno je v orbiti okoli 7560 satelitov

Ko je v 50. letih preteklega stoletja pisal o vprašanjih statističnega napovedovanja, je oče kibernetike Norbert Wiener poudaril, da glede na to, da poznamo preteklost sistema in da pri njem opažamo določene lastnosti, z dodajanjem obrazcev, ki upravljajo njegovo dinamiko, verjetno ne bomo izboljšali svojih napovedi. Wienerjevo razmišljanje je bilo le teoretično, saj ugotovitve, podatki, zmogljivost računalnikov in drugi dejavniki tedaj česa drugega niso niti dopuščali. Toda danes je ta njegov argument bistvo problema, saj se nanaša na širše posledice nedavnih napredkov na področju AI.

V preteklih nekaj letih se je število podatkov, zbranih z opazovanjem Zemlje, močno povečalo. Med letoma 1993 in 2003 je bilo v vesolje izstreljenih samo 25 satelitov za opazovanje Zemlje, med letoma 2014 in 2022 pa kar 997, kar pomeni, da je trenutno v orbiti okoli 7560 satelitov, tako tistih za opazovanje Zemlje kot drugih. Po zaslugi obsežne vesoljske infrastrukture, ki na Zemljo pošilja podatke o vsem mogočem (od uspevanja rastlin, izhlapevanja vode in delovanja infrastruktirnih instalacij do infrardečega sevanja, višine dreves v svetovnih gozdovih in meritev stanja ozračja), smo vstopili v zlato dobo opazovanja Zemlje.

Ta vse večji arhiv podatkov priča o skoraj vsem, kar mi in narava počnemo na Zemlji. V kombinaciji z novimi modeli AI in našo vse obsežnejšo računalniško infrastrukturo bi lahko obrnil na glavo naše celotno razumevanje Zemlje in naše vloge na njej.

Prehod na nizkoogljično gospodarstvo

Pomislite na podnebne spremembe. V preteklih 40 letih je odzivanje človeštva na podnebno krizo vodil Medvladni odbor za podnebne spremembe (IPCC), znanstveno telo, ločeno po znanstvenih disciplinah: fizikalne znanosti uporabljajo velike zemeljske sistemske modele, ki so precej podobni modelom za napovedovanje vremena, medtem ko ekonomisti in geografi preučujejo vlogo politik prilagajanja in blaženja v naših družbah in kvantificirajo njihove učinke.

Delitev dela – ki se odraža v tristranskih delovnih skupinah IPCC – je v skladu z delitvijo metodologij. Medtem ko fizikalni zemeljski sistemski modeli temeljijo na osnovnih fizikalnih obrazcih, se ekonomisti in snovalci modelov učinkov opirajo na portfelj empiričnih metod in ireduktibilnih teorij. AI bi lahko vse to spremenila. Čeprav je malo verjetno, da bo povsem nadomestila tradicionalno podnebno modeliranje, saj podatkov z opazovanjem še ne zbiramo dovolj dolgo, da bi lahko ponudili statistično bogat prikaz podnebnih fenomenov skozi stoletja, že igra pomembno vlogo na tem področju.

Toda najbolj pomembno ni to, kako se bo podnebni sistem spreminjal, ampak kako bo to vplivalo na planet, na katerem živimo ljudje skupaj z drugimi živimi bitji. Modeli AI – agnostični glede vseh obstoječih znanstvenih teorij ali disciplinarnih paradigem – bi nam lahko nakazali in morebiti napovedali, kako se bo sčasoma spreminjala biomasa. Po drugi strani se utegneta po zaslugi tega izboljšati naše upravljanje z gozdovi in kmetijstvom ter razvoj diagnostičnih orodij in sistemov zgodnjega opozarjanja pred požari in poplavami. Hkrati bomo morda bolje razumeli, kako je s temi spremembami povezana ekonomika energetike, ter napovedali njihove učinke na širše gospodarstvo in celo na podnebna pogajanja. Vsemu temu je treba dodati še to, da AI lahko spobudi tudi prehod na nizkoogljično gospodarstvo.

Novi fenomeni

AI seveda ni nadomestilo za znanstveno razumevanje. Znanost bo še naprej pretežno človeška dejavnost, pri kateri je pomembno predvsem zastavljanje pravih vprašanj, ne zgolj generiranje odgovorov na podlagi podatkov. Kljub temu bi morali kar najbolje izkoristiti epistemološki prehod, ki ga napoveduje vzpon AI. Morda nam lahko pomaga identificirati nove fenomene, ki so doslej ušli teleskopskim lečam. Lahko nam pomaga pri upravljanju velikih sistemov, ki so preveč kompleksni, da bi bili primerni za teoretiziranje. AI je ultimativni raziskovalni instrument za podiranje disciplinarnih meja.

Ta prehod pomeni tudi velik politični izziv. Infratruktura, ki ga poganja (sateliti za opazovanje Zemlje in računalniki), so vse bolj pod nadzorom zasebnega sektorja. Največji posamični lastnik satelitov za opazovanje Zemlje je podjetje Planet Labs. Visokotehnološka podjetja, vključno s podjetji IBM, Nvidia, DeepMind in Huawei (čigar uslužbenci so opravili raziskavo, julija lani objavljeno v reviji Nature), so pionirji na področju strojnega učenja. Ker imajo skorajda neomejen dostop do kapitala in finančnih virov, ta podjetja brez težav prehitevajo večino javnih raziskovalnih središč. Nekatera so precej filantropska, vendar niso dolžna zagotavljati javnih dobrin ali skrbeti za pravičen dostop do svoje infrastrukture.

Medtem ko se spopadamo s posledicami digitalne revolucije in naravnim okoljem, ki se pred našimi očmi spreminja, utegne biti AI ključ do razkritja vsaj delčka zapletenosti, ki presega naše razumevanje. Toda ker so raziskovalna sredstva trdno v zasebnih rokah, bodo morali oblikovalci politik zagotoviti, da bodo ta nova orodja zagotavljala javne dobrine, ne le prinašala koristi zasebnim podjetjem, in da bodo na vprašanja, ki jim bodo zastavljena, generirala odgovore, ki bodo odražali legitimne politične cilje držav.