Михаил Криницкий, старший научный сотрудник ИО РАН и заведующий лабораторией машинного обучения в науках о Земле МФТИ, на Конгрессе молодых ученых 2023 в рамках встречи с президентом Российской Федерации Владимиром Владимировичем Путиным обсудил глобальное потепление и восприятие методов искусственного интеллекта как среди российских ученых, так и на международной арене rutube.ru (с 1:59:25). Об образовательных проектах в сфере ИИ и о современных проблемах.
Ранее Михаил Криницкий выступил в подкасте AI4Planet aij.ru на конференции в сфере технологий искусственного интеллекта AI Journey. Михаил с участниками обсуждения рассказали о направлениях развития технологий искусственного интеллекта, которые применяются в задачах мониторинга параметров, характеризующих изменения климата.
В подкасте были затронуты вопросы климатических рисков, глобальных и специфичных для территорий России. Среди рисков были особенно отмечены оттаивание вечной мерзлоты, возрастающие частота и интенсивность экстремальных природных явлений, таких как засухи, наводнения, ураганы, тайфуны, мезомасштабные конвективные явления.
В рамках обсуждения Михаил очертил основные векторы применения ИИ в задачах, связанных с мониторингом характеристик и адаптацией к меняющемуся климату. Основными направлениями исследований Михаил назвал использование ИИ в задачах определения метеорологических величин, традиционно наблюдаемых или измеряемых экспертно: характеристики облачности, ветрового волнения, положение и размеры мезомасштабных конвективных явлений в данных дистанционного зондирования Земли. В Институте океанологии разработаны технологии на базе ИИ для обработки первичных данных полевых автоматических наблюдений и данных ДЗЗ, позволяющие заменять наблюдателя в таких исследованиях.
Кроме этого, Михаил упомянул другие перспективные направления применения моделей ИИ, которые в перспективе дадут возможность ускорения или уточнения прогнозирования. В частности, был упомянут подход ускорения моделирования физических процессов с использованием суррогатного нейросетевого моделирования. Такой подход в перспективе даст возможность быстро оценивать неопределенность прогнозов погоды и климатических сценариев.
Кроме этого, Михаил описал развиваемый его научной группой подход нейросетевой аппроксимации внутренних характеристик геофизических процессов в атмосфере, океане или в почвах. Такой подход позволит более точно и более вычислительно эффективно моделировать сложные природные системы на основе данных, на контрасте с подходом моделирования из первых принципов.
