西北太平洋上空的低层积云很难模拟。图片来源：STOCKTREK IMAGES, INC.

有时，气候科学的阴云似乎不会消散。地球气候的计算机模型在数量、复杂性和计算能力上都成倍增加，但仍无法准确回答公众心中的一些主要问题：我们必须在2100年之前建造多高的海堤？在接下来的10年里，热浪会有多严重？到2030年，北极航线会是什么样？

气候模型一致认为，随着人类的温室气体排放，全球气温将继续上升，但不确定性仍存在。

美国加州理工学院气候动力学家Tapio Schneider认为，气候科学可以做得更好。今年夏末，由Schneider领导的一个学术联盟，在谷歌前首席执行官Eric Schmidt和微软联合创始人Paul Allen等人的支持下，将启动一个雄心勃勃的项目，以创造一种新的气候模型。

利用人工智能（AI）、卫星成像和高分辨率模拟技术的突破，这个尚未命名的模型旨在改变气候模型呈现诸如海冰和云形成等小规模天气现象的方式，而这些现象长期以来一直困扰着天气预测。其焦点将集中在当前模型不确定性的主要来源：离岸层积云和信风。而且，目前的模型无法预测全球升温的幅度。

在5年内，该团队希望它的AI加强模型能改变这一现状。“这是一个崇高的目标。”Schneider说。他和团队成员刚刚结束了一个研讨会，这里汇集了著名的气候科学家和工程师，共同讨论气候领域的未来。“我们不抱任何幻想，也非闲庭信步。”Schneider说。

当然，也有人对此表示怀疑。美国已经有了许多气候模型，一些人质疑为什么还需要另一个来抢占资源。另一些人质疑这项技术，并怀疑该项目是否已提交美国国家科学基金会等机构审查。科罗拉多州立大学气候学家David Randall说，该团队的非正统手段很难赢得人们的支持。

不确定性的当下

气候模型学家一直遵循两个原则。首先，他们将地球的更多特征融入到模拟中。其次，他们寻求更高的分辨率。据估计，自上世纪70年代以来，这些模型使用的计算能力已经增加了1亿倍。随着模型变得越来越复杂，它们更充分地反映了地球的变幻莫测——未知的未知变成了已知的未知。然而,不确定性依然存在。

但所有模型都是以相同的方式工作：它们把地球切割成单元格，每个单元约25公里至50公里,并使用动力模式框架模拟大气和海洋的行为。但是，地球上发生的许多事情——例如云的形成——出现在比那些网格更小的尺度上。因此，这些现象必须用经验法则来间接描述。

然后，建模者调整不同的旋钮以便最好地代表他们所知道的世界，这一过程叫做调优。“这是一种直觉和经验主义的混合，还有一些生理观察定律。”Schneider的导师、美国地球物理流体动力学实验室科学家Isaac Held说。

毫无疑问，当前的模式在重塑世界方面做得很好，但缺点也让科学家疯狂。 “雨落在错误的地方，并以错误的速度下降。”麻省理工学院大气科学家Paul o’gorman说，他曾与Schneider合作过。而且，尤其重要的是，这些模型往往无法模拟那些厚厚的层积云，这些云通常在美国西部海岸形成，并有助于冷却该地区。

向人工智能寻求帮助

现年46岁的Schneider并不总是专注于云。早期，他专注于大规模的大气流动，比如哈德里环流圈。不过，他越来越相信，气候模型能够更好地整合有关云行为的新数据。

现在，Schneider的努力演变成24个人的合作。Schneider认为人工智能可能有助于解决云问题。很快，他们招募了加州理工学院计算数学家Andrew Stuart。该团队在喷气推进实验室找到了更多的新成员，该实验室拥有大量的云层数据。

起初，这一新合作并不是要建立一个新的气候模型。美国已经有6个著名的模型。Schneider说：“这更像是回答如何才能建立一个更好的模式。”但是他们想要建立一个能包含其创新的完整气候模型。这样做意味着他们需要一个计算高手，可以利用他们的方程式，让模型在下一代超级计算机上运行。

一位美国海军专家前来报到。Frank Giraldo是加州海军研究生院的一名应用数学家，也是下一代天气和气候模型数学引擎的幕后推手。他的非流体静力统一的大气模型，是为现代并行计算设计的。它可以在相同的模型中解出各种精度的方程，这将使新模型能够在实时放大云层的同时，给出一个低分辨率的地球概览。

新模型的关键输入是低云图像及其行为的模拟。这些模型被称为大涡流模拟（LES），其建立在全球尺度，以及几个世纪的时间跨越上。这些模型重现了一小块大气生命周期中的几天，而单元格只有10米。在这样的分辨率下，云形成的关键直接由物理定律影响。西雅图华盛顿大学云科学家Chris Bretherton说，这些结果有时与现实非常相似。

几年前，Bretherton领导了一个项目，用LES研究2摄氏度的升温如何影响低海洋云层。结果出现两种情况，而这两种情况都会加剧气候变暖。其他的证据，包括实际的云观测，也表明“低云层会放大气候变暖情况”。劳伦斯利弗莫尔国家实验室大气科学家Stephen Klein说。

这些突破还没有进入全球气候模型，因为没有技术途径实现这一目标。但是Schneider团队正在努力：一个可以模拟数天内云层行为的LES，可以在一个超过100公里的单元格内运行。他们的LES基于一种称为Python云大涡流模拟（PyCLES）的模型，该模型聚焦低云。

“这些模拟可能并不完美。”Schneider说，“但它们比我们所拥有的任何模型都好得多。”新模型还将使用人工智能研究观测到的和模拟的云，根据它所学习的方法改进模拟全球云层的经验法则。

未来仍未知

无论如何，将人工智能纳入气候模型是一项正在进行中的工作。包括Bretherton团队和加州大学欧文分校气候模型专家Michael Pritchard在内的研究人员，在对大气的高分辨率模拟中训练了一种人工智能网络。然后，他们用人工智能取代了一些经验法则，比如温度和湿度在上升空气中变化速度有多快。

但是神经网络和气候并不容易进行“合作”。这些算法在分类等问题上做得最好——例如，从数百万张照片中学习狗的样子。但当遇到训练数据之外的东西时，它可能会崩溃——比如，骆驼。

出于这个原因，Stuart和Schneider并没有指望通过神经网络来指导新模型的人工智能。相反，他们寻求了妥协途径：介于传统的经验法则和纯粹的人工智能之间。他们希望开发出能使用云知识的代码，然后用它的学习能力填补空白，本质上取代由建模者进行的手动调优。

但成功还远未得到保证。Stuart说：“可能我们所做的事情最终并没有改善现状”，但即便如此，这应该能在气候建模领域激发出新的想法。“我认为这是最坏的情况，我们不能完全失败，我希望能做得更多。”Schneider说。

此外，当Schneider组建团队并制定了总体计划时，他仍然面临一个大问题：谁会支持他们的梦想？

美国政府为另一种气候模型提供资金似乎不太可能。甚至在总统唐纳德·特朗普提议削减气候科学经费之前，前总统巴拉克·奥巴马的政府就已经在研究美国是否需要支持这么多气候模式。

幸运的是，科技慈善家——尤其是已经在海洋领域投入巨资的微软联合创始人Paul Allen——正在寻找能引起轰动的东西。他们在寻求一项有风险的投资，但同时也有巨大的潜在回报：可以使气候预测更准确。

微软计算机工程师Chris Emura表示，该项目中体现出的雄心、指标和创新，正是Allen想要资助的类型。

Schneider团队成员雄心勃勃，已经开始热切期待突破的到来。他们一直生活在人类驱动的气候变化及其顽固的不确定性之中，这些组成了他们整个成年生活的现实。是时候拨云见日了。（鲁亦编译）