“我們發現新算法不僅能夠比現有方法更準確地預測臨界點，而且還能夠提供關於臨界點之外的狀態類型的信息，”鮑赫說。“許多這些臨界點都是不可取的，如果可以的話，我們想阻止它們。”
壹些通常與失控的氣候變化相關的臨界點包括北極永久凍土融化，這可能會釋放大量甲烷並刺激進壹步快速加熱；洋流系統崩潰，這可能導致天氣模式幾乎立即發生變化；或冰蓋解體，這可能導致海平面快速變化。
據研究人員稱，這種人工智能的創新方法是，它被編程為不僅可以學習壹種類型的臨界點，還可以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了力量，比任何壹種方法單獨完成的都多。在對 AI 進行了他們所描述的“可能的臨界點宇宙”（包括大約 500,000 個模型）的訓練後，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引發危險信號，”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 適應並減少他們對即將到來的事物的脆弱性，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巨大進步，研究人員首次將臨界點檢測轉換為模式識別問題。這樣做是為了嘗試檢測在臨界點之前發生的模式，並讓機器學習算法判斷臨界點是否即將到來。
“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也存在臨界點，”麥吉爾大學的博士後研究員、該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***有的臨界點特征。”
該項目的另壹位研究人員兼圭爾夫環境研究所所長 Madhur Anand 說，新的深度學習算法是“預測重大變化的能力的改變者，包括與氣候變化相關的變化”。
既然他們的 AI 已經了解了臨界點的運作方式，該團隊正在開展下壹階段的工作，即為其提供有關氣候變化當代趨勢的數據。但是阿南德警告說，有了這些知識可能會發生什麽。
“這絕對讓我們有優勢，”她說。“但當然，就我們如何利用這些知識而言，這取決於人類。我只希望這些新發現將帶來公平、積極的變化。”