青藏高原，是世界屋脊、亞洲水塔，是地球第三極，同時也是未來全球氣候變化影響中不確定性最大的地區(qū)之一。
過去五十年，青藏高原氣候變暖幅度是同期全球平均值的2倍，這不僅改變了冰川等固態(tài)水與湖泊、河流等液態(tài)水的庫存比例，還因區(qū)域大氣環(huán)流的變化重塑了青藏高原水體的空間分布格局。
這種現象被稱為“亞洲水塔失衡”。
這一變化會加劇水資源供給、能源供需以及糧食生產之間的不確定性。這三者之間相互依存、相互影響的關系被稱為“水-能-糧耦合”。
有一群來自中國科學院的科學家，試圖用AI更準確地判斷氣候變化，以及對水能源和糧食之間的耦合關系，90后夏萃慧就是其中之一。
從英語專業(yè)到自然地理學博士
她用“AI打敗AI”
夏萃慧是中國科學院青藏高原研究所的一名助理研究員。本科學的是英語，碩士讀了同聲傳譯，最后機緣巧合成了一名自然地理學博士，一頭扎進了對亞洲水塔的研究。
過去50年在青藏高原氣候變暖幅度高于全球平均值2倍，對地球最明顯的影響之一，是導致青藏高原的水體發(fā)生了顯著變化。
簡單來說，水存在的形態(tài)可能是冰川，可能是降水，也可能是湖泊，這些形態(tài)按一定的比例存在。不過因為“亞洲水塔失衡”，導致這個比例發(fā)生了變化，同時這些水在不同區(qū)域分布也變了。
“比如原來我們可能覺得北邊的水少，南邊相對水會多，現在這個趨勢也在逆轉?！毕妮突壅f。
氣候變化臨界點，即突破某一自然閾值會引發(fā)一系列連鎖反應，導致地球系統(tǒng)和社會經濟狀態(tài)發(fā)生快速且不可逆的變化。
青藏高原的生態(tài)重要性毋庸置疑，水資源的改變，影響的不只是喝水用水的問題，也改變了包括水力發(fā)電在內的能源生產和能源調度，同時對糧食生產造成了各種不確定性。
去年，夏萃慧所在的中國科學院青藏高原研究所，聯合阿里云研發(fā)了首個專注于氣候變化適應領域水-能-糧多模態(tài)推理大模型——洛書。
夏萃慧說，開發(fā)洛書大模型的目的，是希望能更準確地判斷氣候變化對水，尤其是對水電站的來水的影響，以便于更好地適應氣候變化。
洛書模型集成訓練并整合了科研人員自主研發(fā)的可解釋AI驅動水能耦合模型“思源”（Hydro Trace），通義千問最新推理模型Qwen-QwQ-32B和通義千問多模態(tài)大模型Qwen2.5-VL。
圖示-洛書時空注意力可視
科學模型每天產生出海量數據，比如在季風期是什么樣的影響，非季風期有什么樣的影響。但具體到每一個水電站，需要科學家人工去一一分析，這個成本非常高。
“如果把時間花在這個事情上，就沒有時間干別的，也沒有現成的任何軟件能夠幫我來分擔這個事情?！毕妮突壅f。
她想到的一個辦法：用“AI打敗AI”。
只要把科學模型的數據交給通義千問推理模型，做簡單的微調后，推理模型就能根據數據結構和微調邏輯，還原推理的過程。
“你能看到它思考的每一步，這點在現實生產中應用中非常關鍵。”夏萃慧說，因為科研工作需要完整的鏈式思考能力，而不是給我一個黑箱模型，我就聽你的。
洛書大模型不僅能描繪水文過程時空變化，對關鍵來水點徑流進行時空溯源和量化歸因，還能基于溯源歸因數據開展大模型推理，動態(tài)支持跨越多個時空尺度的水-能-糧系統(tǒng)聯動分析，為產業(yè)用戶提供個性化的氣候適應策略沙盤推演生成與驗證服務。
它的核心創(chuàng)新在于時空特征注意力算法。融合該算法的思源模型在青藏高原復雜水文環(huán)境下的多點模擬準確率高達98%（國際領先水平），較傳統(tǒng)方法提升近20%。
大模型能預測太陽耀斑嗎？
00后天文學家：準確率95%
耀斑，太陽最劇烈的活動現象之一，每隔11年就會有大爆發(fā)。一次典型的X級耀斑，能在幾十分鐘時間里釋放出相當于100億顆氫彈同時爆炸所釋放的能量。
為了破解耀斑爆發(fā)之謎，過去很多科學家從耀斑演化的物理過程進行研究，希望透過物理機理尋找爆發(fā)先兆。近年來，學者們從數據驅動角度出發(fā)，用統(tǒng)計方法、機器學習、深度學習等技術開展研究。然而，隨著觀測數據的不斷積累和數據特征維度的不斷增加，模型擬合與模式發(fā)現對算法規(guī)模的要求越來越高，研究人員亟須對海量多模態(tài)數據進行有效處理以探索太陽耀斑之謎。
大模型能預測太陽耀斑嗎？
中國科學院國家天文臺的科研人員，正在探索用AI技術向太陽這顆火熱的恒星尋求更多科學要義。
位于北京的懷柔觀測基地，擁有目前世界上持續(xù)時間最久的太陽矢量磁場觀測資料，每一幅太陽觀測圖像都可以轉化為“一段語言描述”，而大語言模型在預測“下一段語言文字”方面具有良好的準確率，科學家們要做的是引導大模型對觀測數據進行準確地描述、分析，進而實現模式、趨勢的發(fā)現和預測。
金烏大模型應運而生。在Qwen2系列模型的基礎上，國家天文臺科研團隊通過監(jiān)督學習、強化學習，訓練模型“能夠理解、回答太陽物理問題”和“能夠認識、分析太陽圖像”等基本能力。大模型用于分析、預測太陽耀斑，在X級耀斑的預測上，達到了95%的準確率和100%的真實陽性率。
圖示-“金烏”模型網絡結構圖
在中國科學院國家天文臺位于河北的觀測臺——興隆觀測站，隨著“星語3.0”接入觀測站望遠鏡陣列，天文科學家們已經開啟了智能觀測。
00后李瑀旸是金烏·太陽大模型的核心技術人員，同時作為國家天文臺人工智能組成員，李瑀旸也是天文大模型“星語”的主要負責人之一。
李瑀旸大學本科學的是應用物理學，并開始接觸天文以及核物理，現在主讀的專業(yè)應該是天體物理學。李瑀旸所在的星語團隊，主要由一群碩博生組成，平均年齡在22歲到28歲之間。
“星語3.0”是基于阿里云通義千問開源模型打造的天文學大模型，去年，成功接入國家天文臺興隆觀測站望遠鏡陣列—Mini“司天”。目前星語的底座模型已從Qwen2.0升級至QwQ-32B。
對于星語模型，李瑀旸更愿意定義其為天文科學家們的助手，而不是大模型。
比如星語巨身智能望遠鏡，是一個為節(jié)省觀測值班人員以及為多望遠鏡聯動打下基礎的一個系統(tǒng)。
天文望遠鏡是人類探索宇宙的“照相機”。相比單體望遠鏡，大型望遠鏡陣列能更有效地整合高性能望遠鏡資源，成本更低，觀測效率更高。
以往天文觀測主要依賴觀測助手和科研人員的配合。科研人員往往需要根據觀測所在地氣象情況修改觀測計劃，在觀測室等待數據返回并實時分析數據，再根據結果修改觀測計劃。重要觀測目標的每個環(huán)節(jié)都需要人工參與，效率低且難以同時控制多個望遠鏡。
“預計能夠節(jié)省研究人員90%左右的觀測時間。”李瑀旸說，以往觀測值班人員需要全程待在值班室，處理一系列的預處理、觀測等工作。但現在只要跟星語說：開始觀測。星語會根據前面接收到的智能工作流，自動制訂當天觀測計劃，并在規(guī)定時間開啟當天的望遠鏡觀測，并且自動進行數據處理，全程不需要人工干預。
正在上天、入地和下海的AI
凝望海拔4500米的青藏高原冰川，AI大模型正在深入理解“亞洲水塔失衡”對能源糧食生產的影響；距離地球38萬公里的月球表面，大模型正在智能分析判斷月球撞擊坑的形態(tài)、大小、年代；在興隆觀測站，“會思考”的天文望遠鏡陣列已開啟自主觀測新時代……
“‘賦能’這個詞低估了人工智能對科學的顛覆，對科學來說，人工智能不是一次工具的革命，而是一次科學革命的工具?！?/strong>
最近，由世界互聯網大會人工智能專業(yè)委員會主辦的“人工智能賦能科學研究研討會”上，專委會首席主任委員、中國工程院院士、之江實驗室主任王堅說。
王堅舉了一個例子：大概在1948年，一個地球科學家寫了一句話，當時還沒有衛(wèi)星，沒有人知道從外太空看地球是什么樣子。他說如果有人從外太空拍一張照片，我們對這個世界的觀念會有一次翻天覆地的變化。
30年以后，人類才第一次從外太空拍到了地球的照片。一張是阿波羅18號，另一張是阿波羅17號。
“原本是去探索月球，無意間拍到了一顆藍色星球，那就是地球。我們從來不知道地球是藍色的，這個全新的認識推動了一個學科的產生，就是地球系統(tǒng)科學的誕生。”
王堅說，今天看到的所有宇宙照片，都不是拍照就能留下來的，而是后來通過計算看到。
最近，中國科學院多個研究所已接入阿里千問QwQ-32B，在能源管理、天文觀測、深空探測等領域取得系列突破，推出多款基于通義千問的人工智能大模型，將前沿科技與實際問題深度融合，開啟了“AI for Science”的征程。
除了中國科學院青藏高原研究所聯合阿里云發(fā)布多模態(tài)大模型“洛書”、國家天文臺發(fā)布的天文大模型“星語”和太陽物理大模型“金烏”，面對南海珊瑚礁退化這一全球性挑戰(zhàn)，南海海洋研究所研發(fā)的“瑤華”大模型，通過分析10萬張水下影像，實現珊瑚種類識別準確率88%，效率較人工提升數十倍。
文 | 沈積慧
熱門跟貼