滑铁卢大学应用数学教授 Chris Bauch 是最近一篇研究论文的合著者，该论文报告了有关新深度学习算法的结果。Bauch 说，这项研究着眼于系统中发生快速或不可逆变化的阈值。
“我们发现新算法不仅能够比现有方法更准确地预测临界点，而且还能够提供关于临界点之外的状态类型的信息，”鲍赫说。“许多这些临界点都是不可取的，如果可以的话，我们想阻止它们。”
一些通常与失控的气候变化相关的临界点包括北极永久冻土融化，这可能会释放大量甲烷并刺激进一步快速加热；洋流系统崩溃，这可能导致天气模式几乎立即发生变化；或冰盖解体，这可能导致海平面快速变化。
据研究人员称，这种人工智能的创新方法是，它被编程为不仅可以学习一种类型的临界点，还可以学习一般临界点的特征。
这种方法从人工智能和临界点数学理论的混合中获得了力量，比任何一种方法单独完成的都多。在对 AI 进行了他们所描述的“可能的临界点宇宙”（包括大约 500,000 个模型）的训练后，研究人员在各种系统中的特定现实世界临界点（包括 历史 气候核心样本）上对其进行了测试。
“当我们接近危险的临界点时，我们改进的方法可能会引发危险信号，”埃克塞特大学全球系统研究所所长、该研究的合著者之一蒂莫西·伦顿 (Timothy Lenton) 说。“提供更好的气候临界点预警可以帮助 社会 适应并减少他们对即将到来的事物的脆弱性，即使他们无法避免。”
深度学习在模式识别和分类方面取得了巨大进步，研究人员首次将临界点检测转换为模式识别问题。这样做是为了尝试检测在临界点之前发生的模式，并让机器学习算法判断临界点是否即将到来。
“人们熟悉气候系统的临界点，但生态学和流行病学甚至股票市场也存在临界点，”麦吉尔大学的博士后研究员、该论文的另一位合著者托马斯·伯里 (Thomas Bury) 说。“我们了解到，人工智能非常擅长检测各种复杂系统共有的临界点特征。”
该项目的另一位研究人员兼圭尔夫环境研究所所长 Madhur Anand 说，新的深度学习算法是“预测重大变化的能力的改变者，包括与气候变化相关的变化”。
既然他们的 AI 已经了解了临界点的运作方式，该团队正在开展下一阶段的工作，即为其提供有关气候变化当代趋势的数据。但是阿南德警告说，有了这些知识可能会发生什么。
“这绝对让我们有优势，”她说。“但当然，就我们如何利用这些知识而言，这取决于人类。我只希望这些新发现将带来公平、积极的变化。”
6种常见的天气系统如下：
1、高压系统和低压系统：这是两种基本的气压系统，也是影响天气的主要因素。高压系统通常与晴朗的天气相关，而低压系统则通常与阴雨天气相关。这是因为高压系统通常伴随着下沉气流，使得天气晴朗；而低压系统则通常伴随着上升气流，有利于云层形成和降水。
2、冷锋和暖锋：这两种锋面是影响天气的重要系统。冷锋是指冷空气向暖空气移动的锋面，常常带来强风和降水；暖锋是指暖空气向冷空气移动的锋面，常常带来降水、雾和霾。
3、气旋和反气旋：这两种天气系统可以控制一个地区的天气模式。气旋通常带来云层和降水，而反气旋则通常带来晴朗的天气。
4、副热带高压：这是一种在副热带地区常见的高压系统，它控制着热带和亚热带地区的天气。在副热带高压区域内，空气下沉并远离该地区，导致干燥和炎热的天气。
5、极地高压和赤道低压：这是两种在极地和赤道地区形成的特殊天气系统。极地高压在极地地区形成，使得该地区天气晴朗；而赤道低压在赤道地区形成，使得该地区多云和湿润。
6、台风和飓风：这两种剧烈的天气现象都是由热带气旋形成的。当热带气旋在海洋上形成并加强时，它们会演变成台风或飓风，带来破坏性的大风和暴雨。
天气系统的形成原因：
1、太阳能的辐射。太阳能的辐射使得地球不同地区的热量分布不均，形成了气压差，进而产生了气流系统。这些气流和水蒸气的运动形成了云和降水，也就是各种不同的天气现象，例如晴天、多云、雨、雪等。
2、地球自转。地球自转也会影响天气系统的形成和运动。地球的自转使得大气中的气流和云系呈现出旋转和移动的特征，从而形成各种天气系统，如气旋、反气旋等。
3、大气的特性。大气的特性也是影响天气系统的重要因素之一。大气的温度、湿度、气压和风向风速等气象要素的不同组合，使得不同地区呈现出不同的天气条件和气候类型。