به گفته محققان، با سامانه هوش مصنوعی جدیدی که می‌تواند آستانه‌های عطف یا نقاط اوج ویژه در اکوسیستم جهان را ارزیابی کند و نقش سامانه هشدار زودهنگام را ایفا کند، می‌توان روند متوقف کردن «تغییرات اقلیمی افسارگسیخته» را تقویت کرد.

نقاط اوج‌ تغییرات زیست‌محیطی (Climate tipping points) تهدید شدیدی برای حیات در کره زمین است و گذر از آن‌ها باعث می‌شود واکنش‌هایی زنجیره‌ای و منجر به فرایندهای دگرگون‌ساز محیط زیست رخ دهد، به گرمایش زمین به شدت دامن زده شود، و بحران‌های تغییرات اقلیمی موجود به سرعت اوج گیرد. این نقاط اوج، مواردی هستند مانند ذوب شدن خاک‌های منجمد شمالگان که باعث رها شدن مقدار عظیمی گاز گل‌خانه‌ای متان می‌شود و به گرمایش سریع زمین دامن می‌زند، یا فروشکست سامانه‌های کنونی اقیانوس‌ها که کمابیش می‌تواند تغییرات عمده فوری در الگوهای آب‌وهوایی جهان پدید آورد، و نیز از هم گسیختن پهنه‌های یخ که به بالا آمدن سریع آب دریاها منجر می‌شود.

این محققان با استفاده از الگوریتم «یادگیری ژرف»، آستانه‌هایی را تعریف کرده‌اند که گذر از آن‌ها به تغییرات سریع یا بازگشت‌ناپذیر در سامانه‌ها منجر می‌شود.

کریس باوچ، استاد ارشد ریاضی کاربردی در دانشگاه واترلو واقع در شهر واترلو در ایالت اونتاریوی کانادا، می‌گوید: «طبق یافته‌های ما، با این الگوریتم جدید می‌توان نه‌تنها  آستانه‌های عطف تغییرات زیست‌محیطی را دقیق‌تر از رهیافت‌های موجود پیش‌بینی کرد، بلکه در مورد نوع حالت فراتر از این نقاط اوج نیز اطلاعات فراهم کرد. بسیاری از این آستانه‌های عطف نیز نامطلوب هستند و خوب است بتوان در صورت ممکن، از وقوع آن‌ها جلوگیری کرد.

این محققان همچنین می‌گویند رهیافتی ابتکاری برای ایجاد هوشی مصنوعی و برنامه‌ریزی آن به کار گرفته‌اند تا نه تنها یکایک آستانه‌های عطف را فراگیرد، بلکه در مجموع فرایندها و مشخصات کلی آستانه‌های عطف تحولات زیست‌محیطی در کره زمین را دریابد.

این گروه محققان می‌گویند سامانه هوش مصنوعی آن‌ها با به کار گرفتن ترکیبی از فناوری هوش مصنوعی و نظریه‌های ریاضی موجود در باره آستانه‌های عطف، می‌تواند کارهای بیش‌تری از یکایک آن‌ها انجام دهد.

این محققان به قول خودشان «قلمرو آستانه‌های عطف ممکن» را (شامل حدود پانصد هزار مدل بوم‌سازگان) به این هوش‌مصنوعی یاد دادند و سپس آن را با آستانه‌های عطف مشخصی در انواع سامانه‌های کره زمین در محیط واقعی، و از جمله با استفاده از نمونه‌های تاریخی و هسته‌ای زیست‌محیطی، آزمایش کردند.

تیموتی لنتون، مدیر موسسه سامانه‌های جهانی در دانشگاه اکستر و از نویسندگان این تحقیق، می‌گوید: «روش پیشرفته ما می‌تواند وقتی که به آستانه عطف خطرناک نزدیک شویم، پرچم قرمز را بلند کند. صدور هشدار پیشرفته زودهنگام در مورد آستانه‌های عطف زیست‌محیطی می‌تواند به جوامع کمک کند تا اگر هم نتوانند از آن چه در پیش است جلوگیری کنند، با آن سازگار شوند و از آسیب‌پذیری خود بکاهند.»

به گفته این محققان، یادگیری ژرف «در زمینه شناخت و طبقه‌بندی الگوها رو به پیشرفت‌های بزرگی» است و این محققان برای نخستین بار در حال تبدیل آشکارسازی آستانه‌های عطف به شناخت الگوها هستند.

این محققان می‌گویند با این کار در پی شناسایی الگوهایی بوده‌اند که قبل از آستانه عطف رخ می‌دهند تا الگوریتم یادگیری ماشین بتواند آستانه عطف آینده را پیش‌بینی کند.

تامس بری، محقق فوق‌دکترای دانشگاه مک‌گیل مونترال و از دیگر نویسندگان این مقاله، می‌گوید: «مردم با آستانه‌های عطف و نقاط اوج سامانه‌های زیست‌محیطی آشنا هستند، اما زیست‌بوم‌ها، همه‌گیری‌ها، و حتی بازارهای اوراق بهادار هم دارای آستانه عطف هستند. طبق یافته‌های ما، هوش‌مصنوعی در تشخیص مشخصات آستانه‌های عطف که در انواع زیادی از سامانه‌های پیچیده عمومیت دارند، خیلی خوب عمل می‌کند.»

خانم مادهور آناند، از پژوهشگران این طرح و مدیر موسسه تحقیقات زیست‌محیطی گوئلف در اونتاریوی کانادا، می‌گوید این الگوریتم جدید یادگیری ژرف «در قابلیت پیش‌بینی تغییرات بزرگ، از جمله در تغییرات زیست‌محیطی، دگرگونی اساسی پدید می‌آورد.»

این گروه محققان می‌گویند گام بعدی، دادن داده‌های روندهای معاصر در تغییرات زیست‌محیطی به هوش مصنوعی است. اما استاد آناند می‌گوید در مورد پیامدهای چنین دانشی باید احتیاط کرد.

او می‌گوید: «شکی نیست که پیشرفت بزرگی است، اما آن چه با این دانش انجام می‌دهیم، بستگی به خود بشریت دارد. فقط امیدوارم این یافته‌های جدید به تغییری مثبت و معقول منجر شود.»

این تحقیق در مجله مقالات فرهنگستان ملی علوم منتشر شده است.