The Innovation最新综述 | 人工智能(AI)在地球科学研究中的应用：进展、挑战及未来展望

本文探讨了地球科学研究从传统的基于物理的模型向现代数据驱动方法的演变，这些方法得益于人工智能（AI）和数据收集技术的显著进步。传统模型基于物理和数值框架，通过明确重建底层物理过程提供强有力的解释。然而，它们在全面捕捉地球复杂性和不确定性方面的局限性，对优化和实际应用提出了挑战。相比之下，当代数据驱动模型，特别是利用机器学习（ML）和深度学习（DL）的模型，利用大量地球科学数据来获取洞察，而不需要详尽的理论知识。ML技术在解决地球科学相关问题方面显示出潜力。然而，数据稀缺、计算需求、数据隐私问题以及AI模型的“黑箱”性质等挑战阻碍了它们在地球科学中的无缝整合。将基于物理和数据驱动的方法整合到混合模型中提供了一种替代范式。这些模型结合领域知识来指导AI方法，展示了在减少训练数据需求的同时提高效率和性能。本文全面概述了地球科学研究范式，强调了高级AI技术和地球科学交叉点上的未开发机会。它考察了主要方法，展示了大规模模型的进展，并讨论了将塑造地球科学中AI未来前景的挑战和前景。本文概述了一个充满可能性的动态领域，准备解锁对地球复杂性的新理解，并进一步推进地球科学探索。