几乎没有一天没有承诺人工智能将彻底改变生活的另一个方面。从语音识别到生物成像的研究领域正在接受并受益于深度学习等技术。
但是对于某些领域，整合人工智能并不简单。对地球及其气候、海洋和生物地球化学的研究就是其中之一。这些系统上可用的地理空间数据量之大几近爆炸，地球上和海洋下的远程传感器产生了万亿字节的数据。但是，即使是最先进的人工智能也面临着一个挑战，那就是如何理解高度复杂的系统——天气是一个主要的例子——随着时间和空间的变化而迅速变化。尽管人工智能的数据训练能力极强，但它在模拟或预测跨越远距离或时间跨度的变化方面却不太熟练，例如与世界变暖相关的新气候。
根据这一问题的作者的观点，破解这个问题的一种方法是通过混合方法。在深度学习中，最新的技术应该与传统的物理建模紧密结合，以帮助克服其他难以解决的问题，如模拟控制云对流的粒子形成过程。混合方法充分利用了物理原理（如流体动力学），在物理过程还无法充分解决的情况下结合深度学习。到目前为止，地球系统界有理由没有放弃物理来进行机器、深度或混合学习。

Artificial intelligence alone won’t solve the complexity of Earth sciences

https://www.nature.com/articles/d41586-019-00556-5?WT.ec_id=NATURE-20190214&utm_source=nature_etoc&utm_medium=email&utm_campaign=20190214&sap-outbound-id=6C899C379DDE7D56CB441DD4FEFFE9012F26CD3F