我于2024年5月27日在中国科学院海洋研究所参加了为期三天的第三届人工智能海洋学论坛，这次经历对我影响深远。此次盛会汇聚了南方海洋科学与工程广东省实验室（珠海）的陈大可院士、中国海洋大学的吴立新院士、国防科技大学的宋君强院士以及国家海洋局的蒋兴伟院士等四位知名院士以及各相关领域众多学者，共同探讨人工智能在海洋科学中的应用和未来发展。在会议中，我深刻感受到了人工智能技术在推动海洋研究和应用方面的巨大潜力和广阔前景。

图 1 参会照片

1.地球系统数字孪生

在参加第三届人工智能海洋学论坛期间，我最感兴趣的莫过于宋军强院士关于地球系统数字孪生的报告。以前，我只在电视上听说过这个概念，如今有幸深入了解其内涵及其带来的挑战与机遇。地球系统数字孪生是利用先进的数字技术，如大数据、人工智能和物联网，构建的一个精细的虚拟地球模型。这一模型旨在模拟和预测地球系统的动态变化，包括大气、海洋、陆地和生物圈的各种相互作用。通过整合来自卫星、传感器和地面站点的海量数据，地球系统数字孪生能够提供一个高分辨率、实时更新的地球映像，为科学研究和决策提供强有力的支持。

图 2 地球系统数字孪生

地球系统数字孪生在多个领域发挥着关键作用，显著提升了科学研究、环境保护和社会经济发展的水平。通过模拟和监测地球系统的动态变化，它帮助科学家深入理解气候变化的机制和趋势，为全球和区域气候政策的制定提供科学依据。同时，地球系统数字孪生整合实时数据和先进预测算法，精准预警自然灾害，提高应急响应能力，减少灾害损失。在环境保护方面，它实时监测空气、水和土壤中的污染物，追踪生态系统健康状况，支持有效的污染治理和生态保护措施。在农业与资源管理中，它帮助优化种植策略，提高农业生产效率，促进自然资源的可持续利用。地球系统数字孪生作为一项前沿技术，为应对全球环境和资源挑战、实现可持续发展提供了重要支撑。

2.持续学习

在清华大学王立元博士的报告中，关于面向动态数据分布的持续学习理论与方法，揭示了人工智能领域的一个重要新方向——持续学习。持续学习是人工智能领域的新兴方向，旨在使模型能够在面对不断变化的数据分布和任务需求时，保持已有知识的同时，学习新知识，解决传统机器学习方法中容易遗忘先前知识的问题。持续学习通过引入机制，使模型在处理新任务时，不断巩固和优化已学到的知识，从而在动态环境中实现持续优化。这种方法不仅提升了模型的泛化能力和鲁棒性，还增强了人工智能系统的自主学习能力，使其能够在多变的应用场景中保持稳定性能。

图 3 持续学习

持续学习在人工智能领域具有重要作用，主要体现在提升模型的泛化能力、增强鲁棒性和促进自主学习三个方面。通过持续学习，模型在不同任务和环境中能够保持稳定的性能，即使数据分布发生变化，模型也能有效适应。例如，在自动驾驶中，车辆需要面对各种复杂多变的道路和天气条件，通过持续学习，自动驾驶系统能够不断适应新环境，从而提高行驶的安全性和可靠性。持续学习确保模型在多种情境下保持高水平的表现，避免传统模型在新环境中表现不佳的问题。通过引入正则化方法、知识蒸馏和参数隔离等机制，持续学习减少了新任务学习时对先前知识的干扰，增强了模型的鲁棒性。这种方法有效解决了“灾难性遗忘”问题，使模型在处理新任务时不会丢失已学到的知识，从而保持长期的稳定性和有效性。对于需要长期运行的智能系统，如智能制造中的机器人或长期监控系统，持续学习可以确保它们在面对新挑战时仍能保持可靠的性能，避免频繁的重新训练。持续学习使人工智能系统具备自主学习和适应能力，能够在缺乏外部干预的情况下不断从新数据中学习和进步。例如，在智能制造中，生产线上的机器人可以通过持续学习不断优化生产流程，提高效率和产品质量。自主学习能力使这些系统能够动态调整和优化自身，适应不断变化的操作环境和任务需求，减少人为干预和维护成本。未来，持续学习的应用将进一步拓展，包括自然语言处理、计算机视觉、医疗诊断等多个领域，利用持续学习技术来提升这些领域中的智能化水平。此外，随着深度学习和强化学习等前沿技术的进步，持续学习将逐步实现与这些技术的深度融合，进一步提升其智能化水平和应用效果。

3.海洋大模型

在会议中，许多专家提到了构建海洋大模型的重要性。海洋大模型是一种高精度、高分辨率的计算模型，通过整合多源数据和先进的计算技术，模拟和预测海洋环境的动态变化。它涵盖了海洋物理、化学、生物等多方面的内容，能够对海洋中的各种现象进行全面的模拟和分析。海洋大模型通过整合卫星遥感数据、海洋观测数据和气象数据，能够对海洋中的温度、盐度、洋流、海冰等物理特征进行精确模拟。它还包括了海洋化学过程，如碳循环、氧气含量的变化等，以及海洋生物过程，如浮游生物的分布和动态。这些多方面的数据和模型集成在一起，使得海洋大模型可以对海洋环境进行全方位的模拟和预测。

图 4 海洋大模型

海洋大模型在多个方面发挥着重要作用，具有广泛的应用前景和现实意义。海洋大模型为科学研究提供了强有力的工具，帮助科学家更好地理解海洋系统的复杂动态和内部机制。通过整合和分析多源数据，如卫星遥感数据、海洋观测数据和气象数据，海洋大模型能够模拟和预测海洋中的各种现象。例如，科学家可以利用海洋大模型模拟海洋环流和气候变化之间的关系，深入研究海洋中的物理过程和动力学机制。这些研究不仅有助于揭示海洋系统的本质特征，还能够为全球气候变化研究提供重要的科学依据。通过预测气候变化对海洋生态系统的影响，科学家可以更好地评估气候变化对海洋生物多样性、渔业资源和海洋环境的潜在影响，从而为制定应对气候变化的策略提供科学支持。

海洋大模型还可以用于监测和评估海洋资源的开发利用情况，为海洋资源的可持续管理提供科学支撑。通过对海洋矿产资源、能源资源和生物资源的评估和管理，海洋大模型可以促进资源的合理开发和有效利用，减少资源浪费和环境破坏，推动海洋经济的可持续发展。海洋大模型在灾害预警和应对中也发挥着关键作用。海洋环境中常常发生各种自然灾害，如风暴潮、海啸、海洋污染等，这些灾害对沿海地区的经济和社会发展构成严重威胁。通过模拟和预测这些自然灾害的发生和影响，海洋大模型可以提高应急响应能力，减少灾害损失。例如，模型可以模拟风暴潮的形成和传播过程，预测风暴潮的影响范围和强度，帮助沿海地区制定防灾减灾预案，提前采取防护措施，减少人员伤亡和财产损失。对于海啸等突发性灾害，海洋大模型可以提供早期预警信息，帮助相关部门迅速做出反应，组织疏散和救援行动，提高灾害应对的效率和效果。

4.总结

会议中大量讨论的海洋大模型，让我对海洋大模型的概念和应用有了更深入的了解。专家们详细阐述了海洋大模型在模拟海洋环境、预测气候变化、管理海洋资源等方面的重要作用。通过整合多源数据和先进的计算技术，海洋大模型能够提供精确的海洋环境预测，为科学研究和实际应用提供强有力的支持。这使我意识到，利用人工智能技术构建和优化海洋大模型，不仅可以提高研究效率，还可以为应对全球气候变化和海洋环境保护提供科学依据。宋军强院士介绍的“地球系统数字孪生”，让我看到了影视作品提到的技术照进现实。王立元博士关于持续学习技术介绍也我了解到人工智能领域的最新发展。会议还强调了多学科合作的重要性。海洋科学本身涉及物理、化学、生物等多个领域，而人工智能的引入则需要计算机科学、数据科学等学科的支持。通过跨学科的合作，才能真正发挥人工智能技术在海洋科学中的潜力。这一观点启发我在今后的研究和工作中，要更加注重与不同领域专家的交流与合作，共同推进科技进步。

参加第三届人工智能海洋学论坛不仅拓宽了我的视野，还让我对人工智能在海洋科学中的应用前景充满信心。这次论坛激发了我对未来研究方向的思考和探索，希望能在人工智能和海洋科学的交叉领域做出更多有意义的贡献。

图 5 海报合影

编辑|覃俊淇

审核|骆小龙