他是霍金師弟，呼吁建立一個新的國際研究機構(gòu)，總部可考慮中國
撰文 | 戴晶晶
天氣系統(tǒng)與我們生活和生產(chǎn)密切相關(guān)，但由于“蝴蝶效應”的存在，任何微小的變化都可能導致天氣預測結(jié)果偏離實際情況，即使最先進的預報系統(tǒng)在進行長期預測時也難免出現(xiàn)誤差。
目前的天氣預報以概率的形式給出，例如：明天下雨的概率是30%、多云的概率是20%。這源自英國氣象學家蒂姆·帕爾默（Tim Palmer）的研究成果，他與同事開創(chuàng)了世界上首個集合預測系統(tǒng)（Ensemble Forecasting）。
集合預測通過成百上千次略有差異的模擬，構(gòu)建未來天氣的多種可能路徑，進而以概率形式呈現(xiàn)不同的天氣風險，在某種程度上預測了不確定性。
蒂姆·帕爾默目前擔任英國皇家學會氣候物理學研究所教授，牛津大學物理學教授，牛津大學馬丁研究所高級研究員，曾任英國皇家氣象學會主席。今年4月，他的新書《懷疑的首要性（The Primacy of Doubt）》在中國出版。
“正確地判斷自己預測或理解的能力”是蒂姆·帕爾默科研生涯的長期理念，這一思想來源于他的偶像理查德·費曼（Richard Feynman）。
美國作家詹姆斯·格雷克（James Gleick）就在《費曼傳》中這么形容這位偉大的物理學家：他相信“懷疑”的首要地位，它不是對我們認識能力的缺陷，而是認識的本質(zhì)。
第30屆聯(lián)合國氣候變化大會（COP30）正在巴西貝倫召開，應對氣候變化議題再次首都全球關(guān)注。此次大會之前，“知識分子”與蒂姆·帕爾默進行了一場對話，他回顧了開發(fā)集合預測系統(tǒng)的歷程，以及如何將概率本身作為一種決策的工具。
作為參與撰寫聯(lián)合國政府間氣候變化專門委員會（IPCC）前五次評估報告的作者，蒂姆·帕爾默對氣候變化有著深刻的科學洞見，他在書中回顧了氣候模型和氣候預估合集建立的歷史和爭論，并指出目前的模型網(wǎng)格精度不夠，且對云層反饋效應的估算不足。
他呼吁，全球應建立一個應對氣候變化的“全球歐洲核子研究中心（CERN）”，以解決精確模擬氣候所面臨的諸多挑戰(zhàn)。而中國已經(jīng)建造了性能最好的一批超算，也許可以作為這個新的國際研究機構(gòu)的主辦方。
“但不確定性不應該是不采取行動的理由?！钡倌贰づ翣柲貞獨夂蚩茖W領(lǐng)域的爭議時表示：真正的問題是：即便模型存在不確定性，極端氣候變化的概率是否足夠高，值得我們采取行動減少排放？
而他認為，目前災難性氣候變化的風險，已完全高到足以采取行動。
以下為專訪實錄，文字經(jīng)過編輯：
01
《知識分子》：北京通常是非常干燥的，但今年卻經(jīng)歷了非常不尋常的多雨天氣。這有點像英國。
蒂姆·帕爾默：不不，在英國，今年我們有大約六個月沒下雨。事實上，非常干燥，異常干燥。和以往正好相反。
《知識分子》：這可能與氣候變化有關(guān)吧？今年夏天，中國北部的濕度和溫度總體上都有所上升。
蒂姆·帕爾默：我認為幾乎所有地方都在變暖，但降水模式是更為復雜的。
《知識分子》：您是氣象學專家，復雜性確實是氣候系統(tǒng)的特點，您能結(jié)合您的工作談談嗎？
蒂姆·帕爾默：我的研究領(lǐng)域最初是理論物理，博士課題是廣義相對論（編者注：蒂姆·帕爾默是史蒂芬·霍金同門師弟，博士導師均為丹尼斯·夏馬）。但后來我轉(zhuǎn)向了天氣和氣候研究，因為我希望自己的工作能更“有用”一些。
我進入這個領(lǐng)域時，天氣預報幾乎都是“確定性的（deterministic）”，比如“明天會下雨”、“明天是晴天”、“會有暴風雨”或者“不會有暴風雨”，預報總是以一種絕對肯定的語氣給出。
我當時正好在研究混沌（Chaos）的數(shù)學模型。當人們做預測時，需要設(shè)定一個“初始狀態(tài)”，然后讓模型在時間上向前推演。此時，如果在初始條件中引入微小的不確定性，就能看到這些不確定性在預測過程中是如何演化的。在許多情況下，這些微小擾動不會放大，說明預測是可信的，但有時不確定性會迅速爆炸，導致原有預測的可信度下降。
在我科研生涯的早期階段，我和同事之間就這一點發(fā)生了爭論。我主張，為了提前判斷某次預報是否可靠，我們應該不只運行一個模型，而是運行比如100個模型，每個初始條件都略有不同，然后觀察它們的結(jié)果如何演變。
問題是，運行100次預報需要巨大的計算量，天氣預報必須快速生成才有用。如果明天的預報要花兩天算出來，那就沒意義了。因此一些同事認為這是對計算資源的浪費。但我堅持，“不確定性”與“溫度、降水、風速”等變量一樣重要，是另一種必須被預測的參數(shù)。
后來，1987年英國發(fā)生了一場著名的大風暴，那次風暴完全沒有被預報到。最后人們意識到，這實際上就是一個不確定性導致的案例。一個極小的差異就可能導致“有風暴”或“沒有風暴”兩種截然不同的結(jié)果。也正是這場事件，讓氣象界同意預報不確定性。
“懷疑的首要性”這句話，也成了我推廣“集合預測”（Ensemble Forecasting）時的口號，這種技術(shù)在改變不確定的初始條件和模型方程的情況下重復運行模型。
如果一個可靠的集合系統(tǒng)離散范圍很小，我們可以信任它能夠做出相當精確的預測。相反，當離散范圍較大時，我們只能用概率進行預測。
《知識分子》：現(xiàn)在的集合預測系統(tǒng)會給出多種可能的天氣情況，每一種都有對應的概率。我們怎樣利用這些概率，來幫助我們做出更明智的決策？
蒂姆·帕爾默：我們關(guān)心天氣預報的原因，就是需要根據(jù)它來做決策。有時候，這種決策非常簡單，比如“今天要不要帶傘”。一些情況下，概率也并不是那么關(guān)鍵，你只需要看最有可能發(fā)生的情形即可。
但有些決策就復雜了，尤其涉及花錢。有這么一個故事，我有位朋友準備辦一場戶外派對，需要提前十天決定是否要租帳篷。租帳篷要花不少錢，他想知道那天會不會下雨。我告訴他，十天后的降雨預報并不確定，我只能給出一個下雨的概率。
但他表示了不理解。于是我進一步說明：如果英國女王出席，哪怕只有5%的下雨概率，也一定要租帳篷；如果是鎮(zhèn)長來，可能概率需要達到20%。這個故事中，最重要的嘉賓是他岳母。于是我們一起判斷，如果下雨概率超過40%，就租，否則就不租。我查了天氣預報，只有20%，他最后沒租，幸運的是，那天確實沒下雨。
這個故事雖然輕松，但其實能推廣到應對極端天氣這樣嚴肅的情景。一些機構(gòu)會在臺風、颶風等災害來臨前，提前運送藥品和食物。過去他們往往在災害發(fā)生之后才行動，但容易遇到道路阻斷、通訊中斷的情況，救援非常困難。
現(xiàn)在集合預測系統(tǒng)會幫助他們決策。由于資源有限，他們不可能每次都提前出動，于是會設(shè)定一個觸發(fā)閾值，如果預報中災害的概率超過這個閾值，比如80%，他們就提前行動。
同樣的邏輯，也適用于我們每個人。比如你計劃去爬山，預報說有40%的下雨概率，要不要帶雨衣？帶著會更重，不帶可能被淋。天氣預報員不能替你決定，你得自己權(quán)衡哪種不便更能接受。
人們對于氣候變化存在諸多爭論，預測氣候變化存在很多不確定性，但我們?nèi)阅芄浪愠銎浒l(fā)生的概率。本質(zhì)上，是否應該采取氣候行動與是否應該帶雨具是一樣的決策問題，但前者影響大得多。
02
《知識分子》：7月，美國能源部發(fā)布了一份“批判性述評”（critical view），認為二氧化碳引發(fā)的氣候變暖在經(jīng)濟上造成的損害可能低于普遍認知，一些激進的減排策略或許存在方向偏差。您整體怎么看待這份報告？
蒂姆·帕爾默：這份報告由一些科學家撰寫，但他們在氣候問題上的立場與大多數(shù)氣候科學家不同，可以說是少數(shù)派。
這份報告主要強調(diào)了氣候模型中的一些不確定性。我承認氣候模型確實并不完美，這一點毋庸置疑，但我們?nèi)钥梢詫夂虬l(fā)生災難性變化的概率進行估算。目前來看，存在一種相當大的風險，即氣溫會升高到如此程度，以至于海平面上升數(shù)米、熱浪強度超過人體生理極限。
報告沒有觸及這些潛在的災難性后果，只一味強調(diào)模型的不確定性，其中一些批評并不合理。比如他們聲稱“所有模型預測的溫度都比實際觀測值要高”，但這是因為他們看的那些模型，假設(shè)了遠高于過去幾年實際水平的二氧化碳排放量。
問題的關(guān)鍵是，即便模型存在不確定性，極端氣候變化的概率是否足夠高，值得我們采取行動減少排放？
在某種意義上說，這并非一個科學問題，而是政治家們處理的問題。科學家的職責，是量化不同氣候風險的概率，包括那些極端的情形。遺憾的是，這份報告沒有做到這一點。它讓讀者誤以為“不確定性”意味著“無需行動”，這就像一個商人因為投資存在風險就永遠不去投資一樣。
在我看來，災難性氣候變化的風險完全高到足以采取行動。要知道，一顆大型小行星在未來幾百年撞擊地球的概率大約只有百萬分之一。而我們現(xiàn)在談的極端氣候變化，概率可能高達30%甚至40%。
《知識分子》：您在書中提到目前的氣候預測模型還無法非常準確地評估氣候變化的臨界點（tipping points）。您認為有沒有可能改進我們的模型來實現(xiàn)這一預測？
蒂姆·帕爾默：所謂的“臨界點”，是一個非線性過程的實例。要改進模型，唯一的辦法就是通過“分辨率（resolution）”來進行。我們在計算機上用網(wǎng)格來表示大氣，把空間劃分成一個個小“盒子”，每個盒子內(nèi)部假設(shè)大氣是均勻的。信息從一個盒子傳遞到下一個盒子。
早期計算機運算能力有限，網(wǎng)格很大，可能幾百公里一個盒子；隨著計算能力提升，網(wǎng)格越來越小，能更精確地模擬大氣和海洋中的動力學過程。想要對臨界點有更高的信心，就必須把網(wǎng)格做得盡可能小，這需要使用世界上最強大的計算機。
氣候科學家在使用超級計算機時往往要與其他領(lǐng)域的科學家競爭資源。而氣候問題的重要性決定了，我們必須有專門的、高性能計算機資源。我提出的設(shè)想是，類似歐洲核子研究中心（CERN）的模式，世界各國可以聯(lián)合投資一臺超算。
如今的超級計算機運算能力已經(jīng)達到每秒10的18次浮點運算，中國就建造了性能最好的一批超算。所以中國也許可以作為氣候變化領(lǐng)域“CERN”的主辦方，全球各國可以來這里，在專用的超算上運行高分辨率的模型。
《知識分子》：AI現(xiàn)在使用了很多計算資源，您認為AI會幫助氣候預測嗎？
蒂姆·帕爾默：AI無法回答氣候的臨界點這類問題，因為AI是使用過去的數(shù)據(jù)來訓練的。
雖然氣候臨界點可能在幾百萬年前發(fā)生過，但在我們擁有數(shù)據(jù)訓練AI模型的這個時期，它們并沒有發(fā)生過。也因此，AI模型從未見過，比如海洋環(huán)流中的某個臨界點。
我們正在進入一個以前的歷史數(shù)據(jù)中沒有出現(xiàn)過的世界，這正是AI模型可能失敗的地方。這也是為什么我們需要繼續(xù)基于物理法則來發(fā)展模型。AI當然會有所幫助，但不可能取代物理模型。
知識分子：能具體說明嗎？
蒂姆·帕爾默：物理基礎(chǔ)的模型幫助我們理解系統(tǒng)，理解在科學中是非常重要的。
格陵蘭島是一片巨大的土地，多數(shù)區(qū)域被冰雪覆蓋，它不僅在天氣系統(tǒng)中起重要作用，還影響海洋環(huán)流。但如果格陵蘭島不存在，歐洲的天氣會是什么樣？通過物理模型回答這個問題相對容易，因為可以在模型中移除格陵蘭島，換成海洋，然后重新運行模型。這就相當于做了一個實驗，幫助人們理解格陵蘭島在現(xiàn)實世界中的角色。
同樣的，如果把中國藏區(qū)的山脈去掉，替換成平坦的土地，北京的天氣會怎么樣呢？我們可以通過物理模型把喜馬拉雅山脈或者整個青藏高原去掉，進行這個實驗。
但是AI模型的訓練數(shù)據(jù)一定是來自一個有格陵蘭島或青藏高原的世界，它們不可能在可靠的方式下推測沒有這些地區(qū)存在時，歐洲或中國天氣的狀況。
AI歸根結(jié)底只是一種巧妙的統(tǒng)計分析。假設(shè)有一個函數(shù)，在一定距離內(nèi)以直線形式表現(xiàn)，如果想知道函數(shù)在另一個地方的值，AI所能做的就是假設(shè)從這里到那里也是一條直線。然而，實際上它可能完全不是這樣，會有不同種可能。這就是為什么AI模型有局限性，它很難像物理基礎(chǔ)模型那樣，深入理解系統(tǒng)的細節(jié)。
當然，我會說AI模型在短期天氣預測方面表現(xiàn)相當出色。AI也可以和物理模型相結(jié)合，比如集合預測。氣象中心一開始每天進行50次預報，但有時人們會要求提供500次預報的結(jié)果，在沒有那么多計算時間時，可以利用AI來生成一些模擬的結(jié)果。
《知識分子》：您參與過聯(lián)合國政府間專門委員會（IPCC）報告的編寫過程，第30屆聯(lián)合國氣候大會（COP30）即將召開，您對IPCC下一份評估報告以及COP30有什么期待嗎？
蒂姆·帕爾默：我曾參與早期IPCC報告的編寫，現(xiàn)在參與得較少了。對我而言，IPCC應當是一個科學評估報告，而不是政治聲明。它只是對過去約5年的氣候變化科學文獻進行的總結(jié)。IPCC堅持這一基本使命是非常重要的，但現(xiàn)在始終存在著將其政治化的風險。
至于COP，我不是以氣候科學家的身份看待這個問題，而是作為一個普通人、作為地球上的一員來看?；剂显谖覀兩钪邪缪葜匾巧?，停止使用它們非常困難，所以我希望我們能夠采納所有能幫助我們實現(xiàn)凈零排放的技術(shù)。
有時人們在爭論是否應該使用可再生能源、核能、碳捕捉與碳封存。我個人的觀點是，我們應該盡量開發(fā)盡可能多的這些技術(shù)，而不是專注于其中一種。
我一直在關(guān)注中國在替代核能方面的進展，例如在戈壁沙漠中建立的釷基熔鹽實驗堆，使用釷而不是鈾來運行，通過熔鹽來冷卻。這非常有趣，因為它可能開辟一片新的核能領(lǐng)域，能夠真正改變世界，推動低碳能源的使用。
03
《知識分子》：除了天氣，其它系統(tǒng)也存在著各種不確定性。為什么有些事物總體上是可預測的，但又會突然變得不可預測？這背后的原理是什么？
蒂姆·帕爾默：我認為“混沌理論（Chaos Theory）”的偉大之處在于，它并非基于隨機性。相反，它背后有著清晰的數(shù)學方程，這最早由美國氣象學家愛德華·洛倫茲（Edward Lorenz）提出。
洛倫茲發(fā)現(xiàn)，當系統(tǒng)在演化過程中，大多數(shù)情況下它們在很長一段時間內(nèi)都是可以預測的，但從數(shù)學角度來看，存在一部分“分形”結(jié)構(gòu)，呈現(xiàn)不穩(wěn)定的狀態(tài)，即微小的不確定性會被迅速擴大。
如果艾薩克·牛頓看到洛倫茲方程，他大概能讀懂它們的形式，因為這些方程確實是通過他創(chuàng)立的微積分來呈現(xiàn)的。但對于這些方程所衍生的幾何形式，牛頓可能就完全陌生了。
舉個例子，圓是古希臘數(shù)學家歐幾里得（Euclid）熟識的幾何形狀，牛頓是“歐幾里得幾何”專家。在三維空間里，圓可以被推廣為球體，當放大觀察時，它的表面光滑而單調(diào)，就像我們并不能確切地感受到地球是球體，因為我們只看到了極其小的一部分。
然而洛倫茲發(fā)現(xiàn)的“分形幾何（Fractal Geometry）”則完全不同，它的結(jié)構(gòu)會不斷重復，無論你放大多少倍，結(jié)構(gòu)始終存在、永不消失。有趣的是，分形幾何與20世紀一些最重要的數(shù)學成果密切相關(guān)，例如安德魯·懷爾斯（Andrew Wiles）在1990年代證明“費馬大定理”時使用的數(shù)學工具。
天氣大部分時間可預測，但有時也會出現(xiàn)極端風暴，這就源自系統(tǒng)內(nèi)部的分形幾何結(jié)構(gòu)。不只是天氣，經(jīng)濟系統(tǒng)通常是穩(wěn)定的，但也會出現(xiàn)全球性金融危機，平穩(wěn)的健康系統(tǒng)可能也會爆發(fā)疫情。
雖然這點存在爭議，但我個人認為，如果將整個宇宙視為一個在分形幾何上演化的混沌系統(tǒng)，那么量子力學中涉及基本粒子的一些極其復雜的概念性問題，或許是可以被理解的。
《知識分子》：您在書中提到，集合預測也能用于經(jīng)濟學領(lǐng)域。能具體談談嗎？
蒂姆·帕爾默：我并不是經(jīng)濟學專家，這并非我的研究領(lǐng)域。但我十分好奇，在重大金融危機爆發(fā)前，整個系統(tǒng)是否會變得更不可預測？
我給一些經(jīng)濟學界的學者發(fā)送了郵件，但他們大多表示，傳統(tǒng)的經(jīng)濟模型無法回答這個問題。因為這些模型不夠復雜，也沒有合適的計算方式來處理。
最終，我和牛津大學的同事胡安·薩布科（Juan Sabuco）討論，他向我介紹了一種新的經(jīng)濟建模方法，基于主體的模型（Agent-based Model）。這種模型會模擬個體行為，比如每一家企業(yè)、每一家銀行的決策過程，有點像氣象模型中模擬每個獨立的天氣系統(tǒng)。
之后，我又聯(lián)系到他的一位合作者，對方正在運行這類模型的集合模擬，包括一個針對歐元區(qū)經(jīng)濟的模型。他開始研究金融危機前可預測性的變化。我在書中引用了他的部分研究成果，結(jié)果驗證了我的猜想：金融危機往往發(fā)生在系統(tǒng)極不穩(wěn)定、可預測性極差的時期。集合預測顯示，在這種時期，對GDP、通脹等指標的預測不確定性明顯擴大。
經(jīng)濟學領(lǐng)域也許可以采用這種基于主體的模擬方法，擺脫傳統(tǒng)的建?？蚣?。因為后者無法處理混沌系統(tǒng)的復雜性。
《知識分子》：“噪聲”（noise）在模型中起到什么作用？
蒂姆·帕爾默：其實洛倫茲最早的模型非常簡單，只有三條方程，卻能產(chǎn)生極其復雜的結(jié)果?，F(xiàn)實世界的系統(tǒng)，比如天氣或經(jīng)濟，要復雜得多。我們現(xiàn)在的計算機無法同時模擬上億的云朵或者經(jīng)濟單元。
所以問題就是，怎么處理那些無法在模型中直接表示的過程？答案就是噪聲。無論是氣候還是經(jīng)濟，把噪聲引入模型，是一種簡化但有效的方式，用來體現(xiàn)那些太復雜、無法顯示計算的過程。
噪聲在很多人看來是需要被消除的部分，但在非線性系統(tǒng)中，噪聲反而可能有積極作用。比如人腦就是一個帶噪聲的系統(tǒng)。我們每時每刻都在從眼睛和耳朵中接收信息，但大腦運作的功率只有20瓦，而一臺超級計算機有2000萬瓦。計算機耗能如此巨大，部分原因是它被設(shè)計得完全確定。比如2+2永遠等于4，不可能是3.9或4.1。為了保證這種精確，芯片要花費大量能量。
假設(shè)恒定的能量預算下，你可以做100次完全精確的計算，或者1000次略帶誤差的計算，哪種更好？對于轉(zhuǎn)賬操作，當然要精確；但對天氣或經(jīng)濟預測，有一定“噪聲”的計算反而更有效。
人腦似乎也遵循類似邏輯。當我們面臨重要決策，比如過馬路時，大腦會集中能量，進行高精度、確定性的思考；但在多數(shù)情況下，我們依賴低能耗、自動化、帶噪聲的思維過程。
心理學家丹尼爾·卡尼曼在《思考，快與慢》中，就區(qū)分了這兩種思維模式。我認為，大腦存在的噪音，有時可能會將我們帶入從未體驗過的認知思維領(lǐng)域，產(chǎn)生頓悟和創(chuàng)造力。
參考文獻：
[1] https://www.energy.gov/articles/department-energy-issues-report-evaluating-impact-greenhouse-gasses-us-climate-invite
