人工智能（AI）正在迅速融入地球科學(xué)的各個(gè)研究領(lǐng)域，推動(dòng)研究范式轉(zhuǎn)變，并加速了知識(shí)發(fā)現(xiàn)進(jìn)程。然而，在提供新機(jī)遇的同時(shí)，AI也對地球?qū)W科發(fā)展提出了挑戰(zhàn)，例如當(dāng)前AI經(jīng)常被視為可替代傳統(tǒng)地學(xué)經(jīng)驗(yàn)和物理模型的通用解決方案，從而阻礙了地學(xué)社區(qū)長久積累的機(jī)理經(jīng)驗(yàn)規(guī)則和機(jī)理知識(shí)的應(yīng)用、教育與傳播。地學(xué)研究者亟需立足本學(xué)科發(fā)展，辯證思考、科學(xué)探索AI與地球系統(tǒng)科學(xué)的協(xié)同發(fā)展之路。

近期，南京師范大學(xué)陳旻教授、閭國年團(tuán)隊(duì)聯(lián)合中國科學(xué)院地理科學(xué)與資源研究所、中國科學(xué)院青藏高原研究所、北京大學(xué)、南京大學(xué)、北京師范大學(xué)、東南大學(xué)、江西師范大學(xué)、可持續(xù)發(fā)展大數(shù)據(jù)國際研究中心相關(guān)權(quán)威專家以及美國、英國、德國、法國、澳大利亞、奧地利、意大利等國際著名學(xué)者，在《Nature Geoscience》上以“Collaboration between artificial intelligence and Earth science communities for mutual benefit”為題發(fā)表文章，強(qiáng)調(diào)了“AI for Science”大科學(xué)背景下地學(xué)的固有內(nèi)涵和特點(diǎn)，反向思考了地學(xué)對AI理論與技術(shù)發(fā)展的貢獻(xiàn)作用，并提出AI和地學(xué)在理論、技術(shù)、教育和文化等多方面雙向促進(jìn)的發(fā)展路線。

面向AI和地學(xué)的融合共贏，文章梳理了AI在地學(xué)研究中數(shù)據(jù)管理、建模預(yù)測與對地球系統(tǒng)理解認(rèn)知的變革性作用，并開創(chuàng)性地總結(jié)了地學(xué)長期積累的知識(shí)、經(jīng)驗(yàn)、數(shù)據(jù)和方法對AI理論技術(shù)的發(fā)展創(chuàng)新和評測管理的貢獻(xiàn)力。面向二者的跨學(xué)科合作，文章強(qiáng)調(diào)了存在的技術(shù)壁壘、領(lǐng)域差異和組織隔閡。為了應(yīng)對多方面的挑戰(zhàn)，文章肯定了新興理論和技術(shù)（例如地球系統(tǒng)基礎(chǔ)模型）注入的力量，以及開放式地理建模與模擬平臺(tái)和虛擬地理環(huán)境等基礎(chǔ)設(shè)施對科研實(shí)驗(yàn)和資源共享的有效支撐。同時(shí)，文章呼吁了學(xué)術(shù)、商業(yè)、政府各部門之間應(yīng)通力合作，教育部門應(yīng)關(guān)注多元化的教學(xué)大綱制定和課堂建設(shè)。最后，文章構(gòu)思了未來跨學(xué)科的藍(lán)圖“AIXES”，旨在促進(jìn)AI與地學(xué)的深度融合與交叉創(chuàng)新，以此實(shí)現(xiàn)新時(shí)代地學(xué)研究的方法突破，推動(dòng)人工智能跨領(lǐng)域融合模式發(fā)展。

上述研究工作是該團(tuán)隊(duì)在《Nature Reviews Earth & Environment》于去年發(fā)表“Iterative Integration of Deep Learning in Hybrid Earth Surface System Modelling”的進(jìn)一步延續(xù)，獲得國家自然科學(xué)基金杰出青年基金（42325107）、國家自然科學(xué)基金項(xiàng)目（41930648）、可持續(xù)發(fā)展目標(biāo)大數(shù)據(jù)國際研究中心（CBAS2022GSP08）、大眾基金會(huì)、歐盟“地平線歐洲”研究與創(chuàng)新計(jì)劃（101137601，ClimTip）、歐洲研究理事會(huì) (ERC，ERC Synergy Grant USMILE，855187)、歐盟“地平線歐洲”項(xiàng)目 ELIAS（101120237）聯(lián)合資助。

文章引用格式：Chen, M., Qian, Z., Boers, N. et al. Collaboration between artificial intelligence and Earth science communities for mutual benefit. Nat. Geosci. 17, 949–952 (2024).https://doi.org/10.1038/s41561-024-01550-x

團(tuán)隊(duì)前期工作發(fā)表于《Nature Reviews Earth & Environment》，引用格式：Chen, M., Qian, Z., Boers, N. et al. Iterative integration of deep learning in hybrid Earth surface system modelling. Nat Rev Earth Environ 4, 568–581 (2023). https://doi.org/10.1038/s43017-023-00452-7