雲在地球氣候和天氣中發揮關鍵作用。它們以多種不同的模式和類型形成，對水循環以及輻射能量如何在大氣中移動等產生截然不同的影響。幾十年來，地球觀測衛星一直在捕捉影像，這些資料集為研究雲及其對地球系統的影響提供了獨特的機會。

大量的衛星影像可能難以評估，因為科學家無法手動對太多影像進行分類。自我監督的人工智慧可以學會在沒有人類輸入的情況下解釋圖像。但典型的圖像辨識人工智慧需要大量人類生成的標籤來進行訓練。

在一篇新文章中，發表在地球系統的人工智慧，研究人員展示了一種人工智慧，可以透過觀察數百萬個雲端來識別雲端類型衛星影像無需人工輸入的雲。

這項研究中開發的人工智慧透過執行本質上的影像匹配任務來學習生成雲端影像的簡單數位表示。它是根據從附近位置拍攝的可能包含相同雲類型的雲圖像對進行訓練的。它因學習具有相同雲類型的圖像的相似表示和具有不同雲類型的圖像的不同表示而獲得獎勵。

這模型在過去的雲分類研究手動標記的多個雲圖像資料集上進行了評估，並且其性能與使用人工生成的標籤訓練的分類模型相當。

研究人員還展示了該模型在衛星儀器之間進行泛化的能力，並透過迫使模型根據其自身參數產生幻覺圖像來探索模型所學習的雲的內部表示。

更多資訊：Andrew Geiss 等人，自監督雲分類，地球系統的人工智慧（2024）。DOI：10.1175/AIES-D-23-0036.1