任何人都能在临界点发生之后创造它。
这种也被称为关键转型的数学征象影响着世间万物，从金融市场的行为和疾病的传播到物种的灭绝。
2007-2009 年的金融危急常常被描述为一个临界点，新冠肺炎疫情在环球范围内爆发的那一刻也是如此。
因此，真正的诀窍是在临界点发生之前创造它们，但这非常困难。

中国打算机科学家现在表明，人工智能（AI）可以帮助我们预测临界点。
在揭橥在《物理评论 X》杂志上的一项研究中，研究职员借助机器学习算法，准确地预测了繁芜系统中临界点的发生韶光。
他们认为，同样的技能可以帮助办理现实天下中的问题，例如预测大水和停电，从而为人们争取宝贵的应对韶光。

为了简化打算，研究团队将所有这类问题简化为大型交互节点网络内部发生的变革，交互节点是大型系统中的单个元素或实体。
例如，在金融系统中，一个节点可能代表一家公司，而在生态系统中，一个节点可以代表一个物种。
然后，该团队设计了两个人工神经网络来剖析此类系统。
第一个网络经由优化，用于跟踪不同节点之间的连接；第二个网络则用于跟踪单个节点随韶光的变革。

为了演习模型，研究团队须要包含大量数据的关键转型案例。
这些案例在现实天下中很难找到，由于它们很难预测。
因此，研究职员转向了已知会发生临界点的简化理论系统。
一个是所谓的同步振荡器的 Kuramoto 模型，任何看过火歧步的钟摆开始一起摆动的人都知道这个模型。
另一个是科学家用来仿照突变的模型生态系统，例如作物产量低落或害虫的涌现。

当研究职员确信他们的算法可以预测这些系统中的关键转型时，他们将算法运用于热带森林如何转变为稀树草原的现实天下问题。
这种情形在地球上已经发生过很多次，但转型的细节仍旧是个谜。
这种与降雨量减少有关的植被类型的大规模自然转变，对生活在该地区的任何野生动物以及依赖该地区的人类都有主要意义。

研究职员得到了来自中非超过 20 年的树木覆盖率和年均匀降雨量卫星图像数据，并确定了三个不同区域从热带森林过渡到稀树草原的韶光。
然后，他们考试测验用个中两个区域的数据（每个节点代表一小块地皮）来演习他们的算法，并用它来预测第三个区域的过渡点。
结果表明，算法成功地预测了第三个区域的过渡点。

然后，该团队哀求算法识别导致向稀树草原转变的关键条件——换句话说，预测即将到来的相变。
正如预期的那样，答案是年降雨量。
但人工智能的预测能力远不止如此。
结果表明，当年降雨量从 1800 毫米降至 1630 毫米时，均匀树木覆盖率仅低落了约 5%。
但如果年降水量从 1630 毫米减少到约 1620 毫米，该算法创造均匀树木覆盖率溘然低落了 30% 以上。

这是一个范例的临界点转变案例。
研究职员表示，通过从原始数据中预测临界点的发生，他们在这一领域取得了新的打破。
以前的事情，无论是否借助人工智能，都无法如此好地将这些点联系起来。

与许多人工智能系统一样，只有算法知道它识别了哪些特定特色和模式来做出这些预测。
该论文的紧张作者，上海同济大学的严钢教授表示，他的团队现在正试图准确地创造算法究竟是如何事情的，这可能有助于进一步改进算法，并更好地预测从传染病爆发到下一次股市崩盘等各种事宜。
然而，这个时候究竟有多主要，仍旧很难预测。