我们发现新算法不仅能够比现有方法更准确地预测临界点，而且能够提供关于临界点之外的状态类型的信息，”鲍赫说。“许多这些临界点都是不可取的，如果可以的话，我们想阻止它们。”

一些通常与失控的气候变化相关的临界点包括北极永久冻土融化，这可能会释放大量甲烷并进一步加速升温;洋流系统崩溃，这可能导致天气模式几乎立即发生变化;或冰盖解体，这可能导致海平面快速变化。

据研究人员称，这种人工智能的创新方法是，它被编程为不仅可以学习一种类型的临界点，而且还可以学习一般临界点的特征。

这种方法从人工智能和临界点数学理论的混合中获得了力量，比任何一种方法单独完成的都多。在对 AI 进行了他们所描述的“可能的临界点宇宙”(包括大约 500,000 个模型)的训练后，研究人员在各种系统中的特定现实世界临界点(包括历史气候核心样本)上对其进行了测试。

“当我们接近危险的临界点时，我们改进的方法可能会引发危险信号，”埃克塞特大学全球系统研究所所长、该研究的合著者之一蒂莫西·伦顿 (Timothy Lenton) 说。“提供更好的气候临界点预警可以帮助社会适应并降低他们对即将到来的事物的脆弱性，即使他们无法避免。”

深度学习在模式识别和分类方面取得了巨大进步，研究人员首次将临界点检测转化为模式识别问题。这样做是为了尝试检测在临界点之前发生的模式，并让机器学习算法判断临界点是否即将到来。