人工智能可以帮助我们对抗全球变暖 你一定想不到

本文由腾讯数码独家发布

二氧化碳排会对气候变化产生极大的影响，二氧化碳分子在大气中捕获热量，并保存数十年，其中40％会保持100年，20％会保持1000年。根据政府间气候变化专门委员会（IPCC）的数据，如果木材、煤炭、天然气、石油和汽油的消耗量保持在目前的水平上，那么全球气温将在下个世纪上升2.5到10华氏度。

近年来人工智能技术的兴起让许多人不禁提出这样的疑问，这项新兴技术应该如何才能帮助人类应对目前的最大威胁之一：全球变暖。而最近由该领域一些最著名的专家所联合撰写的一篇新研究论文，就可以非常明确的回答这个问题，告诉了我们如何通过机器学习技术帮助防止人类被环境毁灭。

这项论文给出的建议用例多种多样，从使用人工智能和卫星图像来更好的监控森林砍伐，到开发可以替代钢铁和水泥的新型材料(目前钢铁和水泥的产量占全球温室气体排放总量的9%)。

但是，尽管存在这些差异，我们通过《麻省理工学院技术评论》看到的这篇论文依然一次又一次的将我们的目光拉回到几个被广泛的部署领域。其中最突出的例子就是使用机器视觉技术来监控环境变化。通过利用数据分析发现重排放行业的效率低下问题，而再用人工智能来模拟复杂的运行系统，比如地球自身的气候变化，这样我们就能更好的为未来环境的变化做好准备。

这篇论文的作者，包括DeepMind公司的首席执行官Demis Hassabis、以及图灵奖获得者Yoshua Bengio以及Google Brain的联合创始人Andrew Ng都表示，人工智能可以在减轻和防止作为无价之宝的地球环境变得更糟糕的发展,但是需要注意的是，人工智能不是万能良药，同时还需要各国政府的协同与努力。

“整个过程仅靠技术方面的努力是远远不够的，”这篇论文的作者表示。该组织的牵头者是美国宾夕法尼亚大学的博士后戴维·罗尔尼克(David Rolnick)。“减少气候变化的技术其实已经问世了很多年，但在很大程度上来说还没有被社会所大规模采用。虽然我们希望这项技术和系统可以助于减少与气候政治行动相关的成本，但人类也必须采取相应的行动。”

总体来说，这篇论文提出了13个可以用来部署机器学习技术的环境领域(我们在里面选择了8个例子)，而这些领域能够根据自己潜在影响的时间框架进行有针对性的分类，以及所涉及的技术是否发展到足以获得某些期望中回报的程度。

以下是其中最具有代表性的八个方面：

建设更好的电力系统：电力系统内部充斥着大量的数据，但我们利用这些信息所做的工作目前还太少。机器学习技术可以帮助人类预测发电量和需求，让供应商更好的将可再生资源整合到电网中，减少资源的浪费。谷歌在英国建立的人工智能实验室DeepMind已经证明了这类工作的确有效，它可以使用人工智能技术来预测风力发电场的能源产量。

监测农业排放和森林砍伐：温室气体不仅仅是由发动机和发电厂排放，其实大量的温室气体也来自树木、泥炭地和其他植物的破坏，这些植物通过数百万年的光合作用过程吸收空气中的二氧化碳。而砍伐森林和不可持续的农业系统导致这些碳元素被重新释放回大气中，如果通过卫星图像和人工智能技术，我们可以确定这些碳元素在哪里产生，并控制碳元素在空气中的含量。

创造新的低碳材料：该论文的作者指出，全球9%的温室气体排放来自混凝土和钢铁的生产。而机器学习技术可以帮助我们开发出这些材料需要的低碳替代品，从而帮助减少这一比例的数字。人工智能可以帮助科学家发现新材料，使他们能够模拟之前从未见过化合物的性质以及相互作用。

预测极端天气事件：在未来几十年对气候变化的许多影响中，其中影响最大的是由极其复杂的系统驱动，比如云层覆盖和冰覆盖层的变化。这些正是人工智能技术最擅长挖掘的问题。模拟这些变化将帮助科学家预测极端天气事件，如干旱和飓风，这反过来将帮助政府防范其产生最坏的影响。

提高交通运输效率：交通运输业目前占全球能源相关二氧化碳排放量的四分之一，其中三分之二由道路交通工具产生。与电力系统一样，机器学习技术可以提高这一领域的效率，减少旅途浪费，提高车辆效率，并将货运转向铁路等更低碳排放的方式和选择。人工智能还可以通过部署共享自动驾驶汽车来减少汽车的使用量。但作者同时指出，这项技术的影响和效果目前还没有得到证实。

减少建筑物能源浪费：建筑消耗的能源占全球与能源相关的二氧化碳排放的四分之一，也是气候行动改变中最容易实现的目标之一。建筑物经久耐用，而且很少使用新技术进行更新。因此仅仅需要增加几个智能传感器用来监测空气温度、水温和能源的使用情况，就可以在建筑中减少最多20%的能源消耗，从而监测整个城市的大型项目可能会产生更大的影响。

特殊工程提高地球反射性：这个用例可能是所有提到的用例中最极端和推测性的一个，但它也是一些科学家所希望看到的。如果我们能找到让云层反射性更强的方法，或者用气溶胶制造人造云，我们就能把更多的太阳热量反射回太空。这是一个很大胆的假设，而对任何方案的潜在副作用进行建模都是非常重要的。人工智能可以帮助解决这一问题，但论文作者指出，未来仍将面临重大的“治理方面挑战”。

为个人提供减少碳怕排放工具：这篇论文的作者还认为，外界之前认为个人无法对气候变化采取有意义的行动是一种普遍的误解。但人们确实需要知道自己应该怎么做才能贡献出自己的力量。而机器学习技术可以帮助计算出个人的碳排放足迹，并标出自己可以做出哪些小小的改变来减少碳足迹。比如更多地使用公共交通工具、少吃肉或者减少他们家里电器的用电量。而这些看起来不起眼的行为，全球累计起来，可以产生巨大的效果和影响。

其实除了这篇论文团队之外，全球还有其它科学家也希望利用人工智能技术解决全球变暖的问题。兰卡斯特大学的数据科学专家开发了人工智能计算机软件，能在无需人工输入的情况下迅速完成自组装，形成最高效的形式。这也有助于提升计算机系统的能效。

这一系统名为REx，基于机器学习算法。在接到一项任务时，系统会查询庞大的软件模块库（例如内存缓存、搜索和分类算法），进行选择，并组装成该系统认为的最理想形态。研究人员将这种算法称作“微型变种”。

兰卡斯特大学计算和通信学院讲师巴里·波特表示：“实时系统学习了所有一切。利用这些微型变种去自动组装系统，我们看到，REx自主开发了能完成任务的软件设计。”

波特表示，这项技术可以用在多个层面。这可以减少，甚至完全不需要人工参与，而REx能自动完成所需的任务。这也将对数据处理中心的能效产生明显影响。目前，能耗的优化相当于全球能耗的约3%。

波特表示：“随着我们更频繁地连接设备，进入物联网时代，需要处理和分发的数据量正迅速增长。数据中心中的千百万台服务器也因此需要消耗大量能源。类似REx的自动化系统能找到各种场景下的最佳性能，提供新方式，大幅减少能源需求。”

另外，连续创业者Matt Proo认为有很多事情可做，他是Carbon Relay的创始人，该公司得到了富士康的支持，旨在帮助数据中心运营商减少碳排放，同时提高能源效率。该创业公司将人工智能工具套件连接到现有平台上，并利用数千个传感器收集的数据来预测电力使用情况，并找出需要改进的地方。

Proo表示：“Carbon Relay团队正在努力将人工智能应用于能源管理，我们选择了数据中心的能源使用情况进行研究，因为我们有机会与客户和合作伙伴一起，对电力使用情况产生直接或间接的影响。我们团队的目标是帮助大型设施削减运营支出和资本支出。更重要的是，我们希望通过以此来减少碳排放。”

数据中心是运行成本最高的基础设施之一，能源费用占总管理费用的40％至60％。其中暖通空调系统占所有电力消耗的40％左右。而且由于它们需要持续运转，因此，对于它们的优化非常困难。

Carbon Relay提供两款产品：Optimize和Predict。前者在48小时内创建数据中心的“数字双胞胎”，完全模拟了数据中心的环境规格。这基本上是一个自动化的过程，客户只需上传蓝图和数据中心的电气布局即可，随后，Carbon Relay的人工智能代理将开始工作，将40个变量的数百个决策考虑在内，并利用深层强化学习来生成短期和长期项目，以提高效率并节省成本。同时，Predict会利用历史温度、功率水平和气流速率等数据来确定其模型的功率和使用效率并预测传感器在一小时、一天或一周后的读数。