減緩氣候變化正在成為當(dāng)務(wù)之急。

沒時間了，大氣中的二氧化碳水平已經(jīng)達(dá)到歷史最高點，過去25年內(nèi)海平面高度整體上升了3英寸，2019年成為世界海洋溫度最高的一年。對于此，人工智能(AI)技術(shù)無疑有著應(yīng)對氣候變化挑戰(zhàn)、處理環(huán)境保護(hù)難題的巨大潛能，而且我們已經(jīng)邁出了重要的第一步。

人工智能當(dāng)然不是什么萬靈丹，但它可以幫助我們通過多種方式減少溫室氣體(GHG)排放。根據(jù)凱捷研究院的建模，到2030年，AI將幫助消費品、零售業(yè)乃至汽車制造等領(lǐng)域的企業(yè)實現(xiàn)高達(dá)45%的《巴黎氣候協(xié)定》排放要求。AI有望將溫室氣體排放減少16%，并通過以下幾個角度給全人類的氣候變化戰(zhàn)略提供助力。

[[375106]]

• 提高能源效率

根據(jù)凱捷研究院的說法，人工智能將在未來三到五年內(nèi)，將能源效率提高15%。

機器學(xué)習(xí)能夠支持從自動維護(hù)、到泄漏監(jiān)控、再到路線優(yōu)化、設(shè)施管理乃至發(fā)電/配電效率等多個運營層面。谷歌DeepMind AI能夠提前36個小時預(yù)測風(fēng)向，優(yōu)化風(fēng)電場的運行朝向。

此外，電力系統(tǒng)會生成大量數(shù)據(jù)，而之前能源企業(yè)一直無法充分理解并運用這些數(shù)據(jù)。機器學(xué)習(xí)技術(shù)可以高效梳理數(shù)據(jù)內(nèi)容，了解并預(yù)測電力的產(chǎn)生與需求情況，幫助企業(yè)更好地利用資源并填補可再生資源中的空白，同時減少浪費情況。AI在能源效率方面的助益從行業(yè)層面起步，最終必將在家庭乃至個人用戶層面得到體現(xiàn)。

• 優(yōu)化清潔能源發(fā)展

在亞馬遜河流域，水電大壩運營商往往只能著眼于當(dāng)前一個項目，無法將流域內(nèi)的全部資源、點位及項目統(tǒng)一起來。由康奈爾大學(xué)領(lǐng)導(dǎo)的計算機科學(xué)家、研究人員與生態(tài)學(xué)家研究小組開發(fā)出AI計算模型，旨在尋找所產(chǎn)生的溫室氣體排放量最低的大壩建設(shè)位置(目前當(dāng)?shù)財M建數(shù)百座水電大壩)。事實證明，AI模型可以提供遠(yuǎn)超以往任何縝密考量的復(fù)雜溫室氣體排放因素。

• 避免浪費

企業(yè)與政府已經(jīng)開始重視AI解決方案在避免浪費方面的作用。

無論是使用AI減少建筑物能源浪費(目前占全球二氧化碳排放量的四分之一)，還是全面理解電力供需，AI技術(shù)都有望在時間、金錢、物料等層面減少各種浪費，推動氣候變化戰(zhàn)略的實施。

• 提高運輸效率

目前，全球二氧化碳排放量中另有四分之一來自運營部門。AI已經(jīng)成為自動駕駛汽車中的底層技術(shù)，并在部分城市的共享汽車及智能交通系統(tǒng)中發(fā)揮作用。人工智能有望優(yōu)化車流路徑、交通信號，不斷減少后續(xù)排放，最終為全球氣候變化帶來積極且重大的影響。

• 幫助我們理解碳足跡

所謂“知識就是力量”，在應(yīng)對氣候變化方面，AI也能夠幫助我們構(gòu)建工具，以跟蹤個人乃至企業(yè)的碳足跡，并有針對性地設(shè)計出應(yīng)對之策。

• 監(jiān)控環(huán)境變化

過去一年內(nèi)，無數(shù)重大氣候事件已經(jīng)在世界范圍內(nèi)造成大規(guī)模破壞與生命財產(chǎn)損失。AI技術(shù)能夠不斷增強天氣預(yù)報準(zhǔn)確性與災(zāi)害響應(yīng)能力。

復(fù)雜系統(tǒng)的變化(例如云層與冰蓋動力學(xué))，正是近期一系列氣候變化的誘因所在。各類植物中蘊藏著大量碳化合物，而森林砍伐與不可持續(xù)農(nóng)業(yè)會將這些物質(zhì)釋放到大氣中，最終引發(fā)氣候變化。衛(wèi)星圖像與AI技術(shù)將幫助環(huán)保者們監(jiān)控這類情形，進(jìn)而建立起應(yīng)對措施。

• 創(chuàng)造新的低碳材料

鋼鐵與水泥生產(chǎn)占全球溫室氣體排放量的9%。如果AI能夠開發(fā)出性質(zhì)相似但碳足跡更低的新型材料，無疑將有助于減緩氣候變化。人工智能可以快速、高效嘗試以往未經(jīng)嘗試的化合物組合，為材料科學(xué)家們提供有力支持。

• AI本身有沒有碳足跡?

麻省理工學(xué)院阿默斯特分校發(fā)布的一份報告估計，訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需要的功耗，約為美國汽車平均生命周期排放量(包括制造流程)的5倍，因此使用AI之力緩解氣候變化的意義也備受質(zhì)疑。沒錯，人工智能本身確實具有碳足跡，而且主要體現(xiàn)在模型開發(fā)階段。

但研究人員們在降低AI模型訓(xùn)練功耗方面，已經(jīng)取得顯著進(jìn)步。除了盡可能使用可再生能源提供支持之外，他們還嘗試設(shè)計具備普適性的通用神經(jīng)網(wǎng)絡(luò)。此外，我們也有必要考慮AI碳足跡與其所能減少的碳排放之間到底孰輕孰重。只要最終收益高于前期投入，這就是一筆合理的排放“買賣”。