人工智能如何幫助解決氣候變化

你聽說過法國藝術家馬塞爾·杜尚嗎？ 他最著名的作品之一是由普通浴室小便池製成的“噴泉”。 通過簡單地重新命名這個常見的對象，杜尚成功地孕育了一種全新的藝術風格。

人工智能也可以做到這一點。 為什麼人類只需要使用這項強大的發明來解決與業務相關的問題？ 為什麼我們不能像杜尚一樣思考並使用這種“無所不能”的技術來解決人類曾經面臨過的最可怕的問題之一？

氣候變化的全球威脅

如果您閱讀過任何關於我們氣候未來的最新報告和預測，您可能已經意識到人類已經沒有時間找到應對全球氣候變化威脅的解決方案了。 事實上，澳大利亞最近的一份政策文件提出了 2050 年的情景，好吧，我們都死了。

對於那些不害怕到 2050 年水位上升 25 米的人來說，還有其他研究表明人類的苦難即將來臨。 2012 年 3 月，世界水資源評估計劃預測，到 2025 年，地球上將有 18 億人生活在絕對缺水的地區。

那麼，哪些數據和研究讓科學家們相信未來會出現水或食物末日的情景呢？

根據美國國家航空航天局的說法，氣候變化的主要原因是我們大氣中溫室氣體數量的增加。 可悲的是，“地球母親”並沒有獨自完成這一切。

1830 年，人類開始從事釋放溫室氣體的活動，導致我們今天感受到的氣溫上升。 我提到的其中一些活動包括化石燃料的燃燒、海洋污染和森林砍伐。 然而，即使是牛肉的大規模生產也導致了氣候變化。

現在，您可能想知道人類如何對抗和限制我們的溫室氣體排放。 顯然，我們應該限制我上面提到的所有活動。 這將意味著限制我們的電力、煤炭和石油的使用，植樹，可悲的是，對許多人來說，完全放棄牛排晚餐。

但所有這些足以消除幾個世紀以來的大氣污染嗎？ 在人類被迫面臨物種滅絕之前，這一切都可以實現嗎？ 我不知道。 人類甚至無法停止牛肉的生產，更不用說我們日常耗油的汽車和飛機了。

如果有一個非常智能的軟件可以運行一些排放數據，並告訴我們所有這些努力是否足以防止未來的災難情況......

人工智能方法和環境用例

解決任何問題都需要時間。 隨著氣候變化，科學家們花了大約 40 年的時間才對這個問題有任何了解。 這是公平的——人類必須首先研究氣候以確保存在氣候變化，然後研究氣候變化的原因以了解人類所扮演的角色。 但是，在完成所有這些研究之後，我們今天在哪裡？ 還在研究。

氣候變化的問題在於時間不站在我們這邊——人類必須相對較快地找到並實施一些解決方案。 這就是人工智能可以提供幫助的地方。

迄今為止，人工智能有兩種不同的方法：基於規則的和基於學習的。 在研究環境和解決氣候變化方面，這兩種人工智能方法都有有效的用例。

基於規則的人工智能是 if-then 語句的編碼算法，基本上是為了解決簡單的問題。 在氣候方面，基於規則的人工智能可以幫助科學家處理數字或編譯數據，從而為人類節省大量體力勞動時間。

但是基於規則的人工智能只能做這麼多。 它沒有記憶能力——它專注於為人類定義的問題提供解決方案。 這就是創建基於學習的人工智能的原因。

基於學習的人工智能比基於規則的人工智能更先進，因為它通過與問題交互來診斷問題。 基本上，基於學習的人工智能具有記憶能力，而基於規則的人工智能則沒有。

這是一個示例：假設您向基於規則的 AI 詢問一件襯衫。 人工智能會為你找到一件尺寸和顏色合適的襯衫，但前提是你告訴它你的尺寸和偏好。 如果您向學習型 AI 詢問一件襯衫，它會評估您在過去一年中購買的所有襯衫，然後為您找到適合當前季節的完美襯衫。 看到不同？

在幫助解決氣候變化方面，基於學習的人工智能基本上可以做的不僅僅是計算二氧化碳排放量。 基於學習的人工智能實際上可以記錄這些數字，研究原因和解決方案，然後推薦最佳解決方案——理論上。

人工智能影響氣候變化，今天

對大多數人來說，人工智能是用來描述有趣的技術軟件的流行詞。 但對於下面的公司來說，人工智能開始被視為一種秘密武器。

西爾維亞泰拉

森林對我們的氣候很重要。 許多人類活動排放的二氧化碳實際上被樹木吸收。 所以如果我們有更多的樹。

這就是 SilviaTerra 被賦予生命的原因。

在微軟的資金和技術的支持下，SilviaTerra 使用人工智能和衛星成像來預測森林樹木的大小、種類和健康狀況。 為什麼這很重要？ 這意味著環保主義者可以節省無數小時的人工實地工作。 這也意味著我們可以幫助樹木長得更大、更強壯、更健康，這樣它們就可以繼續幫助我們的氣候。

DeepMind

有時，我們可能會問自己，“Google 不能做什麼？” 好吧，事實證明 Google並不能真正做到一切。

為了降低成本（以及潛在的碳足跡），谷歌求助於一家名為 DeepMind 的公司。 兩家公司共同開發了一種人工智能，它可以自學如何僅使用最低限度的能源來冷卻谷歌的數據中心。

結果？ Google 能夠將用於冷卻數據中心的能源減少 35%。 但這甚至可能不是最酷的部分！ DeepMind 的聯合創始人 Mustafa Suleyman 表示，他們的 AI 算法足夠通用，兩家公司將來可能會將它們用於其他節能應用。

綠色地平線項目

你們所有的數據愛好者都知道，如果您無法衡量自己的影響，就很難說您正在影響某事。 這就是綠色地平線項目誕生的原因。

IBM 的綠色地平線項目是一種人工智能，可以創建自我配置的天氣和污染預測。 IBM 創建這個項目的初衷是希望有一天他們可以幫助城市變得更有效率。

他們的願望在中國變成了現實。 2012 年至 2017 年期間，IBM 的綠色地平線項目幫助北京將平均霧霾水平降低了 35%。

CycleGAN

所以這裡有一個你可能從未聽說過的術語：“GAN”。 它代表G enerative A dversarial Network。 基本上，它是一個無需您執行任何操作即可生成統計數據或信息的網絡。

為什麼這個詞很重要？ 因為當您解決問題的時間和資源有限時，自動化很重要。

康奈爾大學的知識分子使用 GAN 創建了一個 AI 來訓練自己生成描繪極端天氣事件前後地理位置的圖像。 這種人工智能產生的視覺效果可以幫助科學家預測某些氣候變化的影響，幫助人類優先考慮我們的戰鬥努力。

有可能影響氣候變化的軟件

在研究已經用於對氣候變化產生積極影響的 AI 數量時，您可能會認為我們不再需要任何新軟件。 也許你沒有錯——我們為什麼不重新利用我們擁有的軟件呢？

話雖如此，這裡有一些可能成為秘密武器的軟件：

愛立信

Airlitix 是一種人工智能和機器學習軟件，目前用於無人機。 雖然它最初是為自動化溫室管理過程而開發的，但它可以很容易地用於管理國家森林的健康。 Airlitix 不僅能夠收集溫度、濕度和二氧化碳數據，而且人工智能還可以分析土壤和作物健康狀況。

但由於人類需要種植超過 1.2 萬億棵樹來應對氣候變化，我們應該考慮進一步自動化我們的工作。 與其花時間去照料國家公園，不如建立 Airlitix 軟件，這樣無人機就可以種植我們的樹木、釋放植物養分，甚至阻止森林縱火犯。

谷歌廣告

谷歌和 Facebook 都有非常強大的人工智能軟件，他們目前使用這些軟件來利用消費者瀏覽數據創建相關的消費者廣告。 事實上，谷歌的人工智能“谷歌廣告”已經幫助他們的公司賺取了數千億美元的收入。

雖然收入很酷，但 Google Ads 算法目前相對客觀地促進了消費者的購買。 想像一下，如果人工智能可以被重寫，以優先考慮提供可持續產品和服務的公司的廣告。

如今，谷歌的競爭並不激烈。 有必應、雅虎、DuckDuckGo 和 AOL。 （在我認識的人中，我不認識任何使用 AOL 的人。）如果您感到無所畏懼，也許您可以開發一個新的搜索引擎，幫助將消費者與環保公司聯繫起來。

當然，與穀歌這樣的大公司競爭會很困難，但你不必為了盈利而永遠競爭。 你的創業公司總是有機會被收購，然後你就騎著馬走向日落。

阿爾法圍棋

雖然 AlphaGo 是一種人工智能軟件，可以幫助科學家找到下一個“神奇藥物”，但它最初是由 DeepMind 創建的，目的是自學如何掌握國際象棋遊戲。 在擊敗了世界上最好的棋手之後，AlphaGo AI 已經開始征服更複雜的棋盤遊戲的策略。

但是棋盤遊戲與氣候變化有什麼關係呢？ 好吧，如果 AlphaGo 人工智能可以在國際象棋遊戲中勝過人類，也許它可以在想出創造性的方法來限制和減少我們大氣中的溫室氣體數量方面勝過我們。

人工智能和氣候的未來展望

在我看來，人工智能的目的是幫助人類解決問題。 氣候變化已被證明是一個複雜的問題，人類正在變得擅長研究，但我還沒有在新聞中看到環保主義者對未來的非常積極的展望。

如果不幫助人類直接影響氣候變化，難道我們不能用人工智能來描繪世界末日的情景，讓世界走到一起嗎？ 如果人們在日常生活中做更多的事情來幫助對氣候問題進行分類，我們是否可以使用人工智能來描繪積極的潛在前景？

即使最近發生了亞馬遜大火，我也沒有看到任何關於使用無人機對抗火勢蔓延的推文。 我很清楚，即使當今人類可以使用所有令人印象深刻的人工智能軟件和技術，環境用例仍然不是廣泛的知識。

所以我給讀者的建議是嘗試“杜尚方法”——今天。 考慮一下你經常使用或開發的人工智能和技術，看看是否有辦法重新構想它。 誰知道呢，你可能是解決一個困擾我們這個時代一些最優秀的氣候學家和科學家的問題的人。