據外媒報導，近年來AI的複興讓許多人不禁要問，這項技術如何才能幫助人類面對其面臨的最大威脅之一：氣候變化。由來自該領域的一些最知名思考者撰寫的一篇新研究文章就對此給出了答案，另外就機器學習如何幫助人類避免毀滅給出了一些具體的例子說明。

資料圖

文章總共提出了13個可以部署機器學習的領域，這些領域根據其潛在影響的時間框架進行分類。以下為其中8個：

建設更好的電力系統

雖然電力系統到處充斥著數據但對它們的利用卻非常少。機器學習可以通過它們幫助預測發電量和用電需求進而讓供電商可以更好地將可再生資源整合到國家電網中，減少浪費。谷歌的英國實驗室DeepMind就已經證明了這方面的成果，其利用AI預測風力發電廠的能源產出。

監測農業排放和森林砍伐情況

溫室氣體不僅是由發動機和發電廠排放的–大量的溫室氣體來自對樹木、泥炭田和氣體植物的破壞，它們在數百萬年的光合作用過程中捕獲了碳。砍伐森林和不可持續的農業作業使得這些碳重新被釋放到大氣中，通過衛星圖像和AI人們可以確定這些情況發生在哪裡然後對此採取保護措施。

打造新的低碳材料

文章作者指出，全球9%的溫室氣體排放來自混凝土和鋼鐵生產。機器學習可以幫助開發出這些材料的低碳替代品。AI可以幫助科學家通過模擬從未見過的化合物的性質和相互作用來發現新材料。

預測極端天氣事件

未來幾十年氣候變化的許多最大影響將由極其複雜的系統驅動，比如雲層覆蓋和冰蓋動態的變化。而這些正是AI擅長挖掘的問題。模擬這些變化將幫助科學家預測極端天氣事件，而這反過來能幫助政府防範最壞的情況。

提高交通運輸效率

交通運輸業佔全球能源相關的二氧化碳排放量的1/4，其中2/3由道路使用者產生。跟電力系統一樣，機器學習可以提高這一領域的使用效率、減少旅途浪費、提高車輛效率並將貨運轉向鐵路等低碳選擇。AI還可以通過部署共享的自動駕駛汽車來減少汽車使用量，不過作者指出，這項技術目前還沒有得到肯定。

減少建築物的能源浪費

建築消耗的能源佔全球與能源相關的二氧化碳排放的1/4，也是氣候行動最容易實現的目標之一。建築物經久耐用，很少使用新技術進行翻新。然而通過增加幾個智能傳感器來監測空氣溫度、水溫和能源使用就可以在一棟建築中減少20%的能源使用，而監測整個城市的大型項目則可能會帶來更大的影響。

讓地球變得更具反射性

這個用例可能是所有提到用例中最極端和最投機的，但它卻是一些科學家所希望看到的。如果我們能找到讓雲層反射性更強的方法或用氣溶膠製造出人造雲，那麼我們就能把更多的太陽熱量反射回太空。這是一個很大的假設，而對任何方案的潛在副作用進行建模都是非常重要的。AI可以幫助解決這一問題，但文章作者指出，未來仍要面對重大的管理挑戰。

為個人提供減少碳足蹟的工具

文章作者認為，個人無法對氣候變化採取有意義的行動是一種普遍的誤解。但人們確實需要知道怎樣做才能提供幫助。同樣的，機器學習可以幫助計算個人碳足跡並標出他們可以做出的小改變，比如更多地使用公共交通工具、少吃肉或減少家裡的用電量。很顯然，如果每個人都能做到這些，那麼疊加起來的效果自然是非常龐大的。

查看完整報告請戳這裡。