DeepMind希望利用人工智能解决气候危机
DeepMind致力于利用人工智能解决气候危机
这是ENBLE一直以来的一个问题：技术把我们带入了这个困境，它能把我们带出来吗？而在应对气候变化方面，这一问题尤为突出。随着天气变得更加极端和不可预测，有人希望人工智能——另一个存在威胁——可能成为解决方案的一部分。DeepMind是谷歌旗下的人工智能实验室，它已经利用其人工智能专业知识以三种不同的方式解决气候变化问题，正如DeepMind的气候行动负责人Sims Witherspoon在11月21日伦敦ENBLE Impact活动前接受采访时所解释的。以下对话已经经过编辑，以便更清晰地表达。
ENBLE：人工智能如何帮助我们应对气候变化？
Sims Witherspoon：我们可以从很多方面回答这个问题。人工智能可以帮助我们进行减缓。它可以帮助我们进行适应性措施。它可以帮助我们应对损失和伤害。它可以帮助我们进行生物多样性和生态学方面的工作，等等。但我认为其中一种让大多数人更容易理解的方式是通过人工智能的优势来讨论。
我将其分为三个部分：首先，人工智能可以帮助我们通过更好的预测和监测模型来了解气候变化及相关问题。一个例子是我们在降水预测方面的工作——例如，几小时内对降雨的预测——我们的模型被英国气象局的预报员投票评为比其他方法更有用、更准确，这是很棒的成绩。
但这只是一个开始，因为你可以进一步预测更复杂的现象。因此，人工智能可以成为帮助我们理解气候变化问题的一个非常重要的工具。
第二件事是什么？
我喜欢思考的第二个方面是，人工智能可以帮助我们优化当前的系统和现有的基础设施。仅仅开始建设更可持续的明天的新绿色技术是不够的，生活必须继续下去——我们已经有许多我们今天所依赖的系统，我们不能仅仅将它们全部摧毁然后从头开始。我们需要能够优化这些现有的系统和基础设施，而人工智能是我们可以用来做到这一点的工具之一。
一个很好的例子是我们在数据中心方面的工作，我们能够提高能源效率，实现30%的节能。
那第三个是新技术？
是的，第三个方面是大多数人在想到人工智能时会考虑到的方式，即加速突破性科学的方式。
我非常喜欢核聚变和等离子体控制的例子——我们发表了一篇《自然》论文，使用神经网络训练了一个强化学习模型，来学习如何控制实际托卡马克（核聚变反应器）中的等离子体形状。这非常重要，因为真正理解等离子体物理学并能够控制这些形状和构型是实现几乎无穷尽的无碳能源供应的一个非常重要的基石。
谈论人工智能和气候变化时，不能不提到 人工智能的碳足迹 问题，以及数据中心消耗的大量能源，这是人们越来越关注的问题。您如何看待这个问题？人工智能何时能够拯救的碳超过用于训练的碳？
我很希望看到那个分析结果，我不知道有没有人已经进行了这样的分析。在过去几年中，我们看到了许多语言模型和生成型人工智能的成功案例，确实，它们消耗很多能源，这是一个我们已经记录下来的问题。我们认为查看和了解这些模型使用了多少能源，以及对此进行公开是非常重要的，而且我们还有许多努力来减少这些模型所需的计算量。所以我们从几个方面考虑这个问题，不是全球范围的，而是更多地考虑如何部署尽可能碳高效的解决方案。
有哪些因素会阻碍人工智能用于应对气候变化？
第一个是获取数据的问题。在所有领域，无论是电力、交通还是建筑和城市，都存在着重要的气候关键数据的巨大缺口。我们与一个发布“气候关键数据集心愿单”的团体合作，我认为拥有这些数据集并让人们在安全和可靠的情况下开放气候关键数据集是非常重要的。
另一个与数据几乎同样重要的部分是与领域专家合作。在Google DeepMind，我们专注于人工智能研究和产品开发，我们不是等离子物理学家，我们也不是电气工程师。因此，当我们试图解决问题时，我们确实需要与那些能够向我们教授他们所遇到的问题以及阻碍他们的事物的专家进行合作。这样做可以产生两个效果。首先，确保我们充分理解我们正在构建的人工智能解决方案的目的。其次，确保我们所构建的任何东西将被使用。我们不仅希望制造出这样一个很酷的技术，然后希望有人使用它。
有什么安全注意事项吗？人们可能会对在同一个句子中看到“核聚变”和“人工智能”这些词感到紧张…
在我的领域中，我们处理这个问题的方法之一是再次与领域专家合作，确保我们非常了解这些系统，以及它们需要什么来保持系统的安全。是这些专家教会我们这些知识，然后我们构建出在这些限制条件下的解决方案。
在气候和可持续性方面，我们还进行了大量的影响分析：我们预计自己的潜在影响以及由此带来的所有下游影响。
你说你是一个技术乐观主义者，那么对于未来人工智能完全应用于应对气候变化的问题，技术乐观主义者是怎么看的？
技术乐观主义者认为，只要我们能够有效地应用它，我们就能够使用人工智能这样的转型工具更快地解决特定领域和非特定领域的问题，并且能够在规模上做到比没有人工智能时更大。我最激动的事情之一就是这个工具的多用途性和可扩展性。考虑到我们需要解决与气候变化相关的如此多的问题，我们需要的是一种高度多用途和高度可扩展的工具。
