12月，在关于人工智能应对气候变化的小组讨论中，蒙特利尔米拉人工智能研究所的约舒亚·本乔(左)和兰丁盖研究所的安德鲁·吴(右)。Bengio说:“我们在这个研讨会上讨论的这类项目可能比GANs或其他方面的一个增量改进更有影响力。”
对地球来说，好消息是人工智能有一些出色的工具可以帮助减缓或逆转全球变暖。坏消息是，除非人工智能以某种方式找到正确的目标，也就是所谓的“目标函数”，否则不会有太多事情发生。
12月中旬，在温哥华举行的NeurIPS AI大会期间，一个关于人工智能在气候变化方面的研讨会召集了数百名学者，其中包括一些机器学习的光照派。此次活动由英国广播公司(bbc)旗下的DeepMind、微软(Microsoft)以及人工智能软件和服务公司andElementAI赞助。深度学习领域的明星约舒亚·本乔(yobengio)是该公司的联合创始人。组织者来自气候变化人工智能，这是一组来自世界各地机构的志愿者研究人员。
什么是人工一般智能?
你需要知道的关于创造和人类一样聪明的人工智能的一切。
与会者讨论了许多为气候科学实现神经网络的方法，包括实时天气预报、使建筑物更节能以及为太阳能电池板设计更好的材料。
问题是:所有项目都指定了一些需要优化的任务，而这些任务与减少温室气体排放没有直接联系。但是减少温室气体排放是所有减缓全球变暖的既定目标，没有它，就不可能发生有意义的变化。
去年的一份报告由联合国政府间气候变化专门委员会开始,“没有增加和紧急缓解野心在未来几年,导致温室气体排放的急剧下降,到2030年,全球变暖将超过1.5°C在接下来的几十年,导致不可逆损失的最脆弱的生态系统,和危机在危机最脆弱的人们和社会。”
谷歌会议的主旨发言人杰夫·迪恩直截了当地提出了这个问题。他提出了一个图,基于IPCC报告的数据,显示地球如何采取措施减少年度二氧化碳排放量每年高达10%,总计价值数百名“吨”的减少二氧化碳,而目前世界上每年二氧化碳增加几个百分点。为了避免IPCC所说的那些不可逆转的影响，这必须在未来十年发生。迪安说:“我们采取行动的时间实际上已经不多了。
还有:人工智能支付?公司应该为失去的工作岗位向社会支付报酬吗?
这次研讨会收到的52篇论文中，有许多都是惊人的独创性，它们将机器学习应用到气候问题上，但它们离实际减少温室气体排放的任务还很远。
谷歌的杰夫·迪安(Jeff Dean)根据联合国的工作，展示了一组有关所需的碳减排数据的幻灯片联合国的政府间气候变化专门委员会。迪安说:“我们采取行动的时间实际上已经不多了。
例如，一篇由GE全球研究中心、佐治亚理工学院等机构的科学家撰写的论文，给出了“最佳论文”推荐，采用了一种叫做“可逆剩余网络”的技术，这种技术是近年来由谷歌的DeepMind开发的。I-ResNet程序可以获取1公里分辨率的云图片，然后逐像素分类云的类型——“高层云”、“宁波云”、“深对流云”等等。世界上云的类型会影响气候模型，所以如果不知道云的类型和范围，你就不能准确地模拟气候。
这样的工作有可能改进预测，但就其本身而言，它显然还远远没有提出减少温室气体排放的行动建议。很多工作都具有这样的质量:它为多年的研究奠定了基础，但并不总是清楚优化将如何导致减排。
事实上，组织者们，由宾夕法尼亚大学博士后研究员David Rolnick领导，在刚刚过去的这个夏天发布了一份100页的报告，里面充满了有趣的项目，比如改进能源网格预测，或者更好的道路交通预测，或者如何设计更好的农业。在每一种情况下，单一的优化可能不会导致任何减排。例如，正如苏黎世联邦理工学院(ETH Zurich)的学者林恩•卡克(Lynn Kaack)在一篇关于机器学习在交通领域的应用的文章中指出的那样，通过提高“共享移动”文化(如Uber和Lyft)的效率，可能会提高整体行驶里程。这就是所谓的“杰文斯悖论”，他们将其描述为“尽管效率提高了，但总体需求却提高了”。换句话说，为了提高生产率或增加利润而优化某件事，实际上会恶化温室气体的状况。
ZDNet通过电子邮件联系了小组成员、Rolnick和其他组织者。兰丁盖的约舒亚·本乔(yobengio)和安德鲁·吴(Andrew Ng)的代表表示，他们无法为本文及时做出回应。其他组织者没有回复多封电子邮件。
然而，从那天举行的小组讨论中，我们可以得到一个有趣的观点，包括Bengio、Ng和Dean，以及康奈尔大学(Cornell University)的卡拉•戈麦斯(Carla Gomes)和微软(Microsoft)的莱斯特•麦基(Lester Mackey)。组织者之一,Priya Donti,博士生在卡内基梅隆大学计算机科学和公共政策,要求小组成员一个深刻的问题:人工智能作为一门学科如何激励工作在气候变化问题上考虑到学科的重点往往是发表论文的数量和吨碳减少?
Bengio回答说:“改变你的目标功能。”这引起了很多笑声。“我们在研讨会上讨论的这类项目可能比GANs中的一个增量改进或其他东西更有影响力。”
康奈尔大学“计算可持续性”项目负责人卡拉·戈麦斯(中间)，旁边是兰丁盖大学的安德鲁·吴(左)和微软的莱斯特·麦基(右)。戈梅斯说，人工智能“不幸的是，它的发展只是为了一个单一的目标”，而就伦理性人工智能而言，她建议，“我们真的应该开发出能够理解不同维度影响的系统。”
这是对该领域的一种扭曲的观察，但与会者承认了一个更深层次的问题，即仅仅制造良好的神经网络本身不会导致减排。Rolnick问小组成员，对于改善化石燃料发现的人工智能，应该做些什么，从而可能导致杰文(Jevon)的二氧化碳增加悖论。本吉欧回答说:“公开羞辱。”戈麦斯回答说，“不幸的是，人工智能的发展只是为了一个单一的目标……我们真的应该开发能够理解不同层面影响的系统。”
即使这样可能也不够。AI可能需要一些外力来引导和塑造它的优化。这可能意味着将“智能一切”(IoT、智能城市、拼车等)的成本效益与减排目标结合起来。如果私营企业不能认真履行承诺，这可能需要加强监管。
人们很容易对12月展示的成果感到兴奋，也很容易对减排缺乏迫在眉睫的进展感到沮丧。不过，受邀的发言人之一、IPCC报告的作者之一菲利克斯•克鲁茨格(Felix Creutzig)对整体形势持更为乐观的看法。
一位听众问克鲁茨格，这个领域是否只是在愚弄自己，“在偏离政策中出错的重要问题上浪费时间?”
“我对此不会太悲观，”他回答道。“我们有现成的技术”，比如电动汽车，“改变的压力很大，所以我不会对任何不可能发生的事情过于悲观。”
更新:文章发表后，组织者Priya Donti通过电子邮件与我们取得了联系。Donti写道，“在机器学习内部和外部，仍有许多工作要做”，研讨会上展示的工作需要“与(或加速)其他类型的行动(如政策)并行”。Donti还提到了该领域的多个“实际挑战”。“这包括在ML从业者和其他相关领域的从业者之间建立有意义的联系，统一和标准化来自不同来源的数据，将提出的解决方案与遗留系统集成，以及改变ML领域内的激励机制，以鼓励在气候变化方面开展有影响力的工作。”
