现代问题需要现代手段：人工智能能阻止气候变迁？
蒸气和烟雾从电厂的冷却塔和烟囱内升起。 人工智能现在被用来证明燃烧碳基燃料的电厂无利可图。 PHOTOGRAPH BY ROBB KENDRICK, NAT GEO IMAGE COLLECTION
（神秘的地球uux.cn报道）据美国国家地理（撰文：JACKIE SNOW 编译：蔡雅铃）：要解决地球上如今面临的最大挑战，也许能从机器学习的协助中获益。本文只谈到其中几项。气候变迁是目前地球面临的最大挑战，它需要所有可能的解决方法，包括如人工智能（AI）这样的科技。
在AI和机器学习（machine learning，AI 领域的学科名称）中的某些知名人物，由于看见了能帮忙解决这项挑战的机会，最近发表了一篇名为〈利用机器学习阻止气候变迁〉（Tackling Climate Change with Machine Learning）的论文。 在6月一场AI的重要研讨会期间，这篇论文在其中一个研讨会上受到讨论。 它是一个将研究人员聚集起来的「武装动员令」，作者之一的宾州大学博士后研究员戴维． 罗尼克（David Rolnick）说。
「让人惊讶的是，机器学习能对这么多问题做出有意义的贡献。 」罗尼克说，他也协助安排了6月的那场研讨会。
这篇论文提出多达13个机器学习能够施展的领域，包括能源生产、去除二氧化碳、教育、太阳能地球工程（solar geoengineering）以及财政。 而在这些领域里，AI带来的可能性包含节能建筑、创造出新的低碳材料、在监测砍伐森林上做得更好，以及更优良的绿色交通。 不过尽管潜力十足，罗尼克指出现在事情才刚起步，而且AI也没办法解决所有的问题。
「AI不是万灵丹。 」他说。
虽然它不见得是个完美的解决方法，但却为问题带来新的见解。 下文便是机器学习在对抗气候变迁时所能协助的三个方向。
更好的气候预测
关于气候预测的进展，是奠基于2011年创立的学科「气候信息学」（climate informatics）已有的成果之上。 气候信息学是介于数据科学和气候科学之间的一门学科，其中涵盖了许多主题：从改善如飓风等极端事件的预报，到利用从冰芯（ice cores）等各处收集来的数据重构过去气候环境的古气候学；或是气候降尺度（downscaling）， 也就是使用大尺度模式来对很小的区域做出天气预报；以及天气与气候对社会经济的影响。 （编按：降尺度是将大尺度、低分辨率的全球气候信息，转化为小尺度的区域气候信息。 ）
AI也能在建立气侯模式的领域中，根据大量复杂的气候仿真数据提供新见解。 这个领域从1960年代普林斯顿大学开发出第一个模式至今已有很大的进步，许多自那时起出现的模式都是用来仿真大气、海洋、陆地、冰雪圈或冰。 不过，各模式虽然基本科学假设一致，但通常只有在短期的预测时会一致，当进行长期预测时，彼此的差异就会浮现，气候信息学共同创始人之一、科罗拉多大学波尔德分校（the University of Colorado, Boulder）计算机科学系教授克莱儿． 蒙特里欧尼（Claire Monteleoni）表示。
「不确定的因素很多，」蒙特里欧尼说：「它们连未来降水会如何变化的预测都不同。 」
蒙特里欧尼做过的一个计划就是使用机器学习算法，来整合政府间气候变迁委员会（Intergovernmental Panel on Climate Change）所使用的大约30个气候模式做出的预测。 更好的预测能协助官员做出明智的气候政策，让政府为变化做好准备，而且还可能找出在哪些方面，或许能反转气候变迁造成的某些影响。
展示极端气候的影响
有些有屋主已经感受到环境改变造成的影响，但是其他人似乎就比较无感。 为了让更多人有更真实的感受，蒙特娄学习算法研究所（Montreal Institute for Learning Algorithms ，MILA）、 微软（Microsoft）和ConscientAI实验室的研究人员使用GANs（生成对抗网络）这种人工智能，来仿真那些被海平面上升和更强烈的风暴所毁坏的家园可能呈现的样子。
「我们的目标不是要让人们相信气候真的在改变，而是让那些相信的人采取更多行动。 」论文的共同作者、MILA的博士候选人维克多． 施密特（Victor Schmidt）说。
到目前为止，MILA的研究人员已经和蒙特娄市的官员见过面，而各个非政府组织则急切地想使用这个工具。 至于未来的计划则包括释出一个手机应用程序，能让每个人看到在各种不同气候改变结果下，他们的家园和邻里未来看起来会是什么样子。 不过这个程序会需要更多数据，而施密特说他们最终是想要让人们上传水灾和森林火灾的照片来改进算法。
「我们想要让这些社群来帮忙。 」他说。
测量碳的来源
碳追踪计划（Carbon Tracker）是一个独立的财金智库，正为达成联合国所设定在2020年前不会有新建燃煤电厂的这个目标而努力。 碳追踪计划利用卫星影像监测燃煤电厂的排放量，并使用收集到的数据来说服金融界──烧碳的电厂并不赚钱。
Google补助的一笔经费现在正被用来将非营利的卫星影像成果，扩展应用到燃气电厂的排放，以便能更清楚了解空气污染来自何方。 虽然电厂附近有能更直接测量CO2排放的连续监测系统，但它们并未遍及全球。
「这可以运用在全世界任何没有进行监测的地方，」碳追踪者的数据科学家杜兰德． 德苏萨（Durand D’souza）说：「而且我们不需要申请许可。 」
AI能让电厂影像的分析自动化，让排放数据能够定期更新。 它也藉由读取附近企业和用电量的数据，采用了一个新的测量电厂影响的方法。 对于要测量燃气电厂来讲，这个方法很方便。 因为它们不像燃煤电厂会产生容易测量的烟云（plumes）。
碳追踪计划接下来将要读取4000到5000家电厂的排放数据，获得比现有更多的信息，并将之公诸于世。 在未来，当碳税（carbon tax）通过后，碳追踪计划的遥测信息或许能协助订定排放量的价格，并且揪出该负责的人。
「机器学习对这个领域会非常有用。 」德苏萨说。
