如何權衡人工智能與氣候變化？兩大組織聯手交出了一份答卷

• 2021 年 11 月 19 日
• AI

編輯 | 青暮

人工智能 (AI) 已被提議作為此類工具之一，通過諸如預測太陽能發電量、優化建築供暖和製冷系統、用衛星圖像精確定位森林砍伐以及分析企業財務報表以獲取氣候相關信息等方式，AI在加速採取行動應對氣候變化方面具有重大前景。

與此同時，AI作為一項通用技術，在社會中有廣泛的應用，這意味着它也會通過直接影響和更廣泛的系統性影響阻礙氣候行動計劃的實施。例如，前谷歌AI研究人員Gebru曾在其合著論文中指出，訓練大型AI模型需要大量的計算機處理能力，因此會消耗大量電力。

近日，Climate Change AI與Centre for AI & Climate就人工智能在應對氣候變化中的作用，給出一份建議報告，該報告主要從支持AI在減緩和適應氣候變化方面的應用、減少AI對氣候的負面影響、建立實施、評估和治理這三個方面進行闡述，最後落實到具體的行動舉措上。

報告鏈接：//www.gpai.ai/projects/climate-change-and-ai.pdf

Climate Change AI是一個志願者驅動的組織，通過提供教育和基礎設施、建立全球社區和推進話語，促進氣候變化和機器學習交叉領域的有影響力的工作。而Centre for AI & Climate專註於推進數據科學和人工智能的應用，以加快應對氣候變化的行動，是這一領域的領先組織。

兩大組織聯手的這份報告通過與廣泛的利益相關方協商，就政府如何支持在氣候變化背景下負責任地使用AI提出了可行建議，主要涵蓋三個方面：(a) 支持負責任地使用AI緩解和適應氣候變化，(b) 減少AI與氣候目標不符的方式帶來的負面影響，以及(c) 為廣泛的實體建立相關的實施、評估和治理能力。

鑒於社會必須在短時間內應對氣候變化，因此在關鍵部門迅速部署和推廣負責任的氣候解決方案至關重要。然而，許多此類解決方案往往停留在研究或技術準備的早期階段，即使在初始部署之後，也經常面臨擴展困難。因此，報告建議政府可以通過以下方式在支持使用AI應對氣候變化方面發揮領導作用：

• 促進數據和數字基礎設施（例如相關數據、模擬環境、測試平台、模型庫和計算硬件）的負責任開發和訪問，以支持AI-for-climate應用程序的開發和採用。

• 以研究和創新資金為目標，以氣候影響為指導，在人工智能和氣候變化的交叉領域開展跨學科和跨部門工作。

• 通過在能源、交通、農業和重工業等高度監管部門有針對性的政策設計和評估、市場設計和商業模式，支持AI-for-climate應用的部署和系統集成。

除了本文開頭提及的用於應對氣候變化的AI工具，報告中還介紹了其他應用，例如，用於預測蝗災的Kuzi，這是肯雅公司Selina Wamucii開發的一種工具，旨在幫助當地小農應對持續的蝗蟲危機。

Kuzi集合了多種數據源，包括各種濕度和溫度傳感器、植被指數、衛星圖像和當地天氣狀況，並使用AI預測蝗蟲的繁殖地點和遷徙路線。這些預測和相應的建議以文本的方式提供給農民，目前支持多種語言。Kuzi可以在蟲害發生前3個月進行預測，從而使農民有時間預防、控制和減輕蝗蟲災害。

人工智能的每一個應用都會影響氣候，這意味着讓人工智能與氣候變化戰略保持一致，不僅能促進人工智能的有益應用，還能塑造人工智能的整體空間，使一切照常的應用程序更加適應氣候變化。

值得注意的是，人工智能可以通過三種主要方式增加溫室氣體排放：(a) 通過將其用於對排放產生直接負面影響的應用程序，(b) 通過系統級影響，例如與人工智能應用程序相關的誘導需求或鎖定效應，以及 (c) 通過與相關軟件和硬件的生命周期影響相關的碳足跡。

AI研究對氣候變化的負面影響究竟有多大，從谷歌力排眾議開除Gebru一事可見一斑。谷歌此等科技大鱷寧可犧牲公司形象，鬧得沸沸揚揚，也要阻止Gebru合著論文的發表，甚至不惜開除在AI圈內小有名氣的Gebru。詳情見《Gebru被辭退的背後真相：指出BERT的4大危害，威脅谷歌商業利益》。

Gebru等人在論文中引用了Emma Strubell等人的研究論文《Energy and Policy Considerations for Deep Learning in NLP》。這篇論文指出，用「神經架構搜索」方法訓練一種語言模型會產生626,155磅二氧化碳，大約相當於五輛普通美國汽車的使用壽命。研究人員還估計，訓練一個BERT模型大約會產生1,438磅二氧化碳，相當於在紐約與舊金山之間的一次往返航班所產生的碳排放量。

Gebru的論文初稿指出，建立和維持大型AI模型所需的資源只會使富裕的組織受益，其所造成的氣候變化加劇對邊緣社群的打擊最大。因此，他們在論文中寫道：「現在，研究人員應該優先考慮提高能源效率和規劃成本，以減少對環境的負面影響和對資源使用的不平等現象。」

因此，政府可以通過考慮將氣候影響納入人工智能監管、戰略、融資機制和採購項目，努力減少人工智能的負面影響。

與之前的建議相交叉的是，需要建立旨在在氣候變化背景下負責任地實施、評估和治理人工智能的機構能力。

這種能力必須在廣泛的組織中建立，包括國際、國家和地方各級的政府實體，以及氣候相關部門（例如能源、運輸、重工業或農業）的私營和民間社會組織。報告建議各國政府可以通過以下方式支持相關機構能力的發展：

• 將負責任的人工智能原則嵌入到倡議和治理結構的設計中，包括促進民間社會、地方政府、全球南方地區和邊緣化群體的參與。

• 通過收集人工智能排放影響數據，並建立標準測量和報告框架，促進對人工智能的氣候認知影響評估。

• 以文化、技能和人才、標準、工具和最佳實踐的形式建設實施、評估和治理的能力。

如何建立這種實施、評估和治理能力？Climate TRACE探索出了一種可行的模式。

Climate TRACE是一個組織聯盟，成員包括Blue Sky Analytics、CarbonPlan、Earthrise Alliance、 馬來西亞大學、Hudson Carbon、OceanMind、Hypervine、TransitionZero、WattTime等世界各地的組織。在各機構的配合下，Climate TRACE已建立起一種排放監測方法，該方法將來自300多顆衛星和11,000個傳感器的數據與AI算法相結合，以識別和量化排放源。

最初，WattTime和Transition Zero專註於使用衛星圖像測量燃煤電廠的排放量。最近，它們與其他十個專註於其他排放部門的組織合作，開發了世界上第一個主要基於直接、獨立的觀測數據的溫室氣體排放綜合核算清單。該清單涉及到過去5年無法獲得綜合排放數據的100多個國家。因此，各國領導人可以通過反映準確的最新排放趨勢為他們的決策提供信息。

Climate TRACE已將其方法擴展到廣泛的排放源，包括監測以下相關排放數據：

• 石油和天然氣的生產以及精鍊。Climate TRAC表明，這些總產量可能是《聯合國氣候變化框架公約》最近估值的兩倍左右。

• 航運和航空。Climate TRACE表明，這兩個行業在2015年至2020年期間共排放了近110億噸的二氧化碳。

• 森林火災，自2015年以來，俄羅斯和美國的森林火災增加了一倍多。

• 與水稻相關的排放量，在一些地區明顯高於此前的預期。

隨着人工智能在整個社會的迅速發展，政府必須積極主動地塑造這些發展，同時考慮到氣候行動。

在單個國家內，就這些倡議採取有意義的行動需要多個政府部門或分支機構之間的合作。例如，專註於人工智能或數字化的機構、專註於氣候變化或氣候相關行業的機構、標準機構、監管機構和地方政府，此外，民間社會、學術界和私營部門的參與。而多邊或國際合作，例如，通過在現有國際組織內發展跨職能聯盟或能力建設，促進知識共享，並加強整體努力。

最後，這份報告在數據和數字基礎設施、研究和創新資金、部署和系統集成、減少AI對氣候的負面影響、負責任AI的實施和評估、評估AI對氣候的總體影響、能力建設和國際合作等方面提出了詳細的舉措，如下表所示：

雷峰網雷峰網