吳恩達、Jeff Dean、Bengio對話：如何用機器學習應對氣候變化 | NeurIPS 2019

• 2019 年 12 月 19 日
• 筆記

十三 發自 凹非寺 量子位 編譯 | 公眾號 QbitAI

機器學習該如何加入應對氣候變化這場硬仗？

在今年的NeurIPS會議上，機器學習大神們聚集在一起，討論了人工智慧如何應對氣候變化對地球生命的影響。

研討組包括圖靈獎得主、蒙特利爾大學教授Yoshua Bengio；Google人工智慧主管Jeff Dean；LandingAI創始人吳恩達；康奈爾大學教授Carla Gomes以及斯坦福統計學教授Lester Mackey。

氣候變化是人類面臨的越來越嚴重的問題。

全球變暖、冰川消融、海平面上升、極端天氣事件頻發等等，人類的生存正在逐漸受到威脅。

科學家們已經從很多不同的角度對氣候變化進行了深入的研究，提出了很多應對氣候變化的策略。

而火遍各行各業的機器學習也加入到了這場戰鬥中。

量子位整理了此次研討會上機器學習大神們針對這個問題的討論。

重視研究的價值

Bengio表示：

若是要更好地應對世界緊迫挑戰的問題，關鍵步驟就是改變對人工智慧研究的價值觀。

機器學習領域需要評估自己所做工作對世界帶來的影響，以此來改變將研究提交給大型會議(例如NeurIPS)的態度。

Bengio表示，在研討會上討論的這些問題的價值，可能比GAN或其他研究所帶來的機器學習進展更具有影響力。

我們可能會認為每年申請高峰會的論文數量是一個領域進步、發展的表現，但這完全是一個錯誤的度量標準。我們應該思考的是為什麼要做這項工作，以及會對社會帶來什麼貢獻。

許多研究人員都過於注重「論文發表」這件事，會認為簡歷上能再豐富點會對找工作有好處。

「這是不健康的，這不該是學生和研究人員應當拿出來覺得驕傲的事情」，Bengio說。

如果我們對科研有這樣的價值觀，那麼我們就會感受壓抑，需要花更多的時候投入到工作中。 一旦我們從這個問題中抽身出來，開始思考我們能為世界帶來什麼，從事可以影響世界的工作(例如氣候變化)，那麼我們的工作壓力就會變小，甚至最終能夠創造出更好的科學結果。

從小問題開始著手

專家組還討論了機器學習領域中一些具體技術的發展，他們認為這些進步可以有效地應對氣候變化問題。

他們呼籲使用小型數據集和應用，如自監督學習和遷移學習，這樣訓練模型就會需要更少的數據。

吳恩達表示，許多機器學習、深度學習都是在大型消費互聯網公司中發展起來的，這些公司擁有數億或者數十億的用戶，以及大量的數據集。

在氣候變化這一問題上，我們可能有時只有數百或數千張風力渦輪機之類的照片，可以說是非常小的數據集。 你會發現需要新的技術來解決這些小數據集中存在的問題。

Gomes對此表示贊同。

她認為致力於應對氣候變化的機器學習挑戰是一條雙行道，在解決氣候變化問題方面取得的進展可以促進機器學習的創新。

我確實認為，對於人工智慧和機器學習，一個巨大的挑戰就是科學發現。 如何嵌入先驗知識、科學推理，以及如何處理小數據。

Jeff Dean認為，在解決氣候變化問題時，遷移學習和多任務學習都是較有希望的技術。

氣候變化的挑戰至少可以為這些技術提供一個有趣的實驗平台。

基礎工作

雖然專家們在此次研討會中並沒有給出具體的解決方案，但事實上，他們研究氣候變化問題已經有一段時間了。

今年6月，Bengio、吳恩達和Gomes便加入了一個由20多名氣候變化AI顧問組成的團隊，其中還包括DeepMind創始人Demis Hassabls。

他們共同發表了一篇題為「用機器學習應對氣候變化」的論文，參考文獻數量便高達650篇。

這篇論文探討了機器學習在氣候變化方面的應用，比如預測供需或極端天氣事件，或者預測人工智慧，它可以讓城市、交通和電力系統變得更有效率。

關於機器學習研究人員如何開展應對氣候變化的問題，吳恩達建議：

與其關注問題的規模，不如從回顧相關數據開始，與朋友一起做實驗，最終發表你的研究成果，或者與氣候科學家進行對話。

Gomes表示：

我確實對電腦科學表示擔心，我們認為自己什麼都擅長，但是想出來的解決方案完全不切實際，在特定領域毫無意義，因此與專家建立聯繫非常重要。

加強AI道德規範

吳恩達還建議人工智慧研究界採用更嚴格的道德規範，同時提供法律的保護。

當然，目前已經有很多人工智慧的道德規範，但是都太過於模糊，吳恩達認為是沒有用處的。

Google、微軟和經合組織的AI道德規範是經過深思熟慮的，但我認為還需要做更多的工作。

專家組還提到了在制定應對氣候變化的解決方案時，讓受氣候變化影響的人參與進來的重要性。

在研討會開始時的主題演講中，Jeff Dean稱氣候變化是21世紀的問題，並談到了人工智慧結合無碳足跡(no carbon footprint)的潛力。

我們可以讓計算本身為零碳排放，這樣它就不會對實際應用中的問題產生影響，也不會對這些問題的解決方案產生影響。 僅有演算法是不夠的。你真的需要把這些演算法集成到系統中，然後把它們綁定到對氣候相關問題影響最大的應用程式中，而解決氣候問題是我們應該做的一個重要部分。 我認為，應該讓公眾明白這是一件真實、迫在眉睫的事情，而不是虛構的事情。 科學界對此的認可是100% 的。我們只需要繼續努力推動教育每一個人，不僅要讓他們真正接受正在發生的事情，還要讓他們知道他們能做什麼來改變現狀。

Jeff Dean還強調了Google的機器學習項目，這些項目有潛在的氣候影響。

比如一個旨在創造聚變能源的項目，一個使用貝葉斯推斷技術進行天氣預報的項目，以及一個通過觀察人們的屋頂和當地天氣模式，來預測如果他們選擇安裝太陽能電池板將會節省多少錢的項目。

今年早些時候，Google還擴大了對印度恆河和 Brahmaputra 沿岸居民的洪水預測。

傳送門

VB： https://venturebeat.com/2019/12/16/ai-experts-urge-machine-learning-researchers-to-tackle-climate-change/

論文地址： https://arxiv.org/pdf/1906.05433.pdf