作者 | 杏花

编辑 | 青暮

景象变革是我们这个时期面临的最紧迫的问题之一，为此，我们须要在不同的社区、方法和工具之间迅速采纳行动。

人工智能 (AI) 已被发起作为此类工具之一，通过诸如预测太阳能发电量、优化建筑供暖和制冷系统、用卫星图像精确定位森林砍伐以及剖析企业财务报表以获取景象干系信息等办法，AI在加速采纳行动应对景象变革方面具有重大前景。

与此同时，AI作为一项通用技能，在社会中有广泛的运用，这意味着它也会通过直接影响和更广泛的系统性影响阻碍景象行动操持的履行。
例如，前谷歌AI研究职员Gebru曾在其合著论文中指出，演习大型AI模型须要大量的打算机处理能力，因此会花费大量电力。

近日，Climate Change AI与Centre for AI & Climate就人工智能在应对景象变革中的浸染，给出一份建议报告，该报告紧张从支持AI在减缓温柔应景象变革方面的运用、减少AI对景象的负面影响、建立履行、评估和管理这三个方面进行阐述，末了落实到详细的行动举措上。

报告链接：https://www.gpai.ai/projects/climate-change-and-ai.pdf

Climate Change AI是一个志愿者驱动的组织，通过供应教诲和根本举动步伐、建立环球社区和推进话语，促进景象变革和机器学习交叉领域的有影响力的事情。
而Centre for AI & Climate专注于推进数据科学和人工智能的运用，以加快应对景象变革的行动，是这一领域的领先组织。

两大组织联手的这份报告通过与广泛的利益干系方协商，就政府如何支持在景象变革背景下负任务地利用AI提出了可行建议，紧张涵盖三个方面：(a) 支持负任务地利用AI缓解温柔应景象变革，(b) 减少AI与景象目标不符的办法带来的负面影响，以及(c) 为广泛的实体建立干系的履行、评估和管理能力。

1

支持AI在减缓温柔应景象变革方面的运用

鉴于社会必须在短韶光内应对景象变革，因此在关键部门迅速支配和推广负任务的景象办理方案至关主要。
然而，许多此类办理方案每每勾留在研究或技能准备的早期阶段，纵然在初始支配之后，也常常面临扩展困难。
因此，报告建议政府可以通过以下办法在支持利用AI应对景象变革方面发挥领导浸染：

• 促进数据和数字根本举动步伐（例如干系数据、仿照环境、测试平台、模型库和打算硬件）的负任务开拓和访问，以支持AI-for-climate运用程序的开拓和采取。

• 以研究和创新资金为目标，以景象影响为辅导，在人工智能和气候变革的交叉领域开展跨学科和跨部门事情。

• 通过在能源、交通、农业和重工业等高度监管部门有针对性的政策设计和评估、市场设计和商业模式，支持AI-for-climate运用的支配和系统集成。

除了本文开头提及的用于应对景象变革的AI工具，报告中还先容了其他运用，例如，用于预测蝗灾的Kuzi，这是肯尼亚公司Selina Wamucii开拓的一种工具，旨在帮助当地小农应对持续的蝗虫危急。

Kuzi凑集了多种数据源，包括各种湿度和温度传感器、植被指数、卫星图像和当地景象状况，并利用AI预测蝗虫的繁殖地点和迁徙路线。
这些预测和相应的建议以文本的办法供应给农人，目前支持多种措辞。
Kuzi可以在虫害发生前3个月进行预测，从而使农人有韶光预防、掌握和减轻蝗虫磨难。

2

减少AI对景象的负面影响

人工智能的每一个运用都会影响景象，这意味着让人工智能与景象变革计策保持同等，不仅能促进人工智能的有益运用，还能塑造人工智能的整体空间，使统统照常的运用程序更加适应景象变革。

值得把稳的是，人工智能可以通过三种紧张办法增加温室气体排放：(a) 通过将其用于对排放产生直接负面影响的运用程序，(b) 通过系统级影响，例如与人工智能运用程序干系的勾引需求或锁定效应，以及 (c) 通过与干系软件和硬件的生命周期影响干系的碳足迹。

AI研究对景象变革的负面影响究竟有多大，从谷歌力排众议开除Gebru一事可见一斑。
谷歌此等科技大鳄宁肯捐躯公司形象，闹得沸沸扬扬，也要阻挡Gebru合著论文的揭橥，乃至不惜开除在AI圈内小有名气的Gebru。
详情见《Gebru被辞退的背后原形：指出BERT的4大危害，威胁谷歌商业利益》。

Gebru等人在论文中引用了Emma Strubell等人的研究论文《Energy and Policy Considerations for Deep Learning in NLP》。
这篇论文指出，用“神经架构搜索”方法演习一种措辞模型会产生626,155磅二氧化碳，大约相称于五辆普通美国汽车的利用寿命。
研究职员还估计，演习一个BERT模型大约会产生1,438磅二氧化碳，相称于在纽约与旧金山之间的一次来回航班所产生的碳排放量。

Gebru的论文初稿指出，建立和坚持大型AI模型所需的资源只会使富余的组织受益，其所造成的景象变革加剧对边缘社群的打击最大。
因此，他们在论文中写道：“现在，研究职员该当优先考虑提高能源效率和方案本钱，以减少对环境的负面影响和对资源利用的不平等征象。
”

因此，政府可以通过考虑将景象影响纳入人工智能监管、计策、融资机制和采购项目，努力减少人工智能的负面影响。

3

建立履行、评估和管理能力

与之前的建议相交叉的是，须要建立旨在在景象变革背景下负任务地履行、评估和管理人工智能的机构能力。

这种能力必须在广泛的组织中建立，包括国际、国家和地方各级确当局实体，以及景象干系部门（例如能源、运输、重工业或农业）的私营和民间社会组织。
报告建议各国政府可以通过以下办法支持干系机构能力的发展：

• 将负任务的人工智能原则嵌入到倡媾和管理构造的设计中，包括促进民间社会、地方政府、环球南方地区和边缘化群体的参与。

• 通过网络人工智能排放影响数据，并建立标准丈量和报告框架，促进对人工智能的景象认知影响评估。

• 以文化、技能和人才、标准、工具和最佳实践的形式培植履行、评估和管理的能力。

如何建立这种履行、评估和管理能力？Climate TRACE探索出了一种可行的模式。

Climate TRACE是一个组织同盟，成员包括Blue Sky Analytics、CarbonPlan、Earthrise Alliance、 马来西亚大学、Hudson Carbon、OceanMind、Hypervine、TransitionZero、WattTime等天下各地的组织。
在各机构的合营下，Climate TRACE已建立起一种排放监测方法，该方法将来自300多颗卫星和11,000个传感器的数据与AI算法相结合，以识别和量化排放源。

最初，WattTime和Transition Zero专注于利用卫星图像丈量燃煤电厂的排放量。
最近，它们与其他十个专注于其他排放部门的组织互助，开拓了天下上第一个紧张基于直接、独立的不雅观测数据的温室气体排放综合核算清单。
该清单涉及到过去5年无法得到综合排放数据的100多个国家。
因此，各国领导人可以通过反响准确的最新排放趋势为他们的决策供应信息。

Climate TRACE已将其方法扩展到广泛的排放源，包括监测以下干系排放数据：

• 石油和天然气的生产以及精髓精辟。
Climate TRAC表明，这些总产量可能是《联合国景象变革框架公约》最近估值的两倍旁边。

• 航运和航空。
Climate TRACE表明，这两个行业在2015年至2020年期间共排放了近110亿吨的二氧化碳。

• 森林失火，自2015年以来，俄罗斯和美国的森林失火增加了一倍多。

• 与水稻干系的排放量，在一些地区明显高于此前的预期。

4

详细行动方案

随着人工智能在全体社会的迅速发展，政府必须积极主动地塑造这些发展，同时考虑到景象行动。

在单个国家内，就这些倡议采纳故意义的行动须要多个政府部门或分支机构之间的互助。
例如，专注于人工智能或数字化的机构、专注于景象变革或景象干系行业的机构、标准机构、监管机构和地方政府，此外，民间社会、学术界和私营部门的参与。
而多边或国际互助，例如，通过在现有国际组织内发展跨职能同盟或能力培植，促进知识共享，并加强整体努力。

末了，这份报告在数据和数字根本举动步伐、研究和创新资金、支配和系统集成、减少AI对景象的负面影响、负任务AI的履行和评估、评估AI对景象的总体影响、能力培植和国际互助等方面提出了详细的举措，如下表所示：

支持AI在减缓温柔应景象变革方面的运用

数据和数字根本举动步伐

• 在景象关键部门建立数据事情组

• 在景象关键型行业适当促进数据创建和开放数据标准

• 快速创建数据门户以增加数据访问和共享

• 与 GPAI 成员国（和其他国家）互助，帮助开拓与景象干系的开源数据、模型和软件的国际目录

• 监督能源、交通和其他物理根本举动步伐的数据网络系统和数字孪生的开拓

• 支持学术研究职员、民间社会和中小企业包袱得起的云打算资源

研究和创新资金

• 确保人工智能景象项目的研究和创新资金决策是影响驱动的，而不是技能驱动的

• 让人工智能适应更广泛的“重大景象寻衅”

• 针对景象寻衅开拓有针对性的AI-for-climate，在这些领域人工智能可以供应特殊高的影响结果

• 在AI-for-climate办理方案的创新资金中鼓励开放知识产权、开放数据和开放模型开拓

• 为AI-for-climate办理方案开拓创新资金，以促进AI-for-climate社区的更大多样性和公正性

• 为AI-for-climate研究的研究打算和仿照资产的开拓供应资金

• 以与创新者和市场参与者的勉励同等的办法支配AI-for-climate创新支持

• 紧张将 AI 研究和创新资金而非景象资金用于开拓节能 AI

支配和系统集成

• 将数字化和人工智能专家纳入政府景象政策团队和顾问小组

• 在与景象干系的行业内启动数字创新路子操持

• 与受监管行业建立并共同帮助公私投资集团，共同投资供应数字做事的初创公司

• 发展跨部门创新中央，孵化AI-for-climate项目并促进互助

• 开拓和掩护非商业公共利益运用程序

减少AI对景象的负面影响

减少AI对景象的负面影响

• 避免政府直接帮助与景象目标背道而驰的申请

• 在促进人工智能技能发展的同时，将景象变革作为核心考虑成分

• 确保云打算适当地包含在报告和碳定价政策中

• 仅从已签署涵盖范围 1、2 和 3 的净零目标的公司采购 AI 和打算做事

建立履行、评估和管理能力

负任务AI的履行和评估

• 建立和履行辅导人工智能在景象环境下负任务的实践和参与式设计的标准或最佳实践

• 将专家和民间社会参与者的参与津贴纳入旨在制订AI-for-climate倡议确当局事情组和委员会的预算中

• 将景象环境评估和报告更广泛地纳入人工智能监管和计策

评估AI对景象的总体影响

• 酌情为与人工智能开拓和利用干系的生命周期排放设定报告哀求

• 确保为开拓影响评估方法和网络干系信息的研究供应资金

• 确保为公道的第三方影响评估供应资金和能力

• 为国家和国际层面的影响评估制订方法标准

• 促进获取与打算干系的温室气体排放和人工智能运用影响的干系数据

能力培植

• 为政府、景象干系行业和民间社会快速履行大规模的人工智能素养和“技能提升”操持

• 帮助跨学科的高档教诲、研究和专业项目，将人工智能与独立的景象干系部门连接起来

• 在教诲课程中纳入有关数据和气候的内容，包括技能和社会技能层面

• 帮助或促进景象干系部门人工智能专家的借调操持

• 帮助或勉励创建可信赖的 AI 景象办理方案供应商和审计师

• 制订和/或促进共享用于界定、开拓、支配、掩护和评估AI-for-climate事情的标准

• 开拓和利用用于监测、影响评估、基准制订和AI-for-climate办理方案认证以及人工智能景象影响评估的工具和手段

• 确保在各种国家和当地情形下环球访问上述操持和资源

国际互助

• 支持政府、行业和紧张利益干系方在政策设计和履行方面的知识共享

• 通过折衷帮助或跨职能联合机构等办法，搜集有限确当局研发资源

• 将研究职员和创新者聚拢在一起，以应对常见的跨境AI-for-climate寻衅

• 支持共享的AI-for-climate能力培植活动

• 搜集数据以应对常见或跨境AI-for-climate寻衅，并就数据标准达成国际共识

• 折衷特定实体和数字资产的开拓和利用，以支持AI-for-climate办理方案的开拓

• 折衷政府对非商业公共利益运用开拓和掩护的支持

• 支持现有的能够推进AI-for-climate运用的国际举措

• GPAI 可以支持由政府、干系国际组织以及来自景象和人工智能社区的企业和非政府组织网络组成的国际AI-for-climate伙伴关系的发展，以支持国际AI-for-climate事情的折衷和交付

雷峰网雷峰网