如何权衡人工智能与气候变化？两大组织联手交出了一份答卷

编辑 | 青暮

人工智能 (AI) 已被提议作为此类工具之一，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分析企业财务报表以获取气候相关信息等方式，AI在加速采取行动应对气候变化方面具有重大前景。

与此同时，AI作为一项通用技术，在社会中有广泛的应用，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气候行动计划的实施。例如，前谷歌AI研究人员Gebru曾在其合著论文中指出，训练大型AI模型需要大量的计算机处理能力，因此会消耗大量电力。

近日，Climate Change AI与Centre for AI & Climate就人工智能在应对气候变化中的作用，给出一份建议报告，该报告主要从支持AI在减缓和适应气候变化方面的应用、减少AI对气候的负面影响、建立实施、评估和治理这三个方面进行阐述，最后落实到具体的行动举措上。

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，通过提供教育和基础设施、建立全球社区和推进话语，促进气候变化和机器学习交叉领域的有影响力的工作。而Centre for AI & Climate专注于推进数据科学和人工智能的应用，以加快应对气候变化的行动，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相关方协商，就政府如何支持在气候变化背景下负责任地使用AI提出了可行建议，主要涵盖三个方面：(a) 支持负责任地使用AI缓解和适应气候变化，(b) 减少AI与气候目标不符的方式带来的负面影响，以及(c) 为广泛的实体建立相关的实施、评估和治理能力。

鉴于社会必须在短时间内应对气候变化，因此在关键部门迅速部署和推广负责任的气候解决方案至关重要。然而，许多此类解决方案往往停留在研究或技术准备的早期阶段，即使在初始部署之后，也经常面临扩展困难。因此，报告建议政府可以通过以下方式在支持使用AI应对气候变化方面发挥领导作用：

• 促进数据和数字基础设施（例如相关数据、模拟环境、测试平台、模型库和计算硬件）的负责任开发和访问，以支持AI-for-climate应用程序的开发和采用。

• 以研究和创新资金为目标，以气候影响为指导，在人工智能和气候变化的交叉领域开展跨学科和跨部门工作。

• 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应用的部署和系统集成。

除了本文开头提及的用于应对气候变化的AI工具，报告中还介绍了其他应用，例如，用于预测蝗灾的Kuzi，这是肯尼亚公司Selina Wamucii开发的一种工具，旨在帮助当地小农应对持续的蝗虫危机。

Kuzi集合了多种数据源，包括各种湿度和温度传感器、植被指数、卫星图像和当地天气状况，并使用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方式提供给农民，目前支持多种语言。Kuzi可以在虫害发生前3个月进行预测，从而使农民有时间预防、控制和减轻蝗虫灾害。

人工智能的每一个应用都会影响气候，这意味着让人工智能与气候变化战略保持一致，不仅能促进人工智能的有益应用，还能塑造人工智能的整体空间，使一切照常的应用程序更加适应气候变化。

值得注意的是，人工智能可以通过三种主要方式增加温室气体排放：(a) 通过将其用于对排放产生直接负面影响的应用程序，(b) 通过系统级影响，例如与人工智能应用程序相关的诱导需求或锁定效应，以及 (c) 通过与相关软件和硬件的生命周期影响相关的碳足迹。

AI研究对气候变化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可牺牲公司形象，闹得沸沸扬扬，也要阻止Gebru合著论文的发表，甚至不惜开除在AI圈内小有名气的Gebru。详情见《Gebru被辞退的背后真相：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”方法训练一种语言模型会产生626,155磅二氧化碳，大约相当于五辆普通美国汽车的使用寿命。研究人员还估计，训练一个BERT模型大约会产生1,438磅二氧化碳，相当于在纽约与旧金山之间的一次往返航班所产生的碳排放量。

Gebru的论文初稿指出，建立和维持大型AI模型所需的资源只会使富裕的组织受益，其所造成的气候变化加剧对边缘社群的打击最大。因此，他们在论文中写道：“现在，研究人员应该优先考虑提高能源效率和规划成本，以减少对环境的负面影响和对资源使用的不平等现象。”

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

与之前的建议相交叉的是，需要建立旨在在气候变化背景下负责任地实施、评估和治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、国家和地方各级的政府实体，以及气候相关部门（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方式支持相关机构能力的发展：

• 将负责任的人工智能原则嵌入到倡议和治理结构的设计中，包括促进民间社会、地方政府、全球南方地区和边缘化群体的参与。

• 通过收集人工智能排放影响数据，并建立标准测量和报告框架，促进对人工智能的气候认知影响评估。

• 以文化、技能和人才、标准、工具和最佳实践的形式建设实施、评估和治理的能力。

如何建立这种实施、评估和治理能力？Climate TRACE探索出了一种可行的模式。

Climate TRACE是一个组织联盟，成员包括Blue Sky Analytics、CarbonPlan、Earthrise Alliance、 马来西亚大学、Hudson Carbon、OceanMind、Hypervine、TransitionZero、WattTime等世界各地的组织。在各机构的配合下，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专注于使用卫星图像测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合作，开发了世界上第一个主要基于直接、独立的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年无法获得综合排放数据的100多个国家。因此，各国领导人可以通过反映准确的最新排放趋势为他们的决策提供信息。

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

• 石油和天然气的生产以及精炼。Climate TRAC表明，这些总产量可能是《联合国气候变化框架公约》最近估值的两倍左右。

• 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。

• 森林火灾，自2015年以来，俄罗斯和美国的森林火灾增加了一倍多。

• 与水稻相关的排放量，在一些地区明显高于此前的预期。

随着人工智能在整个社会的迅速发展，政府必须积极主动地塑造这些发展，同时考虑到气候行动。

在单个国家内，就这些倡议采取有意义的行动需要多个政府部门或分支机构之间的合作。例如，专注于人工智能或数字化的机构、专注于气候变化或气候相关行业的机构、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。而多边或国际合作，例如，通过在现有国际组织内发展跨职能联盟或能力建设，促进知识共享，并加强整体努力。

最后，这份报告在数据和数字基础设施、研究和创新资金、部署和系统集成、减少AI对气候的负面影响、负责任AI的实施和评估、评估AI对气候的总体影响、能力建设和国际合作等方面提出了详细的举措，如下表所示：

雷峰网雷峰网(公众号：雷峰网)