2021年12月22日，在北京大学全球健康发展研究院成立一周年之际，“北京大学全球健康发展论坛2021：低碳经济转型中的人类健康与医药创新”在北京大学中关新园成功举办。如下是麦吉尔大学加拿大高精尖技术研究所AI学部委员，“气候变化AI”创始人与主席大卫·罗尔尼克博士，在“绿色低碳发展中的人类健康”环节做的主旨发言。
今天我想跟大家分享的主题是，“人工智能(AI)在气候行动中的作用”，探讨人工智能在气候变化领域的机遇、考量与挑战，以及我们应当如何更有效、更负责任地使用人工智能。
首先，我向大家介绍一下什么是AI。某些AI算法被称作机器学习，这是一个常见的术语。这些年，机器学习非常流行。在机器学习算法当中，计算机执行的计算不是事先指定的，而是算法通过大数据的模式学习的，应用这种模式的算法可以对新数据进行预测。我们在这里考虑的绝大多数人工智能技术都属于机器学习的范畴。
我们需要从更深入的层次来了解机器学习的优缺点。这样的算法可以快速执行简单的任务，比如说重复性活动、标记图像，并且它可以从人类无法直接应用的大数据集当中优化复杂系统。比如，可以通过这个算法来控制工业机器，从而最大限度地提高效率、降低成本。但是，由于机器学习算法依赖于数据，因此如果数据不准确，并且如果给定算法的数据以某种方式存在偏差，则该算法可以使这种偏差永久存在。此外，机器学习通常是发现相关性，而不是因果关系 --它通常无法解决需要更广泛的知识概念，以及创造性的问题；也不适用于回答那些证伪，或者相关信心度的问题。比方说，如果我们需要告诉读者为什么某种答案是正确无疑的，为什么某种算法是完全值得信赖的，此时，上述算法就不再适用了。
考虑到这样的优势和劣势，我们探讨一下人工智能如何应用于气候行动。我和一个跨行业的大型团队共同撰写了一份报告，详细介绍了人工智能在应当气候变化、减少温室气体排放、适应气候变化等关键领域的作用。我在这里总结一些要点。
人工智能可以用于很多行业，从电力到交通、土地利用到灾害响应。在这些行业当中，人工智能可以发挥以下四项关键作用：
第一，人工智能可以将大量原始数据提炼成可以操作的信息，通常是放大人类可能很难提供的更细微的信息，比如说，人工智能可以分析卫星图像，跟踪温室气体排放，以及跟踪严寒地区的海拔水平，或者可以过滤大型企业的财务披露数据库，查找企业相关信息。
第二，人工智能可以从过去的数据当中学习，并预测未来可能会发生什么，还可以改善预测结果。比方说，人工智能可以提供电力预测，帮助平衡电网。它还可以预测太阳能、风能每分钟发生的变化，从而改善可再生能源的供应。由于极端天气变化会影响到粮食安全，所以，人工智能还可以用于预测粮食产量。
第三，人工智能可以控制变量复杂的系统，比方说，人工智能的特定算法可以用于减少建筑制冷与供暖所需的能源消耗，优化时间表，提高效率，提高稳健性。
第四，人工智能可以加速科学建模和研发，可以从过去的实验当中学习，提出在电池或者催化剂方面有哪些有希望的新材料、侯选材料，可以改善气候建模或者节能建筑设计当中的物理建模，改善仿真模型。
人工智能这四项功能是跨越多个领域的，值得注意的是，我所有提供的应用程序都已经在开发或者部署当中。
重要的是，人工智能的作用是支持现有气候行动，它可能不是灵丹妙药，而只是气候行动当中的众多工具之一。它也不是普适的，永远不应该取代或者分散应对气候变化所需的其他行动，一些最具备公共影响力的人工智能应用并不是在技术上非常吸引眼球。
如果我们拥有更简单的工具并且能够达成同样的目标的话，我们不应该使用最先进的技术。除此之外，人工智能可以根据自己的目标进行优化，但是并不能替代我们对于问题的细致构建。实际上，如果问错了问题，我们经常会发现人工智能给出的答案是错误的。
为了避免进入这样的陷阱，我们必须在人工智能专家和利益相关方之间建立伙伴关系，用正确的算法解决正确的问题是非常重要的，要考虑到影响的路径并做好规划，从最开始就将所有应当重视的考量因素纳入到最源头的设计当中，这样可以避免很多问题。
总体性的考虑对于人工智能在气候方面的应用非常重要，包括谁来构建解决方案、优先考虑哪些问题、如何解决问题，把权利赋予多元化的全球利益相关者，对于确保技术为受其影响的人所有，而不是加剧国家和机构之间的权利不平衡，是至关重要的。与谁相关的问题就是，我们正在做什么？问题的优先级通常反映了人工智能和技术的不平等，比如人工智能对抗野外火灾（这在北美、欧洲和澳洲非常关键）比人工智能对抗蝗虫（这在东亚、中亚和南亚地区很重要）更加受人瞩目，尽管这两个问题同等重要。项目运作方式也非常重要，区域之间或者社区之间数据不平衡意味着人工智能解决方案仅适用于人口的一个子集，或者算法在数据算法区域内更有效。在理想状态下，气候人工智能有助于提高公平性。但是，这需要以主动工作为前提，即政策层和技术设计与管理层需要更主动地开展相关工作。
人工智能的影响取决于我们如何使用它。有些人工智能的应用肯定会加剧气候变化，例如，广告中使用的基于人工智能的推荐系统旨在增加消费；同时，人工智能还会被用于化石燃料的发现和提取。
现在，我将转向我们最近为“人工智能全球合作网络”（the Global Partnership on AI, GPAI）发布的报告。在本报告中，我们为政府可以采取的行动提供了详细的建议，促进其在气候变化背景下有效地使用人工智能。这其中包括，数据和数字基础研究，以及系统集成领域的建议。我们还讨论了当人工智能作为一种计算和软件应用时可能会对气候产生负面影响的渠道，以及我们可以采取的应对措施。应对上述一系列问题需要一种负责任的视角来看待人工智能，为全社会的众多参与主体赋能，建立影响评估框架，并且促进国际合作。
我们在报告当中提出了48条具体的政策建议，并且附有来自私营和公共部门的案例研究。在这里，我对其中的一些重点做一个概括。
首先，在许多与气候相关的问题当中，迫切需要数据。数据可能被分散和孤立在没有数据共享结构的私人实体当中，数据共享有利于所有的相关者。数据也可能分散在多个来源当中，并且在没有数据标准的情况下，容易出现数据结构不一致的情况。我们建议，建立相关工作组，确定优先事项，并且与行业人员合作开发健康的数据生态系统，在保护IP和隐私的同时实现有益的工作。
气候人工智能的科研创新基金通常侧重于资助那些能提高标准化数据集性能的创新研究。这样纯粹的方法创新是很重要的，但也要应用于“影响力驱动”的科研导向，将人工智能技术深度融入社会，帮助社会认识并适应气候变化。同时，算法的有用程度能够在实践中得到很好的测量和验证，这才是真正的成功。
如果想要拥有影响力，气候人工智能的创新研究必须做好从基础开发到大规模扩张的规划。这需要研究人员、相关行业的实操人员的协同合作，并将相关的战略部署考虑进来。例如，考虑到电网基础设施的关键作用和任何可能故障的严重程度，电网运营商等利益相关者需要在使用任何新技术之前确保安全性、稳定性。我们建议，建立跨部门创新中心，将利益相关者聚集在一起，共同应对问题挑战和孵化解决方案。
通常，私营和公共部门实体不具备人工智能技能和数字技术专业知识，不能了解人工智能与某些特定领域是否相关，以及应该如何更好的部署人工智能。这可能会导致无法使用那些有用的技术，或者导致“技术解决主义”，或者对于人工智能能够做什么过度乐观。出于这两个原因，培养人工智能的能力非常关键。我们建议加强人员培训，并实施借调计划，将人工智能专家融入这些组织，以加强部门间专业知识的沟通。
我们在此强调，所有 AI 应用都需要在开发和部署时考虑到公平性和问责制等考虑因素，并相关部门建立最佳实践。参与式设计对于确保新技术的形成和拥有是至关重要的，因为新技术将带来效益。
最后，我们鼓励政策制定者在开发新技术的过程中，考量潜在的积极影响与消极影响。例如，将气候变化纳入到高风险框架当中。一般而言，最初的选择和激励机制设计，将对新技术的应用产生巨大影响潜能。例如，设计个性化的自动驾驶汽车将使得驾驶变得更容易，人们更愿意开车，碳排放量也会随之增加。另一方面，鼓励自动驾驶的共享汽车和公共交通技术，有助于减少碳排放。这些新技术的影响并不是预先确定的，而是取决于我们自己，这些隐性和显性的选择都是有意义的。
《用机器学习应对气候变化》（Tackling Climate Change with Machine Learning）、《人工智能全球合作伙伴报告》（the Global Partnership on AI "Climate Change and AI" report）都是气候变化人工智能项目的成果。我是该组织的联合创始人和主席，联合创始人还包括美国卡内基梅隆大学的普利娅·唐迪（Priya Donti）以及德国赫尔蒂学院的林恩·凯亚克（Lynn Kaack）。气候变化人工智能是一个国际化的非盈利组织，专注于气候变化和人工智能的交叉研究。我们提供囊括数千名专家的伙伴关系网，为公共和私营部门提供建议、报告和其他信息。我们提供资助计划，课程和讨论平台等资源，举办知识共享的活动，吸引了数千名与会者。如果读者对我们感兴趣，欢迎查询更多关于气候变化人工智能（Climate Change AI）的信息。
