大家好，我是本栏目的编辑郝帅，现在就给大家讲解一下上面的问题。近年来，人工智能的复兴让许多人质疑这项技术如何帮助人类面临的最大威胁之一：气候变化。一篇由该领域一些最著名的思想家撰写的新研究论文旨在回答这个问题，并提供一些机器学习如何帮助防止人类毁灭的例子。

建议的使用案例各不相同，从使用人工智能和卫星图像到更好地监测森林砍伐，再到开发可以替代钢铁和水泥的新材料(其产量占全球温室气体排放量的9%)。

人工智能不是一颗银弹，但在未来的气候斗争中，它将非常有价值。然而，尽管有这种多样性，这篇论文(我们通过麻省理工学院技术评论找到的)还是一次又一次地回到了一些广泛的部署领域。其中，机器视觉用于监测环境。通过数据分析发现重工业排放效率低。并且利用人工智能来模拟复杂的系统，比如地球自身的气候，这样我们就可以更好地为未来的变化做准备。

论文作者包括DeepMind首席执行官戴密斯哈萨比斯、图灵奖获得者Yoshua Bengio和谷歌大脑联合创始人吴恩达，他们表示，人工智能在减轻和防止气候变化日益恶化的影响方面可能“非常有价值”，但请注意，这不是一颗“银弹”，而是一项迫切需要的政治行动。

由宾夕法尼亚大学博士后研究员大卫罗尔尼克领导的论文作者写道：“光有技术是不够的。“减少气候变化的技术已经存在多年，但很少有社会大规模采用这种技术。虽然我们希望ML可以帮助降低与气候行动相关的成本，但人类也必须决定采取行动。”

总的来说，本文提出了13个可以部署机器学习的领域(我们从中选取了8个例子)，并根据这些领域潜在影响的时间范围，以及所涉及的技术是否发展到可以获得一定回报来进行分类。你可以在这里阅读完整的论文或者浏览下面的列表。

建设更好的电力系统。电力系统“充满数据”，但利用这些信息的工作太少。机器学习可以通过预测发电量和需求来提供帮助，这样供应商就可以更好地将可再生资源整合到国家电网中，并减少浪费。谷歌英国实验室DeepMind已经展示了这项工作，利用人工智能预测风电场的能量输出。

监测农业排放和森林砍伐。温室气体不仅由发动机和发电厂排放，在很大程度上，它们是由树木、泥炭地和其他植物生命的破坏造成的，这些植物在数百万年的光合作用中捕获了碳。砍伐森林和不可持续的农业导致这些碳被释放回大气中，但是使用卫星图像和人工智能，我们可以确定这发生在哪里，并保护这些自然碳汇。

创造新的低碳材料。本文作者指出，全球温室气体排放的9%来自混凝土和钢材的生产。机器学习可以通过帮助开发这些材料的低碳替代品来帮助减少这一数字。人工智能帮助科学家发现新材料，使他们能够模拟化合物前所未有的性质和相互作用。

预报极端天气事件。未来几十年气候变化的许多最大影响将由极其复杂的系统驱动，如云层覆盖和冰盖的动态变化。这些都是AI非常擅长的问题。模拟这些变化将帮助科学家预测极端天气事件，如干旱和飓风，从而帮助政府防范其最严重的影响。

提高运输效率。交通部门占全球能源相关二氧化碳排放量的四分之一，其中三分之二来自道路使用者。像动力系统一样，机器学习可以提高这一部门的效率，减少浪费的出行次数，提高车辆的效率，并将货物转移到铁路等低碳选项上。AI还可以通过部署共享自动驾驶汽车来减少汽车使用，但作者指出，这项技术尚未得到证明。

减少建筑的能源浪费。建筑消耗的能源占全球能源相关二氧化碳排放量的四分之一，显示出气候行动的“最低成就”。建筑经久耐用，很少使用新技术进行翻新。只增加一些智能传感器来监测气温、水温和用能，可以使单栋建筑的能耗降低20%，而监测全市的大型项目可能影响更大。

地球工程师，一个反射性更强的地球。这个用例可能是所有提到的用例中最极端和最投机的，但这是科学家想要的。如果我们能找到一种方法使云更具反射性，或者用气溶胶制造人造云，我们就能把更多的太阳热量反射回太空。这是一个伟大的，如果不是，任何建模方案的潜在副作用都是非常重要的。人工智能可以帮助解决这一问题，但本报作者指出，未来仍将存在重大“治理挑战”。

为个人提供减少碳足迹的工具。根据这篇论文的作者，“人们不能对气候变化采取有意义的行动是一个普遍的误解。”但是人们真的需要知道他们能提供怎样的帮助。机器学习可以通过计算一个人的碳足迹，并标记他们可以做出的减少碳足迹的微小变化来提供帮助——例如，更多地使用公共交通工具；少买肉；或者减少家里的用电量。增加一个操作就能产生很大的累积效应。