如今,越来越多的人呼吁迅速采取行动应对即将到来的全球变暖威胁。然而,解决环境问题的战略进展仍然缓慢,而迫在眉睫的危机的速度只会加剧——废物回收仍然是民众为解决这一问题而采取的最普遍行动,而且许多节能技术(例如太阳能发电)成本太高,无法更加普遍地采用。
那么,下一代将在应对气候变化中使用哪些工具?
人工智能(AI)是各行业专家都喜欢采用的流行术语。正是这种技术被广泛地应用于从娱乐到安全的各种不同应用中。政府、企业甚至个人都能够以自己的方式利用这种新力量,但是如何将人工智能应用于应对气候变化的斗争中?
预测未来
之所以将人工智能视为下一个重大技术进步,是因为人工智能在预测分析中发挥的重要作用。通过处理成千上万个数据点生成的大量信息,人工智能能够增强甚至挑战人类的决策能力。
在全球气候变化问题上,人工智能可以在加强气候预测、破解如何分配可再生能源以及在能源方面做出更明智的决策方面发挥关键作用。
通过分析来自世界各地的传感器、仪表和监视器频繁产生的大量数据,人工智能可以快速、自动地发现模式,为科学家描绘出一幅关于地球如何变化的非常精确的画面。
几十年来,人类主导的研究已经确定了气候变化,证实了确实正在发生,并研究了影响它的因素。人工智能具有分析大量的数据的能力,因此有更多的生态变量,远远超出人类的能力,如果没有人工智能,可能会错过关键模式。
但是,通过利用人工智能,人们能够以高度准确的视角了解地球的当前状态,从而迅速采取行动,并更有效地开发气候模型,从而为决策者提供信息。
例如,使用识别热带气旋、飓风和其他天气情况的基于人工智能和基于机器学习的算法,可以减少造成破坏的可能性。预警和对时机的更准确预测可以使受影响地区的人们迅速做出反应,在某些情况下甚至可以拯救生命。
然而,随着人工智能出现透明度的问题——解释如何做出决定的过程可以说与结果同样重要。
在人工智能做出的每一个决定都具有透明度之前,领导全球变暖斗争的研究人员和科学家可能会谨慎地支持人工智能主导或人工智能推荐的任何决定。
如果人工智能被用于应对气候变化,那么参与其中的工作人员必须完全了解人工智能是如何做出决定的,以便能够支持它。为了确保完全了解情况,决策者需要掌握全部情况,以便作出准确的结论。
例如,如果他们只能从欧洲而不是全球获取数据,那么做出的决定可能是不正确的。人工智能工具所使用的大量数据必须进行相应的收集、集成和分析,以便决策者掌握做出正确决策所需的所有信息。
为了实现这一目标,“可解释的人工智能运动”正致力于确保机器学习技术的完全可见性,使科学家能够描述气候灾难的原因,同时建立公众的信任和信心。
与许多时代定义的技术一样,人工智能可以为人类进步做出贡献,其程度与它可能阻碍和导致问题的程度相同。
Applicated Materials公司首席执行官Gary Dickerson最近在旧金山的一次会议上表示,到2025年,数据中心将占全球能源使用量的25%,目前的能源使用量不到2%,但是如果在材料、设计和芯片制造方面没有实质性的创新,其用电量将会激增。
Gary提出这一主张的理由是,处理海量数据的人工智能芯片的激增将会导致功耗增长比以往更快。但是,正如谷歌公司最近发布的有关量子技术声明的那样,量子机器可以推动人工智能的巨大进步,并为解决这一问题提供机会。
那么,人工智能和机器学习是否可以与气候变化作斗争?如上所述,这些新技术的应用范围非常广泛,其中包括能够减少其自身效率低下和环境成本。
谷歌公司的DeepMind AI项目降低了谷歌数据中心的冷却费用,该项目使总能源消耗减少了40%,不仅帮助谷歌公司提高了能源效率,并减少了总排放量,还为其他在谷歌云平台上运行的公司提供帮助。
DeepMind和谷歌公司的数据中心团队共同创建了一个有效的框架,以更好地了解数据中心的动态并提高效率。
为此,他们分析了数据中心内传感器已收集的历史数据,并将其用于训练深度神经网络,以降低未来的能源使用效率(PUE)。
他们使用网络来预测未来数据中心的温度和压力,模拟来自PUE模型的 *** 作,以确保数据中心尽可能高效地运行。
这是非常成功的,因为机器学习系统始终将总能耗降低了40%,使其数据中心达到了最低的PUE。
全球性的努力
气候变化是一个巨大的问题,将影响到全球各地的人们。它极其复杂,需要将人类智慧和人工智能技术结合起来,才能有效地解决这一问题。但光靠技术是不够的。
从预测极端天气事件到监测森林砍伐,人工智能的潜在用途极其广泛,将受到一线研究人员和科学家的欢迎。但是必须记住人工智能仍在不断发展。
为了让人工智能充分发挥其潜力,还必须解决信任、透明度和可见性等问题。
全球气候变化是一个全球性问题,各国政府和公民都必须团结起来以减缓气候变化。无论是通过使用人工智能监视能源浪费,还是通过人类的行为减少能耗,每一点都有助于解决拯救地球这一真正的挑战。
责任编辑:ct
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)