現代問題需要現代手段：人工智慧如何阻止氣候變遷？

撰文： JACKIE SNOW 編譯： 蔡雅鈴

要解決地球上如今面臨的最大挑戰，也許能從機器學習的協助中獲益。本文只談到其中幾項。

蒸氣和煙霧從電廠的冷卻塔和煙囪內升起。人工智慧現在被用來證明燃燒碳基燃料的電廠無利可圖。PHOTOGRAPH BY ROBB KENDRICK, NAT GEO IMAGE COLLECTION

氣候變遷是目前地球面臨的最大挑戰，它需要所有可能的解決方法，包括如人工智慧（AI）這樣的科技。

在AI和機器學習（machine learning，AI 領域的學科名稱）中的某些知名人物，由於看見了能幫忙解決這項挑戰的機會，最近發表了一篇名為〈利用機器學習阻止氣候變遷〉（Tackling Climate Change with Machine Learning）的論文。在6月一場AI的重要研討會期間，這篇論文在其中一個研討會上受到討論。它是一個將研究人員聚集起來的「武裝動員令」，作者之一的賓州大學博士後研究員大衛．羅尼克（David Rolnick）說。

「讓人驚訝的是，機器學習能對這麼多問題做出有意義的貢獻。」羅尼克說，他也協助安排了6月的那場研討會。這篇論文提出多達13個機器學習能夠施展的領域，包括能源生產、去除二氧化碳、教育、太陽能地球工程（solar geoengineering）以及財政。而在這些領域裡，AI帶來的可能性包含節能建築、創造出新的低碳材料、在監測砍伐森林上做得更好，以及更優良的綠色交通。不過儘管潛力十足，羅尼克指出現在事情才剛起步，而且AI也沒辦法解決所有的問題。

「AI不是萬靈丹。」他說。

雖然它不見得是個完美的解決方法，但卻為問題帶來新的見解。下文便是機器學習在對抗氣候變遷時所能協助的三個方向。

更好的氣候預測

關於氣候預測的進展，是奠基於2011年創立的學科「氣候資訊學」（climate informatics）已有的成果之上。氣候資訊學是介於資料科學和氣候科學之間的一門學科，其中涵蓋了許多主題：從改善如颶風等極端事件的預報，到利用從冰芯（ice cores）等各處收集來的資料重建過去氣候環境的古氣候學；或是氣候降尺度（downscaling），也就是使用大尺度模式來對很小的區域做出天氣預報；以及天氣與氣候對社會經濟的影響。（編按：降尺度是將大尺度、低分辨率的全球氣候資訊，轉化為小尺度的區域氣候資訊。）

AI也能在建立氣侯模式的領域中，根據大量複雜的氣候模擬資料提供新見解。這個領域從1960年代普林斯頓大學開發出第一個模式至今已有很大的進步，許多自那時起出現的模式都是用來模擬大氣、海洋、陸地、冰雪圈或冰。不過，各模式雖然基本科學假設一致，但通常只有在短期的預測時會一致，當進行長期預測時，彼此的差異就會浮現，氣候資訊學共同創始人之一、科羅拉多大學波爾德分校（the University of Colorado, Boulder）電腦科學系教授克萊兒．蒙特里歐尼（Claire Monteleoni）表示。

「不確定的因素很多，」蒙特里歐尼說：「它們連未來降水會如何變化的預測都不同。」

蒙特里歐尼做過的一個計畫就是使用機器學習演算法，來整合政府間氣候變遷委員會（Intergovernmental Panel on Climate Change）所使用的大約30個氣候模式做出的預測。更好的預測能協助官員做出明智的氣候政策，讓政府為變化做好準備，而且還可能找出在哪些方面，或許能反轉氣候變遷造成的某些影響。

展示極端氣候的影響

有些有屋主已經感受到環境改變造成的影響，但是其他人似乎就比較無感。為了讓更多人有更真實的感受，蒙特婁學習演算法研究所（Montreal Institute for Learning Algorithms ，MILA）、微軟（Microsoft）和ConscientAI實驗室的研究人員使用GANs（生成對抗網路）這種人工智慧，來模擬那些被海平面上升和更強烈的風暴所毀壞的家園可能呈現的樣子。

「我們的目標不是要讓人們相信氣候真的在改變，而是讓那些相信的人採取更多行動。」論文的共同作者、MILA的博士候選人維克多．施密特（Victor Schmidt）說。

到目前為止，MILA的研究人員已經和蒙特婁市的官員見過面，而各個非政府組織則急切地想使用這個工具。至於未來的計畫則包括釋出一個手機應用程式，能讓每個人看到在各種不同氣候改變結果下，他們的家園和鄰里未來看起來會是什麼樣子。不過這個程式會需要更多資料，而施密特說他們最終是想要讓人們上傳水災和森林火災的照片來改進演算法。

「我們想要讓這些社群來幫忙。」他說。