人工智能需要更“綠色”

喬夫·馬爾甘

幾十年來，精心收集的有關天氣模式和海水溫度的數據被輸入模型，用于分析、預測和解釋人類活動對氣候的影響。現在我們知道了令人震驚的答案，未來幾十年我們面臨的最大問題之一是，如何使用數據驅動的方法來克服氣候危機。

雖然數字世界似乎是一個對氣候友好的世界（用Zoom工作比開車去上班好），但數字和互聯網活動已占溫室氣體總排放量的3.7%左右，約等于航空旅行。在美國，數據中心約占了總用電量的2%。

人工智能的數字則要糟糕得多。據估計，訓練機器學習算法的過程，會排放驚人的62.6萬磅二氧化碳—是普通汽車全生命周期燃料使用量的5倍，是跨大西洋航班的60倍。隨著人工智能的快速增長，這些排放量預計將急劇上升。而比特幣背后的技術—區塊鏈，可能是最嚴重排放犯。比特幣挖礦（用于驗證交易的計算過程）本身留下的碳足跡，就大致相當于新西蘭的碳足跡。

幸運的是，人工智能可以通過很多方式來減少二氧化碳排放，其中最大的機會在于建筑、電力、交通和農業。

約占溫室氣體排放量1/3的電力部門，進步最大。主導該行業的少數大公司已經認識到，人工智能對于優化電網特別有用，因為電網具有復雜的輸入—包括風電等可再生能源的間歇性貢獻—和復雜的使用模式。同樣，谷歌DeepMind的一個人工智能項目旨在改進風力模式的預測，從而提高風力發電的可用性。

但科技巨頭本身在認真應對氣候危機方面進展緩慢。例如，面對不斷交付新一代iPhone或iPad之壓力的蘋果公司，過去對環境問題不感興趣，盡管它導致了電子垃圾問題。臉書公司在去年年底創建在線氣候科學信息中心之前，也長期對這個問題保持沉默。而亞馬遜公司及其領導人直到2020年才推出100億美元的貝佐斯地球基金，此前也一直沒有采取行動。

科技巨頭姍姍來遲的應對措施，反映了使用人工智能幫助世界實現凈零排放的更深層次的問題。數據是一切人工智能系統的燃料。為了充分利用這一關鍵資源—例如訓練新一代人工智能—這些“數據集”需要開放、標準化和共享。

這方面的工作已經在進行中。“C40知識中心”提供了一個交互儀表板來跟蹤全球排放量；碳跟蹤組織等非政府組織，使用衛星數據繪制煤炭的碳排放圖；“破冰船一號”項目旨在幫助投資者跟蹤其決策的全部碳影響。但這些舉措仍然是小規模的、分散的，并受到可用數據的限制。

解放更多數據，說到底需要政治意愿。如有本地或區域的“數據公地”，就可以依托人工智能幫助整個城市或國家減少排放。在未來十年，我們將需要設計新的和不同類型的數據信托，來管理和共享各種環境中的數據。

例如，在交通和能源等部門，公私合作（例如收集“智能電表”數據）可能是最好的方法，而在研究等領域，純粹的公共機構會更合適。缺乏此類機構是許多“智慧城市”項目失敗的原因之一。無論是多倫多的谷歌人行道實驗室，還是波特蘭的復制計劃，都無法讓公眾產生信任。

我們還需要新的規則。一個選項是將數據共享作為確保經營許可的默認條件。另外，我們有國際貨幣基金組織和世界銀行，但沒有同等分量的世界數據基金。這個問題并非不可解決。但首先，它必須得到承認和認真對待。也許到那時，投入綠色投資的大量資金中，會有一小部分可以用于資助我們迫切需要的基本數據和知識管道。