专家解读AI如何帮助对抗气候变化问题

文章来源:cnBeta碳交易网2019-06-28 09:48

文章总共提出了13个可以部署机器学习的领域，这些领域根据其潜在影响的时间框架进行分类。以下为其中8个：

建设更好的电力系统

虽然电力系统到处充斥着数据但对它们的利用却非常少。机器学习可以通过它们帮助预测发电量和用电需求进而让供电商可以更好地将可再生资源整合到国家电网中，减少浪费。谷歌的英国实验室DeepMind就已经证明了这方面的成果，其利用AI预测风力发电厂的能源产出。

监测农业排放和森林砍伐情况

温室气体不仅是由发动机和发电厂排放的--大量的温室气体来自对树木、泥炭田和气体植物的破坏，它们在数百万年的光合作用过程中捕获了碳。砍伐森林和不可持续的农业作业使得这些碳重新被释放到大气中，通过卫星图像和AI人们可以确定这些情况发生在哪里然后对此采取保护措施。

打造新的低碳材料

文章作者指出，全球9%的温室气体排放来自混凝土和钢铁生产。机器学习可以帮助开发出这些材料的低碳替代品。AI可以帮助科学家通过模拟从未见过的化合物的性质和相互作用来发现新材料。

预测极端天气事件

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，比如云层覆盖和冰盖动态的变化。而这些正是AI擅长挖掘的问题。模拟这些变化将帮助科学家预测极端天气事件，而这反过来能帮助政府防范最坏的情况。

提高交通运输效率

交通运输业占全球能源相关的二氧化碳排放量的1/4，其中2/3由道路使用者产生。跟电力系统一样，机器学习可以提高这一领域的使用效率、减少旅途浪费、提高车辆效率并将货运转向铁路等低碳选择。AI还可以通过部署共享的自动驾驶汽车来减少汽车使用量，不过作者指出，这项技术目前还没有得到肯定。

减少建筑物的能源浪费

建筑消耗的能源占全球与能源相关的二氧化碳排放的1/4，也是气候行动最容易实现的目标之一。建筑物经久耐用，很少使用新技术进行翻新。然而通过增加几个智能传感器来监测空气温度、水温和能源使用就可以在一栋建筑中减少20%的能源使用，而监测整个城市的大型项目则可能会带来更大的影响。

让地球变得更具反射性

这个用例可能是所有提到用例中最极端和最投机的，但它却是一些科学家所希望看到的。如果我们能找到让云层反射性更强的方法或用气溶胶制造出人造云，那么我们就能把更多的太阳热量反射回太空。这是一个很大的假设，而对任何方案的潜在副作用进行建模都是非常重要的。AI可以帮助解决这一问题，但文章作者指出，未来仍要面对重大的管理挑战。

为个人提供减少碳足迹的工具

文章作者认为，个人无法对气候变化采取有意义的行动是一种普遍的误解。但人们确实需要知道怎样做才能提供帮助。同样的，机器学习可以帮助计算个人碳足迹并标出他们可以做出的小改变，比如更多地使用公共交通工具、少吃肉或减少家里的用电量。很显然，如果每个人都能做到这些，那么叠加起来的效果自然是非常庞大的。