氣候變化是人類面臨的越來越嚴重的問題，相信大家對此都不陌生。全球變暖、冰川消融、海平面上升、極端天氣事件頻發…人類的生存正在逐漸受到威脅。科學家們已經從很多不同的角度對氣候變化進行了深入的研究，提出了很多應對氣候變化的策略。除此之外，大家有沒有想過，近些年，紅遍各行各業的機器學習（ML）和人工智慧（AI）可以與氣候變化碰撞出什麼樣的火花呢？
由A.I.提供支援的平台
對於馬爾地夫（Maldives）人民來說，氣候變化的現實就在他們的門前。聯合國政府間氣候變化專門委員會，2007年的一份報告預測，到2100年，不受節制、約束的碳排放，將推動海平面上升至23英寸。平均海拔不到5英尺的島嶼，雖能有人居住，即使海平面略有上升，藍藍的大海會把他們吞沒掉。可是，並不是每個人都如此明顯地經歷氣候變化的眼前蹂躪。儘管絕大多數的科學共識，認為氣候變化是真實的，但氣候變化否認主義依然存在，甚至那些現實的人，似乎也常常陷入一個心理陷阱，以為最嚴重的影響，還是遙遠的，未能立即感受到。
為了解決這個問題，魁北克Mila人工智慧研究所的一個研究小組，希望將不那麼遙遠的氣候危機現實，拉近到人們眼前。他們正在創建一個由A.I.提供支援的平台，向使用者展示與氣候變化相關的自然災害，如何會影響他們的家園和社區。目標是對氣候變化，如何使社區的人們，走向有更深入的瞭解，同時使人們能夠就其燃料，應對迫在眉睫的危機，做出更明智的決定。
下面這張全球性的「氣候條紋」圖，是雷丁大學的埃德·霍金斯（Ed Hawkins）教授的工作，他一直在尋求更清晰的方法來傳達有關氣候變化的問題，並開始進行對話，以尋求解決方案。
每行彩色像素是一個國家在其區域內彼此堆疊的溫度記錄。藍色部分表示天氣比較涼爽；紅色表示溫暖的天氣。最左邊的是1900；最右邊是今天。表示整個星球變得越來越熱，特別是近幾十年來越來越熱。圖／李界木提供
霍金斯教授嘗試了不同的方法來渲染這些地區的全球數據，並偶然發現了有色條紋的想法。他告訴英國廣播公司新聞：「我從中學到的是，您不需要數字就可以傳達信息。顏色可以做到這一點。」
人們已經將這些模式轉變為可穿戴的服裝、領帶、連衣裙、套頭衫和綁腿。美國明尼蘇達州的某人甚至將特斯拉電動汽車塗成條紋。
Mila的博士生維克多·施密特（Victor Schmidt），他認為當我們只提到偏遠地區和北極熊時，人們很難與氣候變化聯繫起來。但氣候變化的後果太多了。這將影響社區和每個人。他希望能説服更多人瞭解這一點，並要他們實際採取行動。他建立Mila 的視覺化氣候變化平台，旨在向人們展示，如果我們不盡快大幅削減排放，那有未來。類似於美國國家海洋和大氣管理局的海平面上升檢視器，它提供了一個空中視角，海洋或海岸將上升，視覺化氣候變化將允許使用者輸入街道位址，看看會發生什麼自然災害。該平台首先關注洪水問題，然後再處理更難以描述與氣候變化相關的事件，如野火。
Mila 團隊使用圖像到圖像的轉換演算法，將從 Google 街景拍攝的照片轉換為描繪洪水後果的照片。他們使用生成對抗網路 （Generative Adversarial Network，GAN） 來訓練系統。首先需要大致瞭解GAN的運作模式：這裡面有兩個需要被訓練的model，一個是偵探（Discriminator network），另一個是工匠（Generator network）；我們姑且稱之為偵探和工匠（也有人稱畫家與鑑賞家）：我們現在手上有真的data，工匠要做的事就是偽造出假的data，而偵探則是要分辨現在給他的data是真的還是假的，並且會給出一個回饋。Mila的GAN 的工作方式是將兩種演算法相互點空，一種演算法生成圖像，另一種演算法嘗試猜測該圖像是真還是假。通過這種方式，第一種演算法創建更逼真的圖像，作為第二種演算法挑戰它更好地執行。該組織在2019年8月推出了氣候Pix（ClimatePix）應用程式，從公眾那裡收集圖片。
鷺、魚、乾旱、飢餓、脫水、熱、破裂。圖／Max Pixel自由分發的圖片
施密特和他的同事們並不自稱是氣候科學家，他們的平台在科學上並不精確。相反，他們看到自己作為溝通者的角色，説明人們解讀最新氣候科學的預測。Mila 團隊希望提供的不僅僅是一個警鐘。他們希望整合資源，指導使用者解決氣候問題的方法。
人工智慧如何應對氣候變化
其他地方正在努力利用A.I.更直接地處理氣候變化問題。與此同時，賓夕法尼亞大學的博士後研究員大衛·羅爾尼克（David Rolnick）正在領導氣候變化協會，他創立了一個支援機器學習解決氣候危機的組織。他說：「在機器學習中起作用的工具在應用於氣候變化問題時可以產生巨大影響。」
2019年6月，Rolnick和他的同事發表了一篇題為《用機器學習應對氣候變化，Tackling Climate Change with Machine Learning》的論文，其中介紹了A.I.可用於説明減緩氣候變化、復原力和適應的各種方法。演算法可以説明向城市規劃者提供有關洪水的資料，例如，説明開發更高效的電池，或説明優化交通網絡。他也說「機器學習不是一顆銀彈。它不會突然進來，並解決任何問題。氣候變化行動有許多方面，機器學習是神聖的不適用。氣候變化A.I.背後的人們堅持認為，這項技術被認為是解決氣候影響這一複雜難題的一部分。」
該論文提供了13個可用於機器學習的領域，包括能源生產、CO2搬家、教育、太陽地球工程、還有金融。在這些領域中，包括更多節能建築、創造新的低碳材料、更好地監測森林砍伐和更環保的交通運輸。然而，儘管有潛力，羅尼克指出，這是早期和人工智慧不能解決一切。
儘管這可能不是一個完美的解決方案，但它正在為這個問題帶來新的見解。這裡有三種方法可以幫助機器學習應對氣候變化。
更好的氣候模式
人工智慧還可以從大量複雜的氣候模擬中挖掘出新的洞察力。從改進對極端事件（如颶風、古氣候學）的預測，比如利用冰芯、氣候降尺度等收集的數據來重建過去的氣候條件，或者使用大規模模型來預測天氣，以及天氣和氣候的社會經濟影響。
顯示極端天氣的影響
發布一款應用程式，向個人展示他們的社區和住宅在未來的氣候變化結果可能是什麼樣子。
測量碳的來源
碳追蹤機構是一個獨立的金融智囊團，致力於實現聯合國的目標。防止新建燃煤電廠。通過衛星圖像監測煤廠的排放，碳跟蹤器可以利用它收集到的數據，來說服金融業，碳工廠是無利可圖的。
這些舉措是在關鍵時刻採取的。加州野火燃燒，威尼斯洪水氾濫時。海洋對運河城市的侵蝕，並不陌生，但隨著海平面上升和溫暖的海洋，壯大風暴，潮汐高度足以淹沒威尼斯廣場，現在這種情況比以往任何時候都要頻繁發生。威尼斯十大潮中，有五個是在過去二十年發生的。如果這樣的趨勢繼續下去，公眾可能不需要一種演算法，來向他們展示氣候變化的模樣，他們只需看看他們的前門就知曉！
預測未來
之所以將人工智慧視為下一個重大技術進步，是因為人工智慧在預測分析中發揮的重要作用。通過處理成千上萬個數據點生成的大量信息，人工智慧能夠增強甚至挑戰人類的決策能力。
在全球氣候變化問題上，人工智慧可以在加強氣候預測、破解如何分配可再生能源以及在能源方面做出更明智的決策方面發揮關鍵作用。通過分析來自世界各地的傳感器、儀表和監視器頻繁產生的大量數據，人工智慧可以快速、自動地發現模式，為科學家描繪出一幅關於地球如何變化的非常精確的畫面。
幾十年來，人類主導的研究已經確定了氣候變化，證實了確實正在發生，並研究了影響它的因素。人工智慧具有分析大量的數據的能力，因此有更多的生態變量，遠遠超出人類的能力，如果沒有人工智慧，可能會錯過關鍵模式。
通過利用人工智慧，人們能夠以高度準確的視角了解地球的當前狀態，從而迅速採取行動，並更有效地開發氣候模型，從而為決策者提供信息。例如，使用識別熱帶氣旋、颶風和其他天氣情況的基於人工智慧和基於機器學習的算法，可以減少造成破壞的可能性。預警和對時機的更準確預測可以使受影響地區的人們迅速做出反應，在某些情況下甚至可以拯救生命。
結語
近幾年，ML和AI被捧上神壇，似乎什麼問題都可以用ML和AI解決，這顯然是不夠理智的。ML不是包治百病的良方，它也不是總是有效的，只是在一些場景下它可以為我們提供更好解決方案的可能性。 ML不是解決這些問題的唯一方法，只是解決方案的一部分，可以通過跨領域的方案融合，達到更佳的效果。
對於ML和AI的應用探索，更需要結合更多的領域知識，構建可解釋性更強的模型，去做更好的服務人們的需求。
專欄屬作者個人意見，文責歸屬作者，本報提供意見交流平台，不代表本報立場。