（示意圖/取自pixabay）
在今年NeurIPS會議的「應對氣候變化」研討會上，機器學習領域頂尖專家齊聚一堂，討論氣候變化對地球上生命的影響、AI如何解決這一緊迫問題，以及機器學習為什麼以及如何加入這場戰鬥。
該研討會由氣候變化人工智慧組織（Climate Change AI）舉辦。該組織曾為人工智慧研究會議舉辦研討會，並為機器學習從業者及其他領域研究者舉辦合作論壇。
「應對氣候變化」研討會探討了一系列主題，從利用深度強化學習提升Uber和Lyft等叫車服務，到應用深度學習預測野火風險、探測雪崩沈積物、利用提升風力預測準確性提高飛機效率，以及太陽能發電場的全球普查。
小組成員包括Yoshua Bengio（2018年圖靈獲獎者、世界領先的AI專家和深度學習先驅、蒙特利爾大學教授、加拿大蒙特利爾學習算法研究所主任）、吳恩達（AI和機器學習領域國際最權威學者之一、Google Brain聯合創始人、Landing.ai創始人）、Jeff Dean（Google元老之一、Google AI掌門人），以及Carla Gomes（康乃爾大學教授、計算可持續性研究所所長）。
【圖片來源：VentureBeat 所有者：VentureBeat】
據悉，下一次應對氣候變化的機器學習研討會，將於2020年4月，在阿的斯阿貝巴的國際學習展示會議（ICLR）上進行。
用機器學習應對氣候變化
2019年6月，Yoshua Bengio、吳恩達和Carla Gomes，加入了20多個氣候變化人工智慧指導委員會和顧問成員的團隊，其中包括DeepMind創始人Demis Hassabis。他們共同發表了一篇題為《用機器學習應對氣候變化》的論文，其中包含650篇參考文獻。
該論文探討了機器學習在氣候變化中的應用，如預測供需或極端天氣事件，以及可提高城市、交通和電力系統效率的預測AI。
【圖片來源：上述論文截圖】
研究者表示，這篇論文不僅針對人工智慧從業者，而且為參與氣候變化工作的人提供幫助，包括企業家、投資者、企業和政府領導人。
值得關注的是，關於機器學習從業者如何開始應對氣候變化的問題，三位參與論文的科學家，都提到與相關領域專家合作的重要性。
吳恩達認為，與其強調問題的嚴重性，不如做出實際行動，先一點一點回顧相關數據集，然後進行實驗，最終公布研究結果，或與氣候科學家進行對話。
Carla Gomes建議與非機器學習研究者合作：「我的確擔心電腦科學。我們認為我們什麼都擅長，但其實提出的解決方案完全不現實，對特定領域來講毫無意義，因此與專家聯繫並創建網路很重要。」
Yoshua Bengio說，避免重造輪子，就要保持謙虛，與機器學習可應用領域的專家合作。
用更好的技術應對小數據
研討會上，小組討論了機器學習中能最有效來應對氣候變化的具體技術進展。
吳恩達和小組成員呼籲，在適用於小型數據集和應用的機器學習方面取得進展，比如自我監督學習和遷移學習，從而減少培訓模型所需的數據。
吳恩達表示：「許多機器學習，即現代深度學習，都是在大型消費互聯網公司中成長起來的，這些公司擁有數以億計的用戶和龐大的數據集。但有時候，我們只有幾百或幾千張風力發電機之類的圖片，所以需要通過新技術來解決問題。大體上，我認為要想讓機器學習，在除了軟體和互聯網公司之外的其他領域有所突破，我們需要更好的技術來應對小數據體系。」
對此，Carla Gomes表示同意，他說，氣候變化和機器學習是雙向影響的，解決氣候變化問題取得的進展，也可以帶來機器學習方面的創新。
Carla Gomes談道：「我的確認為未來AI和機器學習的一個巨大挑戰是科學發現，包括嵌入先驗知識、進行科學推理，以及處理小數據。」
在之前的NeurIPS研討會上，Facebook AI研究總監Yann LeCun，也提到了機器學習的能源效率，使AR眼鏡等新技術落地的必要性。
在小組討論中，Jeff Dean談到，遷移學習和多任務學習的進展，都有希望應用於氣候變化。他說，氣候變化的挑戰至少可以成為這類技術的一個有趣的試驗平台。
研究能為世界帶來什麼
另外，Yoshua Bengio還特別提到了研究者該有的態度。
Yoshua Bengio是2018年被引用最多的電腦科學研究員，他認為，機器學習研究者，需要通過評估機器學習研究對世界的真正影響，來改變他們對提交給NeurIPS等大型會議的研究態度。更好地應對世界級緊迫挑戰的重要一步，便是改變研究者看待AI研究的方式。
他提到，研究者都很在乎論文出版，成為第一作者，為履歷增光添彩，並且找到一份好工作。這種想法其實是不應該的，學生和研究人員往往感到壓抑，工作時長也令人難以置信。但如果退一步，思考研究能為世界帶來什麼，關注長期研究的真正價值，做能影響世界的項目（比如氣候變化），就會對自身的研究工作感覺更好，壓力也更小，最終說不定能取得更好的進展。
Yoshua Bengio表示：「我認為，在本次研討會上討論的這類項目，可能會比生成對抗網路（Generative Adversarial Nets），或其他方面的進步更有影響力。」
此前，NeurIPS的組織者就表示過，他們可能會將AI模型的碳足跡，作為未來會議論文提交的標準之一。
採用更嚴格的道德規範
而吳恩達則更關注道德規範問題。
吳恩達建議AI研究者採用更嚴格的道德規範，同時利用法律保護支持這些道德規範，就像醫生對病人的義務一樣。他說，任何道德規範都應由AI研究者自己來制訂。
吳恩達表示，無論是集體達成一致的道德規範，還是其他什麼規範，AI研究界都應該達成一個更明確或更可行的社會協議。他補充說，對科技的信任度下降，也是一個需要解決的問題。
當然，現在已經有很多AI道德規範了，但很多都偏模糊，用處不大。比如，吳恩達說他向工程師們閱讀了經濟合作暨發展組織（OECD）的AI道德規範，然後問他們如何改變工作方式，工程師們幾乎一致表示，一點也不需要改變。
對於現有的AI道德規範，吳恩達說：「Google的道德規範很好，Microsoft的道德規範不錯，經濟合作暨發展組織的道德規範也不差，但我認為我們還需要做更多工作。」
正如他們在小組討論時提到的，可以和受到氣候變化影響的人們一起制訂解決方案。在今年的NeurIPS的Black in AI研討會上，愛爾蘭都柏林大學研究者Abeba Birhane，一篇關於道德的論文獲得了最佳論文獎。論文中，作者也呼籲機器學習從業者與受他們創建的系統影響的群體密切合作。
Google積極應對氣候難題
作為Google AI主管，Jeff Dean表示，Google也在積極應對氣候難題。
在接受媒體採訪時，Jeff Dean表示：「我主要關注的是碳排放和機器學習。在我看來，機器學習項目的碳排放，在總排放量中所佔的比例還是相對較小的。在Google數據中心，我們全年所有計算需求的能源，都是100%可再生的。」
在研討會一開始的主旨演講中，Jeff Dean稱氣候變化是21世紀的問題，並談到了無碳足跡AI的潛力。Jeff Dean說，讓計算實現零碳，有利於避免產生新的問題。但光是算法是不夠的，還需要將這些算法集成到系統中，然後將其綁定到將對氣候相關問題產生最大影響的應用程式中。解決氣候難題是研究者應該做的重要部分。
另外，他還談到了可以改變行為的方法，比如幫助人們瞭解自己的碳足跡。在聽眾提出關於在Google Maps上，分享二氧化碳預測的問題後，Jeff Dean說，Google正在考慮在Google搜尋結果中，包含更多資訊，為用戶的行為（比如訂購商品），給出一個碳排放量預測值。
他說：「我認為，公眾通過仔細觀察和教育，會明白解決氣候變化問題是一件真實、緊迫的事情，而不是虛構的事情。對於這一點我們都已達成共識，我們只需要繼續努力推動教育，讓公眾接受這一事實，並且做出更好的決定。」
同時，Jeff Dean在研討會上，還指出了一系列有可能對氣候產生影響的Google機器學習項目，比如旨在創造融合能源的項目，在天氣預報等方面使用貝氏推論（Bayesian inference）的項目，以及Sunroof項目（通過研究屋頂和當地天氣，預測安裝太陽能板的家庭可以節省的電費開支。）
據悉，今年早些時候，Google優化了對印度恆河和布拉馬普特拉河沿岸的洪水預測。
前不久，Google AI在一次研討會海報展示環節，展示了一篇論文，重點介紹了如何將機器學習應用於雷達圖像來預測降雨。
在當地時間12月12日接受VentureBeat採訪時，Jeff Dean表示支持英特爾AI總經理Naveen Rao，推薦的AI硬體碳/瓦特標準。
本文為雷鋒網授權刊登，原文標題為「AI 如何應對氣候變化？Yoshua Bengio 吳恩達 Jeff Dean 有話說」