WIRED 就技术乌托邦主义、人工智能帮助应对气候变化的方式以及目前的障碍等问题采访了 DeepMind 的气候负责人。
这是《WIRED》杂志的一个永久性问题： 科技让我们陷入困境，它能让我们摆脱困境吗？在气候变化问题上尤其如此。DeepMind 是谷歌旗下的人工智能实验室，它一直在利用自己的人工智能专长以三种不同的方式解决气候变化问题，DeepMind 气候行动负责人西姆斯-威瑟斯彭（Sims Witherspoon）在11月21日于伦敦举行的《WIRED Impact》演讲前接受了采访。为清晰起见，本对话经过编辑。
WIRED：人工智能如何帮助我们应对气候变化？
Sims Witherspoon：我们有很多方法可以切出答案。人工智能可以帮助我们减缓气候变化。它可以帮助我们适应气候变化。它可以帮助我们应对损失和破坏。它可以帮助我们解决生物多样性和生态学等问题。但我认为，对大多数人来说，使其更加具体的方法之一是通过人工智能优势的视角来谈论它。
我认为可以分为三个部分： 首先，人工智能可以通过更好的预测和监测模型，帮助我们了解气候变化以及我们所面临的与气候变化相关的问题。其中一个例子就是我们在降水预报方面所做的工作，即提前几小时预报降雨–气象局的预报员认为我们的模型比其他方法更有用、更准确，这很好。
但这仅仅是个开始，因为你还可以建立预测更复杂现象的模型。因此，人工智能可以成为帮助我们理解气候变化这一问题的重要工具。
第二件事是什么？
我想说的第二件事是，人工智能可以帮助我们优化现有系统和基础设施。为了更可持续的明天而开始建设新的绿色技术是不够的，生活还需要继续–我们今天已经有了许多依赖的系统，我们不能把它们全部烧毁，然后从头开始。我们需要优化现有的系统和基础设施，而人工智能正是我们可以用来做到这一点的工具之一。
我们在数据中心所做的工作就是一个很好的例子，我们能够提高能源效率，实现 30% 的节能。
第三件事是新技术？
是的，第三件事就是大多数人眼中的人工智能，当他们想到好莱坞版本的人工智能或你在科幻小说中读到的人工智能时，这就是加速突破的科学。
我非常喜欢核聚变和等离子体控制的例子–我们在《自然》杂志上发表了一篇论文，利用神经网络训练强化学习模型，学习如何控制现实世界中托卡马克（一种核聚变反应堆）中的等离子体形状。这一点非常重要，因为真正理解等离子体物理并能够控制这些形状和构型，对于最终实现几乎取之不尽、用之不竭的无碳能源供应来说，是极其重要的基石。
谈到人工智能和气候变化，就不能不提到人工智能本身的碳足迹，以及数据中心所消耗的大量能源，这也是人们越来越意识到的问题。你如何看待这个问题？人工智能什么时候才能达到比以往训练节省更多碳的地步？
我很想看到这种分析；我不知道是否有人做过。近年来，我们看到了许多语言模型和生成式人工智能的成功案例，的确，它们都是能源密集型的，这是我们已经记录在案的一个问题。我们认为，了解和理解这些模型的能耗并对此保持开放非常重要，而且我们也在努力减少这些模型所需的计算量。因此，我们从几个方面来考虑这个问题，而不是像 “我们所燃烧的碳是否值得我们的解决方案？”那样全局性地考虑，而是更多地考虑 “如何部署尽可能高碳效率的解决方案？
阻碍人工智能用于应对气候变化的路障是什么？
首先是获取数据。无论是电力、交通还是建筑和城市，所有部门在气候关键数据方面都存在巨大差距。我们合作的一个组织发布了 “气候关键数据集愿望清单“，我认为拥有这些数据集并让人们在安全和负责任的情况下放心地开放气候关键数据集是非常重要的。
我认为几乎与数据同等重要的另一部分是与领域专家合作。在谷歌 DeepMind，我们专注于人工智能研究和人工智能产品开发–我们不是等离子体物理学家，也不是电气工程师。因此，当我们试图找出我们想要解决的问题时，我们真的需要与这些专家合作，他们可以向我们传授他们遇到的问题以及阻碍他们的事情。这样做有两个好处。第一，它能确保我们完全理解我们正在构建的人工智能解决方案的目的。其次，它还能确保我们正在构建的东西会被使用。我们并不只是想制造一项很酷的技术，然后希望有人使用它。
有任何安全方面的考虑吗？看到 “核聚变” 和 “人工智能” 这两个词出现在同一个句子里，人们可能会感到紧张……
具体到我所在的领域，我们处理这个问题的方法之一，就是再次回到与领域专家合作，确保我们真正了解系统，以及他们需要什么来保证系统的安全。正是这些专家向我们传授了这方面的知识，然后我们在这些防护栏的范围内构建解决方案。
在气候和可持续发展方面，我们也做了大量的影响分析：我们预计可能产生的影响，以及所有下游影响。
你说过自己是一个技术乐观主义者，那么技术乐观主义者是如何看待人工智能在气候变化中充分发挥作用的未来呢？
技术乐观主义者的观点是，只要我们能够有效地利用人工智能，我们就能够利用人工智能这样的变革性工具，更快地解决特定领域和非特定领域的问题，而且规模之大，如果没有人工智能，我们是无法做到的。最让我感到兴奋的是该工具的多功能性和可扩展性。鉴于我们需要解决的与气候变化有关的问题数量之多，我们需要的是一个高度通用、高度可扩展的工具。
