近年来人工智能的复兴让许多人质疑这种技术如何帮助人类面临的最大威胁之一：气候变化。一些该领域最知名的思想家撰写的一篇新研究论文旨在回答这个问题，提供一些机器学习如何帮助防止人类破坏的例子。

建议的使用案例多种多样，从使用人工智能和卫星图像到更好地监测森林砍伐，到开发可替代钢铁和水泥的新材料(其产量占全球温室气体排放量的9%)。

人工智能不是银弹，但在未来的气候斗争中它将是非常宝贵的。但是，尽管有这种多样性，该论文(我们通过麻省理工学院技术评论发现)一次又一次地回到了一些广泛的部署领域。其中突出的是利用机器视觉监控环境;利用数据分析发现排放重工业的低效率;并使用人工智能模拟复杂的系统，如地球自身的气候，这样我们就可以更好地为未来的变化做好准备。

该论文的作者 - 包括DeepMind首席执行官Demis Hassabis，图灵奖得主Yoshua Bengio和Google Brain联合创始人Andrew Ng--表示人工智能在减轻和预防气候变化的恶化影响方面可能“非常宝贵”，但请注意它不是一个“银弹”，也是迫切需要的政治行动。

“仅靠技术是不够的，”该论文的作者写道，由宾夕法尼亚大学博士后研究员David Rolnick领导。“多年来已经有了减少气候变化的技术，但很少有社会大规模采用这种技术。虽然我们希望ML能够有助于降低与气候行动相关的成本，但人类也必须决定采取行动。“

总的来说，本文提出了可以部署机器学习的13个领域(我们从中选择了8个例子)，这些领域按其潜在影响的时间范围进行分类，以及所涉及的技术是否发展到足以收获某些奖励。您可以在这里阅读完整的论文，或浏览下面的列表。

建立更好的电力系统。电力系统“充斥着数据”，但是利用这些信息的工作太少了。机器学习可以通过预测发电和需求来帮助，使供应商能够更好地将可再生资源整合到国家电网中并减少浪费。谷歌的英国实验室DeepMind已经展示了这种工作，使用人工智能来预测风电场的能源输出。

监测农业排放和森林砍伐。温室气体不仅仅是由发动机和发电厂排放 - 很大程度上来自树木，泥炭地和其他植物生命的破坏，这些植物生命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导致这种碳被释放回大气层，但是使用卫星图像和人工智能，我们可以确定这种情况发生在哪里并保护这些天然碳汇。

创造新的低碳材料。该论文的作者指出，全球温室气体排放量的9%来自混凝土和钢铁的生产。机器学习可以通过帮助开发这些材料的低碳替代品来帮助减少这一数字。人工智能帮助科学家发现新材料，使他们能够模拟前所未有的化合物的性质和相互作用。

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，如云层覆盖和冰盖动态变化。这些正是AI非常擅长的问题。对这些变化进行建模将有助于科学家预测极端天气事件，如干旱和飓风，从而帮助政府防范其最严重的影响。

提高运输效率。交通运输部门占全球能源相关二氧化碳排放量的四分之一，其中三分之二来自道路使用者。与电力系统一样，机器学习可以提高这一部门的效率，减少浪费的旅程数量，提高车辆效率，并将货物转移到铁路等低碳选择。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，但作者指出，这项技术仍未得到证实。

减少建筑物的能源浪费。建筑物消耗的能源占全球能源相关二氧化碳排放量的四分之一，并呈现出气候行动的“最低成果”。建筑物持久耐用，很少采用新技术进行改造。仅添加一些智能传感器来监测空气温度，水温和能源使用，可以将单个建筑物的能耗降低20%，监控整个城市的大型项目可能会产生更大的影响。

地球工程师更具反射性的地球。这个用例可能是所有提到的那些中最极端和最具推测性的用例，但这是科学家们所希望的。如果我们能找到使云更具反射性或使用气溶胶制造人造云的方法，我们就可以将更多太阳的热量反射回太空。这是一个很大的，如果不过，和任何造型方案的潜在副作用是非常重要的。人工智能可以帮助解决这个问题，但该报的作者指出，未来仍会存在重大的“治理挑战”。

为个人提供减少碳足迹的工具。该论文的作者认为，“人们不能对气候变化采取有意义的行动是一种常见的误解。”但人们确实需要知道他们如何能够提供帮助。机器学习可以通过计算个人的碳足迹并标记他们可以做出的减少它的微小变化来帮助 - 比如更多地使用公共交通;少买肉;或减少他们家中的用电量。添加单个操作可以产生很大的累积效果。