圖靈獎得主：如何利用AI和機器學習應對氣候變化

Yoshua Bengio在米其林開拓前行峰會。

當?shù)貢r間6月5日，新晉圖靈獎得主、深度學習領域的開拓性人物Yoshua Bengio（約書亞本吉奧）在他的“主場”加拿大蒙特利爾米其林開拓前行峰會上演講，他分享的主題是“人工智能和機器學習技術如何幫助應對氣候變化”。

現(xiàn)年55歲的Yoshua Bengio一件粉紫色襯衫配米白色休閑褲，頂一頭黑白相間的短發(fā)，裝扮輕松。他在熱烈的暖場音樂后輕松登臺，臺下的掌聲很快停歇，似乎是想盡快從這位年輕圖靈獎得主的演講中獲取養(yǎng)分。Bengio的開場言簡意賅，他說，“很高興與你們分享我們在人工智能和機器學習方面所做的與氣候變化相關的工作”。

在半小時的演講中，Yoshua Bengio談到了人工智能技術在優(yōu)化能源消耗、提高運輸效率、改進氣候模型等方面的作用。特別地，他指出，在全球視角下應對氣候變化是一個“囚徒困境”般的博弈，決策者需要意識到，等待其他國家行動會導致滿盤皆輸。就單獨國家的利益而言，這些行動可能看起來像“我為什么要在其他國家可能做這些事的時候把錢花在這上面？”“為什么一些大國不完成這些使命呢？”

“所以我們都開始等待對方的實際行動。然而，越晚行動意味著損失更多。最終，所有人都是輸家?！盉engio說道。

此外，他關注到人類在情感方面的偏見、對氣候變化的漠視和非理性等心理因素并啟動了相關研究項目。

Yoshua Bengio在米其林開拓前行峰會。

Yoshua Bengio是深度學習領域的知名學者，與Geoffrey Hinton（杰弗里辛頓）和Yann LeCun（楊立昆）并稱為“深度學習三巨頭，在蒙特利爾大學（University of Montreal）計算機科學與運算系任教授。2019年3月，Yoshua Bengio與“神經(jīng)網(wǎng)絡之父”Geoffrey Hinton、“卷積網(wǎng)絡之父”Yann LeCun共同獲得了2018年的圖靈獎（Turing Award），以表彰其為當前人工智能繁榮發(fā)展所奠定的基矗

Bengio表示，他即將發(fā)表一篇論文來討論機器學習如何幫助應對氣候變化。在演講中，他分享了其中一些案例。

優(yōu)化能源消耗

首先，在能源消耗領域，機器學習可以帶來很多可能性。他表示，機器學習可以基于測量數(shù)據(jù)做出預測，幫助給出有關能源消耗方式、價格、運輸方式等方面的最優(yōu)決策。這種方法對可再生能源尤其重要，例如，太陽能和風能這類能源的供給很難提前預測。為了平衡由于自然條件而產(chǎn)生的能源供給變化，需要盡可能有效地去預測?！拔覀兛梢岳脵C器學習來幫助完成短期預測，使能源在不同國家的使用方式不斷被優(yōu)化”。

同時，人們也可以利用機器學習來幫助預測能源需求。例如，現(xiàn)代城市中安裝有許多傳感器，通過這些傳感器的數(shù)據(jù)，我們可以更好地預測未來幾個小時甚至未來數(shù)日的能源需求變化?！斑@樣，機器學習可以用來調(diào)節(jié)能源價格，減少能源消耗或者改變能源分配模式”。

提高運輸效率

除此之外，在其他非常重要的領域，包括運輸、建筑和工業(yè)等，都可以使用機器學習進行預測。例如，在運輸領域，可以通過獲得交通網(wǎng)絡的需求來完成優(yōu)化。從長遠來看，機器學習可以改進城市基礎設施。短期內(nèi)，它可以改善交通信號和交通流量。再比如，可以運用機器學習和預測性方法，在建筑工業(yè)中優(yōu)化供應鏈與運輸路線。

Bengio介紹，由他聯(lián)合創(chuàng)立的Element AI有一個同蒙特利爾港的合作項目，該項目結合了人工智能和機器學習技術。通常，港口中的車輛會因計劃不周而浪費很多時間。利用人工智能技術，可以幫助推測運輸需求和交通狀況，由此采取一系列協(xié)調(diào)性的決策來優(yōu)化某些目標，例如，減少運輸中消耗的能源量。

改進氣候模型

除了利用機器學習降低能源消耗量、提高能源效率、合理預測能源需求，人們還開始探索如何使用人工智能技術改進氣候模型。

Bengio介紹，傳統(tǒng)的氣候模型計算速度慢、數(shù)據(jù)量大，模型不夠完美。目前，科學家在機器學習中嘗試訓練傳統(tǒng)的氣候統(tǒng)計模型、模仿物理模型來加快計算速度、又或者通過使用額外的數(shù)據(jù)來改進模型。

他還特別提到了IPCC1.5℃特別報告，他認為，出于避免夸張的考量，IPCC的報告所呈現(xiàn)的結果是保守的?！叭藗冋嬲龖摾斫獾囊稽c是，這些模型有很多不確定性，這些不確定性不僅來源于不同的場景，也在于可以做出的不同假設。實際上，溫度變化可能比你們所預想的要嚴重得多。例如，出于避免夸張的考量，IPCC的報告所呈現(xiàn)的結果是保守的?！?/p>

人們并非總是理性

氣候變化不是一個單純的科學問題，能否積極應對的背后是經(jīng)濟利益與政治利益的考量。對此，Bengio提出了自己的看法。

他表示，氣候變化情況比我們所了解到的要糟糕得多，并且這種不確定性很難理解和想象?！暗钦埨斡洠鄙傩袆?、搖擺不定會帶來經(jīng)濟損失”?！艾F(xiàn)在，在氣候變化面前，阻撓我們做出正確行動的一個瓶頸是為什么我們的政府不盡快采取行動？”

Yoshua Bengio演講PPT。

Bengio認為，在全球視角下，應對氣候變化涉及到一個“囚徒困境”的問題，意思是，就單獨國家的利益而言，這些行動可能看起來像“我為什么要在其他國家可能做這些事的時候把錢花在這上面？”“為什么一些大國不完成這些使命呢？”

“所以我們都開始等待對方的實際行動。然而，越晚行動意味著損失更多。最終，所有人都是輸家?！盉engio說道。

除了決策者需要理解這場博弈的本質(zhì)之外，Bengio認為，在應對氣候變化領域，我們還需要解決與人性有關的心理偏見。

他認為，在氣候變化領域，我們需要確保民主發(fā)揮作用，但心理因素也很重要。心理學家已經(jīng)證明，人們并非總是理性的。人們很難理性地看待一些與我們沒有直接情感聯(lián)系的事情，以及一些我們看不見、想不起來的事情。

為了緩解人們在氣候變化領域的心理偏見，Bengio介紹了一個研究項目。這是一個教育工具，可以讓普通大眾看到氣候統(tǒng)計數(shù)據(jù)，而且還能以一種個性化的方式讓他們理解氣候變化帶來的影響。他和研究人員試圖向人們展示與生活密切相關的東西人們的房子。他們運用對抗性網(wǎng)絡、無監(jiān)督學習等技術，把正常狀態(tài)下的房屋圖像轉化成被洪水淹沒的房屋圖像，以此來引發(fā)人們對氣候變化的真正關切。

他希望通過這個項目，促使人們思考：如果按目前的排放量發(fā)展下去，50年或100年后人們的房子會怎樣？如果提高碳的價格，情況又會有什么變化？他說，“我們并不想單純地引發(fā)恐懼，但研究表明，消極情緒會促使人們行動”。

對于這個項目，Bengio表示，他們需要有氣候科學背景的人來建立對未來和不同地方的氣候預測。此外，還需要與行為科學方面的專家合作，以更好地理解人類在情感方面的偏見?！拔覀円查_始與經(jīng)濟學家合作，幫助理解人們今天的行動會對未來產(chǎn)生怎樣的影響、氣候變化會對經(jīng)濟造成怎樣的沖擊”。“還有很多工作亟待完成。”

作為深度學習領域的開拓性人物，Bengio的主要研究領域是深度學習（Deep Learning）和自然語言處理（Natural Language Processing）。

Yoshua Bengio參與建立了在學界享有盛譽蒙特利爾學習算法研究所（Montreal Institute For Learning Algorithms, MILA）并擔任主任，協(xié)助構建起蒙特利爾的人工智能生態(tài)系統(tǒng)。他還是加拿大統(tǒng)計學習算法研究主席，也在2009年擔任了機器學習頂級會議NIPS的主席（General Chair）。