这是《连线》杂志一个老生常谈的问题: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。随着天气变得更加极端和不可预测，人们希望人工智能——另一种生存威胁——可能成为解决方案的一部分。11月21日，谷歌旗下的人工智能实验室DeepMind的气候行动负责人西姆斯·威瑟斯彭(Sims Witherspoon)在伦敦《连线影响》(WIRED Impact)上发表演讲前接受采访时解释说，该实验室一直在利用其人工智能专业知识，以三种不同的方式解决气候变化问题。为了清晰和篇幅的考虑，这段对话经过了编辑。
《连线》:人工智能如何帮助我们应对气候变化?
西姆斯·威瑟斯彭:我们可以用很多方法来分析答案。人工智能可以帮助我们缓解。它可以帮助我们适应。它可以帮助我们处理损失和损害。它可以在生物多样性和生态学等方面帮助我们。但我认为，对大多数人来说，让它更切实的方法之一是通过人工智能的优势来谈论它。
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。一个例子是我们在降水临近预报方面的工作——也就是提前几小时预测降雨——我们的模型被英国气象局预报员认为比其他方法更有用、更准确，这很好。
但这也只是一个开始，因为你可以建立预测更复杂的现象。因此，人工智能可以成为一个非常重要的工具，帮助我们理解气候变化这个问题。
第二件事是什么?
我喜欢思考的第二个方面是，人工智能可以帮助我们优化当前的系统和现有的基础设施。为了一个更可持续的明天，仅仅开始建立新的绿色技术是不够的，生活需要继续下去——我们今天已经有了许多我们依赖的系统，我们不能把它们都烧掉，然后从头开始。我们需要能够优化现有的系统和基础设施，而人工智能是我们可以用来做到这一点的工具之一。
一个很好的例子就是我们在数据中心所做的工作，在那里我们能够提高能源效率并实现30%的节能。
第三件事是新技术?
是的，第三部分是大多数人对人工智能的看法，当他们想到好莱坞版本或你在科幻小说中读到的东西时，它们正在加速科学的突破。
我真的很喜欢核聚变和等离子体控制的例子——我们发表了一篇论文，其中我们使用神经网络来训练一个强化学习模型，以学习如何在现实世界的托卡马克(核聚变反应堆)中控制等离子体的形状。这是非常重要的，因为真正理解等离子体物理并能够控制它们的形状和结构是最终实现几乎取之不尽的无碳能源供应的一个非常重要的组成部分。
你不能真的说话关于人工智能和气候变化的讨论，而没有提到人工智能本身的碳足迹，以及大量的能源被消耗被数据中心消耗，这是人们越来越意识到的。你觉得a怎么样关于这个问题?人工智能什么时候才能达到这一点它节省的碳比用来训练的多吗?
我很乐意看到这样的分析;我不知道有没有人这么做过。近年来，我们看到的许多语言模型和生成式人工智能的成功案例，确实，它们都是能源密集型的，这是我们记录的一个问题。我们相信，看到和了解这些模型使用了多少能量并对此持开放态度是非常重要的，然后我们也会努力减少这些模型所需的计算量。所以我们从几个方面来考虑这个问题，而不是像“我们燃烧的碳值这些解决方案吗?”，而更多的是关于“如何部署尽可能低碳的解决方案?”
阻止人工智能用于应对气候变化的障碍是什么?
第一个是数据访问。无论是电力、交通、建筑还是城市，所有部门在气候关键数据方面都存在重大差距。我们与一个组织合作，发布了一份“气候关键数据集愿望清单”，我认为拥有这些数据集，让人们感到舒适——在安全、负责任的情况下——开放气候关键数据集是非常重要的。
我认为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，我们真的需要与那些专家合作，他们可以告诉我们他们遇到的问题以及阻碍他们的事情。这做了两件事。首先，它确保我们完全理解我们正在构建人工智能解决方案的目的。第二件事是，它确保我们建造的任何东西都会被使用。我们不只是想做一件很酷的科技，然后希望有人使用它。
有安全方面的考虑吗?人们可能会紧张关于在同一句话中看到“核聚变”和“人工智能”这两个词……
特别是在我的领域，我们处理这个问题的方法之一是再次与领域专家合作，确保我们非常了解系统，以及他们需要什么来保证系统的安全。正是这些专家教会了我们这些，然后我们在这些护栏内建立解决方案。
在气候和可持续发展方面，我们也做了很多影响分析:我们预计我们的潜在影响是什么，然后是所有的下游影响。
你说过你是一个技术乐观主义者，那么技术乐观主义者对未来的看法是什么人工智能是否能全面应对气候变化?
技术乐观主义者的观点是，只要我们能够有效地运用它，我们就能够使用像人工智能这样的变革性工具来更快地解决特定行业和非特定行业的问题，而在规模上，如果没有人工智能，我们就无法做到这一点。最令我兴奋的是该工具的多功能性和可扩展性。考虑到我们需要解决的与气候变化相关的大量问题，我们需要的是一个高度通用和高度可扩展的工具。
