芬兰赫尔辛基大学：人工智能能否助力减缓气候变化？

对于那些一直关注相关讨论的人来说，这个想法或许听起来有些反常。生成式人工智能消耗的大量水与能源，似乎更可能加剧而非缓解气候问题。

然而，人工智能同样有可能在构建更可持续的未来中扮演重要角色。赫尔辛基大学的计算机科学教授劳拉·鲁图萨莱宁正带领她的研究团队，开发机器学习方法，以帮助找到建设更美好城市的切实可行方案。

研究团队借助模拟手段，探讨如何实现交通顺畅，使人们能够便捷地抵达目的地，同时保持良好的空气质量、控制排放，并让城市始终宜居。

“借助人工智能，我们可以进行实验并迅速获得答案，而不必等待数十年的观测结果，”鲁图萨莱宁表示。

“我们几乎不可能从头建设一座新城，再观察它对气候和人们福祉的影响，最终得出我们做错了什么的结论。而人工智能可以在数周内给出结果，且不会对气候或人类造成任何伤害。”

从几秒到几十年
城市规划需要平衡多个相互冲突的目标与时间尺度，这给研究人员带来了独特挑战。他们必须权衡从几秒钟内汽车加速产生的排放影响，到十分钟内空气质量的变化，再到城市多年后的宜居性等方方面面。

一方面，人们需要便捷地到达目的地；另一方面，他们的出行应尽可能减少排放。

这一复杂难题的答案，正通过强化学习来探寻。强化学习是一种机器学习方法，让人工智能能够同时管理并权衡多个相互冲突的目标。人工智能尝试运用不同策略，判断哪些目标可以实现、如何实现，这被称为多目标优化。

研究人员会创建一个能够执行多种功能的人工智能代理，并根据其表现给予奖励或惩罚。

“想象一个在城市中驾驶汽车的人工智能代理。当它做出一个决定，比如在交叉路口转弯时，我们就会评估这一行为对我们设定的目标产生了什么影响。在这里，目标是尽可能保持高空气质量，同时快速到达目的地。如果代理的选择让我们更接近目标，它就会得到奖励；如果让我们离目标更远，它就会受到惩罚。”

迄今为止，强化学习主要用于游戏和交通信号灯控制等简单应用。大规模、系统性的变革，目前仍超出其能力范围。

城市环境涉及大量的交互作用。人工智能可以帮助梳理这些复杂关系以及多种因素叠加的影响，这是人类难以独立完成的工作。

应对重大挑战的方法
鲁图萨莱宁认为，人工智能的实际价值来源于其特定的应用场景。当人工智能被用于解决某个明确、具体的问题时，其突破可能十分显著。

“当前公共讨论大多被ChatGPT以及文本与漫画图像的生成所主导，这远不能代表人工智能的全部潜力。”

在医疗领域，人工智能正为攻克癌症等重大疾病开辟新的可能。早在1990年代，核聚变曾被视为解决全球能源需求的答案；如今，借助人工智能，这一前景或许终于有望成为现实。

作为一名研究人员，鲁图萨莱宁致力于开发能够应对重大社会与人类问题的机器学习方法。通过优化城市规划等领域的复杂系统，我们可以识别出那些能带来深远影响的小规模调整，从而在城市生态可持续性方面取得成效。

“我满怀热忱地从事这项工作。我相信，人工智能带来的积极成果，将超过其消耗资源所带来的负面影响。我们的研究也关注机器学习计算中日益增长的能源消耗问题。人工智能可以成为一种强大的力量，有潜力改善人类生活，并助力应对气候变化。”