AI報告稱，在迪拜COP28會談前提出氣候解決方案-彭博社

一名工人使用鐵勺從高爐中取樣熔融的鋼水。人工智能已經幫助一家鋼鐵生產商通過提高運營效率來降低成本和碳排放。

攝影師：Andrey Rudakov/Bloomberg 人工智能 現在已經成為世界領導人、氣候外交官和成千上萬其他人匯聚迪拜參加 聯合國氣候峯會 的議程之一。機器學習的支持者們將其視為一個可以實現巨大減排的工具。

根據日本政府組織的國際氣候論壇“創新倡議論壇”發佈的一份新報告，像水泥和鋼鐵這樣難以減排的行業可能特別受益。該報告的最終版本將在 COP28氣候談判 上提交，該談判將於本週四開始。

工業部門佔全球碳排放的約三分之一，但機器學習模型有望幫助降低其對氣候的影響。AI公司Fero Labs的聯合創始人兼首席科學家Alp Kucukelbir表示，通過確定生產鋼鐵和水泥等產品所需的最佳原材料量，可以降低材料使用量和相應的排放，同時保持產品質量。他是該報告的共同作者之一。

鋼鐵行業已經開始利用人工智能來實現這一目標。在巴西，鋼鐵生產商Gerdau使用了Fero Labs的機器學習模型來提高工廠的效率。據報告稱，Gerdau每噸鋼節省了3美元，同時將排放足跡減少了約8%。（作為對比，當前鋼材的價格約為每噸900美元。）

“利用軟件來減緩氣候變化的優勢在於影響是立竿見影的，”他説。

機器學習模型幫助公司計算如何增加回收利用的原料並減少保持質量所需的材料數量，最終消除了每年需要開採和精煉50萬磅原材料的需求。

報告作者寫道，人工智能也可以應用於工業環境中，通過利用歷史數據避免過去的錯誤，迅速解決生產問題並最小化能源消耗。

這項技術還可以用於開發對能源轉型至關重要的新材料，如電池陽極和太陽能光伏。

通常使用試錯方法來開發新材料，需要反覆實驗直到有所突破。人工智能可以幫助將開發材料所需的時間從幾個月縮短到幾周。通過結合一個能減少每次實驗時間的早期預測模型和一個能減少實驗次數的算法，一項關於最大化電池壽命的研究成功將確定快速充電技術並最小化電池退化所需的時間從超過500天縮短到16天。

儘管這項技術有望降低排放，但人工智能也因其大量的能源需求而帶來氣候風險。研究人員發現，訓練單個人工智能模型所消耗的電力可能比100個美國家庭一整年的用電量還要多。但是，缺乏透明度和行業的快速增長使得確定人工智能消耗了多少能源變得困難。

AI也可以被用來延長化石燃料的壽命。石油公司已經在使用機器學習技術來預測最有生產力的鑽探地點，而此時的研究指出需要逐漸減少化石燃料的使用。安永最近的一項調查發現，超過92%的石油和天然氣公司要麼正在投資，要麼計劃在未來兩年內投資於人工智能。

11月，微軟公司發佈了一份論文，討論了利用人工智能加速可持續解決方案的能源問題。“隨着支持人工智能模型所需的基礎設施擴大，對能源和水等資源的需求將會增加，”作者寫道。

“我們在這篇論文中關注的一個問題是真正理解能源消耗來自何處，”微軟首席可持續發展官Melanie Nakagawa在談到微軟對人工智能能源問題的不斷演進時説道。

除了能源消耗，安全性也是在應用人工智能解決氣候問題時需要考慮的另一個風險。研究發現，人工智能模型可能出錯，一項研究發現ChatGPT超過一半的回答存在不準確性。

儘管可能無法完全消除不準確性或不確定性的風險，但重要的是人工智能工具要量化和傳達不確定性，以便用户能夠做出適當的響應，谷歌母公司Alphabet Inc.的氣候人工智能研究小組產品經理Juliet Rothenberg表示。其他人為的支持措施也可以幫助減輕風險，比如讓人員查看人工智能生成的結果，她説道。

她説，公司的項目專注於交通燈優化顯示了一條前進的道路。谷歌的人工智能技術分析了城市的交通模式，並向規劃者提供建議，以便如何設置紅綠燈，以減少怠速和過多的碳排放。最終，交通工程師決定是否採納這些建議。

“擁有人類和情境意識，並與利益相關者密切合作，這是我們認為非常重要的事情，”羅森伯格説。