0
在今年 NeurIPS 会议的“应对气候变化”研讨会上，机器学习领域顶尖专家齐聚一堂，讨论气候变化对地球上生命的影响、AI 如何解决这一紧迫问题，以及机器学习为什么以及如何加入这场战斗。
该研讨会由气候变化人工智能组织（Climate Change AI）举办。雷锋网了解到，该组织曾为人工智能研究会议举办研讨会，并为机器学习从业者及其他领域研究者举办合作论坛。
“应对气候变化”研讨会探讨了一系列主题，从利用深度强化学习提升 Uber 和 Lyft 等叫车服务，到应用深度学习预测野火风险、探测雪崩沉积物、利用提升风力预测准确性提高飞机效率，以及太阳能发电场的全球普查。
小组成员包括 Yoshua Bengio（2018 年图灵获奖者、世界领先的 AI 专家和深度学习先驱、蒙特利尔大学教授、加拿大蒙特利尔学习算法研究所主任）、吴恩达（AI 和机器学习领域国际最权威学者之一、Google Brain 联合创始人、Landing.ai 创始人）、Jeff Dean（Google 元老之一、Google AI 掌门人），以及 Carla Gomes（康奈尔大学教授、计算可持续性研究所所长）。
【 图片来源：VentureBeat 所有者：VentureBeat 】
据悉，下一次应对气候变化的机器学习研讨会将于 2020 年 4 月在埃塞俄比亚亚的斯亚贝巴举行的国际学习表征会议（ICLR）上进行。
2019 年 6 月，Yoshua Bengio、吴恩达和 Carla Gomes 加入了 20 多个气候变化人工智能指导委员会和顾问成员的团队，其中包括 DeepMind 创始人 Demis Hassabis。他们共同发表了一篇题为《用机器学习应对气候变化》的论文，其中包含 650 篇参考文献。该论文探讨了机器学习在气候变化中的应用，如预测供需或极端天气事件，以及可提高城市、交通和电力系统效率的预测 AI。
【 图片来源：上述论文截图 】
研究者表示，这篇论文不仅针对人工智能从业者，而且为参与气候变化工作的人提供帮助，包括企业家、投资者、企业和政府领导人。
值得关注的是，关于机器学习从业者如何开始应对气候变化的问题，三位参与论文的科学家都提到与相关领域专家合作的重要性。
吴恩达认为，与其强调问题的严重性，不如做出实际行动——先一点一点回顾相关数据集，然后进行实验，最终公布研究结果，或与气候科学家进行对话。
Carla Gomes 建议与非机器学习研究者合作：
我的确担心计算机科学。我们认为我们什么都擅长，但其实提出的解决方案完全不现实，对特定领域来讲毫无意义，因此与专家联系并创建网络很重要。
Yoshua Bengio 说，避免重造轮子，就要保持谦虚，与机器学习可应用领域的专家合作。
研讨会上，小组讨论了机器学习中能最有效应对气候变化的具体技术进展。
吴恩达和小组成员呼吁，在适用于小型数据集和应用的机器学习方面取得进展，比如自我监督学习和迁移学习，从而减少培训模型所需的数据。
吴恩达表示：
许多机器学习，即现代深度学习，都是在大型消费互联网公司中成长起来的，这些公司拥有数以亿计的用户和庞大的数据集。但有时候，我们只有几百或几千张风力发电机之类的图片，所以需要通过新技术来解决问题。大体上，我认为要想让机器学习在除软件和互联网公司之外的其他领域有所突破，我们需要更好的技术来应对小数据体系。
对此，Carla Gomes 表示同意，他说，气候变化和机器学习是双向影响的，解决气候变化问题取得的进展也可以带来机器学习方面的创新。
Carla Gomes 谈道：
我的确认为未来 AI 和机器学习的一个巨大挑战是科学发现，包括嵌入先验知识、进行科学推理，以及处理小数据。
在之前的 NeurIPS 研讨会上，Facebook AI 研究总监 Yann LeCun 也提到了机器学习的能源效率使 AR 眼镜等新技术落地的必要性。
在小组讨论中，Jeff Dean 谈到，迁移学习和多任务学习的进展都有希望应用于气候变化。他说，气候变化的挑战至少可以成为这类技术的一个有趣的试验平台。
另外，Yoshua Bengio 还特别提到了研究者该有的态度。
Yoshua Bengio 是 2018 年被引用最多的计算机科学研究员，他认为，机器学习研究者需要通过评估机器学习研究对世界的真正影响，来改变他们对提交给 NeurIPS 等大型会议的研究的态度。更好地应对世界级紧迫挑战的重要一步，便是改变研究者看待 AI 研究的方式。
他提到，研究者都很在乎论文出版——成为第一作者，为简历增光添彩，找到一份好工作——这种想法其实是不应该的，学生和研究人员往往感到压抑，工作时长也令人难以置信。但如果退一步，思考研究能为世界带来什么，关注长期研究的真正价值，做能影响世界的项目（比如气候变化），就会对自身的研究工作感觉更好，压力也更小，最终说不定能取得更好的进展。
Yoshua Bengio 表示：
我认为，在本次研讨会上讨论的这类项目，可能会比生成对抗网络（Generative Adversarial Nets）或其他方面的进步更有影响力。
此前，NeurIPS 的组织者就表示过，他们可能会将 AI 模型的碳足迹作为未来会议论文提交的标准之一。
而吴恩达则更关注道德规范问题。
吴恩达建议 AI 研究者采用更严格的道德规范，同时利用法律保护支持这些道德规范，就像医生对病人的义务一样。他说，任何道德规范都应由 AI 研究者自己来制定。
吴恩达表示，无论是集体达成一致的道德规范还是其他什么规范，AI 研究界都应该达成一个更明确或更可行的社会协议。他补充说，对科技的信任度下降也是一个需要解决的问题。
当然，现在已经有很多 AI 道德规范了，但很多都偏模糊，用处不大。比如，吴恩达说他向工程师们阅读了经济合作与发展组织（OECD）的 AI 道德规范，然后问他们如何改变工作方式，工程师们几乎一致表示一点也不需要改变。
对于现有的 AI 道德规范，吴恩达说：
Google 的道德规范很好，Microsoft 的道德规范不错，经济合作与发展组织的道德规范也不差，但我认为我们还需要做更多工作。
正如他们在小组讨论时提到的——可以和受到气候变化影响的人们一起制定解决方案。在今年的 NeurIPS 的 Black in AI 研讨会上，爱尔兰都柏林大学研究者 Abeba Birhane 的一篇关于道德的论文获得了最佳论文奖。论文中，作者也呼吁机器学习从业者与受他们创建的系统影响的群体密切合作。
作为 Google AI 主管，Jeff Dean 表示，Google 也在积极应对气候难题。
在接受媒体采访时，Jeff Dean 表示：
我主要关注的是碳排放和机器学习。在我看来，机器学习项目的碳排放在总排放量中所占的比例还是相对较小的。在 Google 数据中心，我们全年所有计算需求的能源都是 100% 可再生的。
在研讨会一开始的主旨演讲中，Jeff Dean 称气候变化是 21 世纪的问题，并谈到了无碳足迹 AI 的潜力。Jeff Dean 说，让计算实现零碳，有利于避免产生新的问题。但光是算法是不够的，还需要将这些算法集成到系统中，然后将其绑定到将对气候相关问题产生最大影响的应用程序中。解决气候难题是研究者应该做的重要部分。
另外，他还谈到了可以改变行为的方法——比如帮助人们了解自己的碳足迹。在听众提出关于在 Google Maps 上分享二氧化碳预测的问题后，Jeff Dean 说，Google 正在考虑在 Google 搜索结果中包含更多信息，为用户的行为（比如订购商品）给出一个碳排放量预测值。
他说：
我认为，公众通过仔细观察和教育，会明白解决气候变化问题是一件真实、紧迫的事情，而不是虚构的事情——对于这一点我们都已达成共识——我们只需要继续努力，推动教育，让公众接受这一事实，并且做出更好的决定。
同时，Jeff Dean 在研讨会上还指出了一系列有可能对气候产生影响的 Google 机器学习项目，比如旨在创造融合能源的项目，在天气预报等方面使用贝叶斯推理（Bayesian inference）的项目，以及 Sunroof 项目（雷锋网按：通过研究屋顶和当地天气，预测安装太阳能电池板的家庭可以节省的电费开支。）
据悉，今年早些时候，Google 优化了对印度恒河和布拉马普得拉河沿岸的洪水预测。
前不久，Google AI 在一次研讨会海报展示环节展示了一篇论文，重点介绍了如何将机器学习应用于雷达图像来预测降雨。
在当地时间 12 月 12 日接受 VentureBeat 采访时，Jeff Dean 表示支持英特尔 AI 总经理 Naveen Rao 推荐的 AI 硬件碳/瓦特标准。
via VentureBeat，雷锋网编译。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
