人工智慧能幫忙！運用機器學習，對抗氣候變遷的 10 種方式／2019 NPOst 年會前導報導
NPOst 一年一度的公益盛會我們嘗試檢視數位在公益行動中扮演的關鍵角色，「公益 X 創新 X 科技 X 行動」的最新結合，探討如何使公益立基於數位之上，以囊集 6000 家 NGOs 調查的全球公益組織數位趨勢報告，透過公益與科技的各種新式聯姻，期待讓實踐公益的方式質變，讓社會的公益影響力量變。
如阿基米德如何撬動一個地球，今年，我們要從公益發力，以臺灣做為支點，數位科技就是那根夠長的槓桿，讓我們撐起一個地球的好事！
5 人揪團優惠票熱烈搶票中——如果你還在猶豫，良機轉瞬即失，今年場地只能容納 300 位公益夥伴，不要讓我們錯過你！
文／Karen Hao 譯者／金建寧
當我們面臨氣候變遷的威脅，機器學習（machine learning）或許能提供一些幫忙！
有一些知名人工智慧研究機構繪製了路徑圖，提出機器學習有助防止地球和人類遭受危難。這份報告涵蓋了機器學習可能應用的 13 個領域，從電力系統、農場、森林到氣候預測，報告針對每個領域，說明機器學習的貢獻，包括電腦視覺（computer vision）、自然語言處理（natural-language processing）和強化學習（reinforcement learning）。
圖／Farzad Nazifi@ unsplash
另外，報告建議機器學習可分為 3 個類別。「高槓桿率」為高度適用機器學習的議題，這類應用可能會產生特別大的影響力；「長期性」為直到 2040 年前不會獲得結果的解決方案；「高風險性」則為某些成果較少的項目，這是由於科技未成熟抑或知識不足以評估結果。報告中，許多建議概述了目前已在進行，但尚未規模化的成果。
這份報告的編撰工作由賓州大學博士後研究員大衛．羅尼克（David Rolnick）主導，並由數位知名人士擔任顧問，包括「谷歌大腦」（Google Brain）共同創辦人暨重要人工智慧企業家和教育家吳恩達（Andrew Ng）、DeepMind 創辦人暨執行長傑米斯．哈薩比斯（Demis Hassabis）、微軟研發中心總經理珍妮佛．查葉斯（Jennifer Chayes）以及最近因對該領域的貢獻而獲得圖靈獎（Turing Award）的約書亞．班吉歐（Yoshua Bengio）。這些研究學者針對機器學習可提供助益的領域，提供了非常完整的清單，但他們也強調，如果要遏制氣候邊謙急遽惡化，機器學習並非萬靈丹，最終政策仍是有效且大規模的氣候行動。
發揮 AI 的影響力：10 個高度適用機器學習的議題
以下僅列舉報告裡其中 10 個「高槓桿率」建議。點選此處以閱讀完整版。
1. 增進用電預測
若我們將仰賴更多再生能源，電業公司需採用更好的預測方式，針對所需能源用量進行即時、長期的預測。
演算法已能用於預測能源需求，但可藉由將更細微的氣候型態或家庭行為納入考量。此外，提升演算法的解釋力，亦有助於公用事業業者了解其產量，並應用在規劃再生能源使用時機。
2. 加速開發新材料的過程
科學家需開發能更有效儲存、獲得和使用能源的材料，但發現新材料的過程通常緩慢又粗糙，因此，機器學習可找出、設計和評估具有所需特性的化學結構，以加速過程。
舉例來說，機器學習有助開發太陽能燃料，以儲存來自陽光的能源，或是辨識出效益更佳的二氧化碳吸附劑，或製造過程碳用量低許多的材料，也許未來某一天，後者可取代佔全球溫室氣體排放量將近 10% 的鋼鐵和水泥。
圖／Alexandru Tudorache@ unsplash
3. 優化交通路線規劃
由於全球貨物運輸涉及不同尺寸、運輸方式以及地點，運輸是複雜且高度缺乏效率的過程。機器學習有助於找出可集結最多貨物，以及把所有旅程次數降至最低的方法，發生運輸中斷事件時，系統也具有較佳的回復力。
4. 降低導入電動車的門檻
電動車是運輸脫碳化的關鍵策略，但是導入電動車會面臨幾項挑戰，而機器學習有助於克服這些挑戰。
舉例來說，演算法可改善電池能源管理，增加每次充電可行駛的里程數，減少「里程焦慮」。演算法也能塑造和預測集體充電行為，幫助電網業者符合和管理電池負載。
5. 打造更高效的建築物
智慧型控制系統（intelligent control systems）可依據氣象預報、建築物的使用目的及環境條件，調整室內空間的暖氣、冷氣、通風、照明需求，大幅降低建築物的能源消耗量。智慧建築亦可直接與電網互通，當偵測到電力短缺時，減少目前用電量。
圖／Sean Pollock@ unsplash
6. 提供數據，協助估計碳排放量
世界上許多地區缺乏能源消耗及溫室氣體排放量數據，對這些地區來說，缺乏數據可能會是設計和實行減碳策略主要的障礙。
然而，電腦視覺技術可從衛星影像取得建築物輪廓和特性，藉由機器演算法，可估算整個城市能源消耗量。上述技術也可以辨識出應該被改建的建築物，以發揮最高效能。
7. 優化供應鏈、提升消費性商品價值
如同優化交通運輸路線，機器學習也可以大幅解決食品、時尚與消費品產業供應鏈的低效能與碳排放量，更精準地供需預測，可明顯減少生產與運輸方面的浪費，而低碳產品建議，可助長對環境更友善的消費行為。
8. 提升精準農業規模化的可能性
世界上大部份的國家，農業大多以單一耕作（monoculture）為主，意指在廣大土地上生產單一農作物。該作法使農夫在利用曳引機與自動化工具管理農地上更加輕鬆，但也剝奪了土壤養分，降低土地生產力。因此，許多農夫極為仰賴氮肥，其可轉化為一氧化二氮或氧化亞氮，這種溫室氣體的濃度比二氧化碳高 300 倍。
圖／Levi Morsy@ unsplash
以機器學習軟體操作的機器人，可幫助農夫在大規模上更有效地管理混合作物，演算法則可幫助農夫預測何時該種植何種農作物，進而讓土地恢復健康，減少對肥料的需求。
9. 改善森林砍伐之追蹤
森林砍伐佔全球溫室氣體排放量約 10%，但追蹤和防止森林砍伐是冗長的過程，需仰賴人力在地面上進行。
衛星影像和電腦視覺可自動分析大規模的樹木覆蓋度，而地面上的感測器搭配可偵測電鋸聲音的演算法，則有助執法單位遏阻非法活動。
10. 促使消費者改變購物方式
廣告商用來鎖定消費者的技術，可協助我們以更具環保意識的方式做事，例如，消費者可接受在商品上加上特別的設計，以響應節能計畫。
延伸閱讀：
