面对严峻的可持续发展问题，人类举步维艰。也许机器可以做得更好。
每年，人类活动向大气层排放约 3.5 亿吨甲烷。这种气体会捕获热量，导致自工业革命以来全球气温上升了约三分之一。虽然二氧化碳的排放是化石燃料燃烧不可避免的副产品，但大部分泄漏的甲烷都是管理不善的结果。除了农业等分布式排放源之外，油井、管道泄漏或垃圾填埋场渗漏也排放出大量高浓度的温室气体。停止这些排放将有助于减缓全球变暖，但要对羽流追根溯源是一项复杂且劳动密集的工作。要确定甲烷问题的根源，可能需要诸多数据源和多轮分析。
天空之眼
也许有捷径。英国国家地球观测中心的 Peter Joyce 博士和他的同事们已经证明，人工智能（AI）技术可以从卫星图像中识别和量化甲烷排放。他们使用天气模拟软件创建了不同大小的甲烷羽流的模拟图像，然后训练AI系统来识别它们。一旦系统知道自己在寻找什么，他们就会将这种方法应用到真实世界的数据中。事实证明，这种方法在发现和评估甲烷羽流方面比传统方法更快，只需一分钟左右就能在覆盖范围 900 平方公里的卫星图像中发现 21 个羽流。
当我们试图更好地了解并减轻人们对地球的影响时，却发现甲烷只是我们面临的数百项挑战之一。从测量海冰或海洋垃圾的变化，到评估森林的健康状况或预测当地空气质量的变化，环境问题通常涉及大量复杂数据和不确定性。处理这些数据对人类来说既费力又困难，但对于设计精良的 AI 系统来说，却可能轻而易举。
除了帮助我们了解世界，AI还能帮助我们更好地管理世界。它不仅能监测和预测事态发展，还能提出建议，作出决策。而世界正迫切需要更好的决策。2015 年，联合国就《2030 年可持续发展议程》达成一致协议，该议程包括 17 项目标和 169 项具体目标，旨在改善健康和教育，减少不平等现象，促进经济增长，同时应对气候变化，努力保护海洋和森林。在 2023 年的峰会上（可持续发展议程的实施已进入中期阶段），联合国秘书长安东尼奥·古特雷斯警告说，全球仅有望实现其中 15% 的目标，“许多目标正在倒退”。
昂贵的教育
AI 技术在带来好处的同时，也带来了环境成本。这些技术的使用成本低、效率高，但建造这些技术需要大量资源。
耗电大
AI模型需要投入大量资源。OpenAI 的 GPT-3 系统在训练过程中使用了约 1,287 兆瓦时电力，并产生 552 吨二氧化碳排放量。这相当于普通欧盟公民每年排放量的 70 多倍。开发人员正在研究学习速度更快或需要更少训练的AI模型。
以人脑机制为基础
现代 AI 系统的开发受到人脑启发。它们依赖神经网络，这是由简单元素组成的多层网络，可以共同处理复杂数据。操作神经网络所需的计算非常简单，因此，它们能快速处理复杂数据。
边工作边学习
神经网络不像传统计算机系统那样需要编程，而是需要训练。这需要向系统输入数百万个例题，并逐步调整其连接，直到它在大多数情况下都能产生良好的解决方案。寻找或创建足够的数据来训练神经网络模型是AI开发的一大关键挑战。
2020 年，瑞典皇家理工学院（KTH）的一个团队在《自然通讯》期刊发表了一篇被广泛引用的文章，评估了AI 对可持续发展目标可能产生的影响。他们发现，AI 有可能成为实现其中 134 项目标的推动力，几乎占到所有目标的五分之四。
该校工程力学系副教授 Ricardo Vinuesa 是该研究的主要作者之一，他表示：“我们发现在很多领域，AI 可以让你做以前不可能做到的事情。例如，你可以利用 AI 分析卫星数据，找出农作物歉收、赤贫风险增加的地区，然后设法协调行动，帮助这些地区。”其他具有巨大潜力的领域包括：利用 AI 来优化以可再生电力为主的能源网络中供需双方的复杂关联；也可以用于数字化集成智能城市中交通流量的管理。
杜绝浪费
这是理论。实际情况如何？当 AI 聊天机器人成为全球头条新闻，其他系统也在从事着不那么光鲜的工作。例如，美国、英国、德国、日本或韩国等一些国家已经开始采用 AI 技术来优化废弃物管理。AI 不仅能在垃圾分类和分拣方面大显身手，还能规划垃圾收集的路线和时间表。垃圾箱中的装载水平传感器能监测垃圾量，并显示是否需要收集垃圾。这减少了收集车辆造成的尾气排放和交通拥堵。在新加坡的一个商业和研究园区榜鹅数码新区，全球首个大规模的智慧能源网正在建设之中。该区的建筑物将能够与系统进行通信，并根据不断变化的条件智能调整其耗电量。
芬兰电信设备制造商诺基亚则开发了一种 AI 工具，用于提高移动数据网络的能效。该系统分析并预测无线电塔和计算机系统的需求，在数据流量较低时自动调整或关闭设备。该公司表示，这一方法可将移动网络的能耗和二氧化碳排放量最多减少 30%。这比运营商采用传统方法节省的能源高出二到五倍。
化工行业也在追求AI驱动的效率。例如，巴斯夫几十年来一直在逐步实现其一体化生产基地的数字化。该公司正在中国湛江建造全新基地，该基地将有望从建造设计初期就实现数字化。“AI 有助于提高资源和能源效率，从而实现可持续运营”，巴斯夫生产和技术数字化负责人 Andreas Wernsdörfer 博士说。“这将有助于使湛江一体化基地成为全球碳足迹最低的化工综合基地。”为了实现这一目标，巴斯夫收集了大量实时现场数据，以提高整个一体化基地的透明度。Wernsdörfer 补充道：“未来，我们的数字化工具将全面追溯可再生材料在整个价值链中的部署时间和地点。接下来，我们将使用AI算法来模拟现场运营团队可以采取哪些措施来促进更高的碳减排，例如，在生产装置中进行精确的工艺和控制设置。”
锱铢必较
在其他地方，农户正在借助数据和 AI 来提高作物产量，同时减少碳排放和节约供应。例如，巴斯夫数字农业与博世合资开发的 ONE SMART SPRAY 解决方案，利用图像识别技术来识别生长在作物之间的杂草。杂草管理系统仅需花上几毫秒，便可准确定位并向需要的地方喷洒除草剂。这样能最大限度地节省除草剂。
农业AI也在帮助农民看到更全面的景象。Heinrich Esser 是德国西部小镇维特韦斯-凯尔兹（Vettweiß-Kelz）农场的第六代传人。这片土地生产谷物、马铃薯和芦笋或草莓等特种作物。
“对我们而言，农场和田地的耕作方式非常重要，以便我们的子孙后代也能以此为生。我们不仅要靠自然生存，还要与自然共生”，Esser 说。这意味着需要采取一套既能优化产量，又能控制水、肥料和作物保护产品等使用量的策略。Esser 农场每吨小麦生产所排放的二氧化碳当量*为 150 千克，其作物碳足迹约为德国普通农场的一半。
但他希望做得更好。2022 年，他的农场成为巴斯夫和德国最大的农产品批发商之一莱茵美茵财政中心（Raiffeisen Waren-Zentrale Rhein-Main）新气候伙伴农业项目 的试验基地。他说：“未来几年，我们农场的试验田将测试不同的种植策略，目标是将小麦生产的碳排放量减少 30%。”
这种方法的核心是数字和AI技术。巴斯夫的农技支持平台 xarvio® FIELD MANAGER（亦是一款 App）可及时提供优化作物生产的建议。这包括对作物做什么、做多少、何时做，以及对播种、施肥和作物保护使用的建议。气候伙伴农业项目目前正在向其他农场推广。
零剩菜
餐厅正在采用 AI 技术来减少浪费。Winnow 系统利用AI摄像头识别进入垃圾桶的食物残渣。员工会告诉系统食物为何被丢弃，管理人员则可以利用由此获得的数据来调整食物的份量、食谱和采购数量。
AI还能帮助消费者更好地利用冰箱里的剩余食物。Dishgen 和 Plant Jammer 等服务利用AI技术，根据用户的喜好和现有的食材推荐食谱。
皆大欢喜？
身处于斯德哥尔摩办公室的 Vinuesa 明确表示，AI 革命给可持续发展同时带来了风险与好处。他说：“我们发现，联合国可持续发展目标只有 35% 或可能会受到 AI 的负面影响。但即使是一个目标受到负面影响，也值得担心，因为其连带后果可能不可预测。”
他解释说，许多风险源于人们在应用 AI 时作出的选择。例如，AI 优化工业生产的目的可能是降低成本，却忽视了由此产生的污染。他补充道，信息获取的不平等也可能带来挑战。AI 技术可能会加剧贫富差距，因为有能力开发和部署新工具的富裕地区、行业和公司将会从中获益。
还有一种风险是人们过于相信这些技术能够解决棘手的可持续发展议题。普华永道咨询公司（PwC）的分析师在评估AI在环境领域的应用时发现，相关应用有机会将全球 GDP 提高 3.1% 到 4.4%，同时将碳排放量减少 1.5% 到 4%。但这远远不够实现全球净零排放的目标。
即使是领先的AI也对自身的潜力持谨慎态度。大型语言模型 ChatGPT 表示：“AI 可以成为帮助人类保护和恢复环境的有力工具，但它必须是政策变革、教育和国际合作等在内更广泛战略中的一部分。”对此，Vinuesa 表示赞同，并深信不疑：“行业、政府和广大群众更充分地了解 AI 的能力和局限，将是开发其潜力的关键。”
