吴恩达、Jeff Dean、Bengio对话：如何用机器学习应对气候变化 | NeurIPS 2019

十三 2019-12-17 12:32:03 来源：量子位

十三 发自 凹非寺
量子位 编译 | 公众号 QbitAI

机器学习该如何加入应对气候变化这场硬仗？

在今年的NeurIPS会议上，机器学习大神们聚集在一起，讨论了人工智能如何应对气候变化对地球生命的影响。

研讨组包括图灵奖得主、蒙特利尔大学教授Yoshua Bengio；谷歌人工智能主管Jeff Dean；LandingAI创始人吴恩达；康奈尔大学教授Carla Gomes以及斯坦福统计学教授Lester Mackey。

气候变化是人类面临的越来越严重的问题。

全球变暖、冰川消融、海平面上升、极端天气事件频发等等，人类的生存正在逐渐受到威胁。

科学家们已经从很多不同的角度对气候变化进行了深入的研究，提出了很多应对气候变化的策略。

而火遍各行各业的机器学习也加入到了这场战斗中。

量子位整理了此次研讨会上机器学习大神们针对这个问题的讨论。

重视研究的价值

Bengio表示：

若是要更好地应对世界紧迫挑战的问题，关键步骤就是改变对人工智能研究的价值观。

机器学习领域需要评估自己所做工作对世界带来的影响，以此来改变将研究提交给大型会议(例如NeurIPS)的态度。

Bengio表示，在研讨会上讨论的这些问题的价值，可能比GAN或其他研究所带来的机器学习进展更具有影响力。

我们可能会认为每年申请顶会的论文数量是一个领域进步、发展的表现，但这完全是一个错误的度量标准。我们应该思考的是为什么要做这项工作，以及会对社会带来什么贡献。

许多研究人员都过于注重“论文发表”这件事，会认为简历上能再丰富点会对找工作有好处。

“这是不健康的，这不该是学生和研究人员应当拿出来觉得骄傲的事情”，Bengio说。

如果我们对科研有这样的价值观，那么我们就会感受压抑，需要花更多的时候投入到工作中。

一旦我们从这个问题中抽身出来，开始思考我们能为世界带来什么，从事可以影响世界的工作(例如气候变化)，那么我们的工作压力就会变小，甚至最终能够创造出更好的科学结果。

从小问题开始着手

专家组还讨论了机器学习领域中一些具体技术的发展，他们认为这些进步可以有效地应对气候变化问题。

他们呼吁使用小型数据集和应用，如自监督学习和迁移学习，这样训练模型就会需要更少的数据。

吴恩达表示，许多机器学习、深度学习都是在大型消费互联网公司中发展起来的，这些公司拥有数亿或者数十亿的用户，以及大量的数据集。

在气候变化这一问题上，我们可能有时只有数百或数千张风力涡轮机之类的照片，可以说是非常小的数据集。

你会发现需要新的技术来解决这些小数据集中存在的问题。

Gomes对此表示赞同。

她认为致力于应对气候变化的机器学习挑战是一条双行道，在解决气候变化问题方面取得的进展可以促进机器学习的创新。

我确实认为，对于人工智能和机器学习，一个巨大的挑战就是科学发现。

如何嵌入先验知识、科学推理，以及如何处理小数据。

Jeff Dean认为，在解决气候变化问题时，迁移学习和多任务学习都是较有希望的技术。

气候变化的挑战至少可以为这些技术提供一个有趣的实验平台。

基础工作

虽然专家们在此次研讨会中并没有给出具体的解决方案，但事实上，他们研究气候变化问题已经有一段时间了。

今年6月，Bengio、吴恩达和Gomes便加入了一个由20多名气候变化AI顾问组成的团队，其中还包括DeepMind创始人Demis Hassabls。

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，参考文献数量便高达650篇。

这篇论文探讨了机器学习在气候变化方面的应用，比如预测供需或极端天气事件，或者预测人工智能，它可以让城市、交通和电力系统变得更有效率。

关于机器学习研究人员如何开展应对气候变化的问题，吴恩达建议：

与其关注问题的规模，不如从回顾相关数据开始，与朋友一起做实验，最终发表你的研究成果，或者与气候科学家进行对话。

Gomes表示：

我确实对计算机科学表示担心，我们认为自己什么都擅长，但是想出来的解决方案完全不切实际，在特定领域毫无意义，因此与专家建立联系非常重要。

加强AI道德规范

吴恩达还建议人工智能研究界采用更严格的道德规范，同时提供法律的保护。

当然，目前已经有很多人工智能的道德规范，但是都太过于模糊，吴恩达认为是没有用处的。

谷歌、微软和经合组织的AI道德规范是经过深思熟虑的，但我认为还需要做更多的工作。

专家组还提到了在制定应对气候变化的解决方案时，让受气候变化影响的人参与进来的重要性。

在研讨会开始时的主题演讲中，Jeff Dean称气候变化是21世纪的问题，并谈到了人工智能结合无碳足迹(no carbon footprint)的潜力。

我们可以让计算本身为零碳排放，这样它就不会对实际应用中的问题产生影响，也不会对这些问题的解决方案产生影响。

仅有算法是不够的。你真的需要把这些算法集成到系统中，然后把它们绑定到对气候相关问题影响最大的应用程序中，而解决气候问题是我们应该做的一个重要部分。

我认为，应该让公众明白这是一件真实、迫在眉睫的事情，而不是虚构的事情。

科学界对此的认可是100% 的。我们只需要继续努力推动教育每一个人，不仅要让他们真正接受正在发生的事情，还要让他们知道他们能做什么来改变现状。

Jeff Dean还强调了谷歌的机器学习项目，这些项目有潜在的气候影响。

比如一个旨在创造聚变能源的项目，一个使用贝叶斯推断技术进行天气预报的项目，以及一个通过观察人们的屋顶和当地天气模式，来预测如果他们选择安装太阳能电池板将会节省多少钱的项目。

今年早些时候，谷歌还扩大了对印度恒河和 Brahmaputra 沿岸居民的洪水预测。

传送门

VB：
https://venturebeat.com/2019/12/16/ai-experts-urge-machine-learning-researchers-to-tackle-climate-change/

论文地址：
https://arxiv.org/pdf/1906.05433.pdf