人工智能助力拯救世界的三种方式

: By 艾琳·比巴，恩西亚

图片来自美国宇航局地球探测器

随着计算机变得越来越智能，科学家们正在寻找新的方法，让计算机参与环境保护。

提到人工智能，人们首先想到的可能是像人类一样行走、说话、表达情感的智能机器人。但还有一种人工智能正在几乎所有科学领域迅速普及，它被称为机器学习。机器学习的核心在于利用计算机来处理现代技术所产生的海量数据（即“大数据”）。

机器学习最能发挥作用的领域之一是环境科学。环境科学通过监测地球的各种系统（例如地下含水层、气候变暖或动物迁徙等）积累了海量信息。在这个被称为“计算可持续性”的新兴领域，涌现出大量项目，这些项目将收集到的环境数据与计算机发现趋势和预测地球未来的能力相结合。这对科学家和政策制定者来说非常有用，因为它可以帮助他们制定在不断变化的世界中生存和发展的计划。以下仅列举几个例子。

为了鸟类——以及大象

康奈尔大学似乎正引领着这一新兴领域的发展，这很可能是因为它拥有…… 计算可持续性研究所此外，该研究所的负责人卡拉·P·戈麦斯（Carla P. Gomes）也是计算可持续性领域的先驱之一。戈麦斯表示，该领域起源于2008年左右，当时美国国家科学基金会拨款10万美元，旨在推动计算机科学家开展具有社会效益的研究。自那时起，她的团队以及世界各地的科学家团队都积极响应并推进了这一理念。

机器学习可以帮助环境保护的一个重要领域是物种保护。特别是，康奈尔研究所一直与康奈尔鸟类学实验室合作，将观鸟者的热情与科学观察相结合。他们开发了一款名为……的应用程序 eBird 这使得普通民众能够提交他们观察到的鸟类数据，例如在特定地点可以找到多少种不同的鸟类。戈麦斯表示，到目前为止，他们已经收到超过300,000万名志愿者提交的超过300亿条观测数据，相当于超过22万小时的实地考察时间。

这段树燕年度迁徙的动画展示了如何利用计算可持续性技术来预测种群在空间和时间上的变化。图片由康奈尔鸟类学实验室的丹尼尔·芬克提供。

该研究所的模型结合了从 eBird 收集的数据、实验室自身的观测数据以及从遥感网络收集的物种分布信息，利用机器学习来预测某些物种的栖息地将发生哪些变化，以及鸟类在迁徙过程中将沿着哪些路径移动。

“我们有很多地方缺乏观测数据，但如果将出现和消失的模式联系起来，我们就会发现这些鸟类喜欢某种特定的栖息地，然后我们就可以进行概括，”戈麦斯说。“我们实际上是在使用复杂的模型——机器学习算法——来预测鸟类的分布情况。”

然后，他们可以将预测结果与政策制定者和自然保护主义者分享，后者可以利用这些预测结果来决定如何最好地保护鸟类栖息地。

例如，戈麦斯说，根据通过eBird收集并由合作伙伴处理的信息，大自然保护协会已经建立了一个加州干旱地区实行“反向拍卖”比如，向稻农支付费用，让他们在鸟类迁徙需要中途停留地时，保持稻田里的水源。“这之所以成为可能，是因为我们拥有先进的计算模型，能够为我们提供关于鸟类分布的高精度信息，”戈麦斯说。

鸟类并非该研究所唯一的研究领域。该研究所的许多工作都与野生动物保护有关——例如，聆听数小时的森林录音，以绘制大象叫声和偷猎者枪声的地点；或者追踪灰熊，以建立一条它们可以安全穿越荒野的走廊。

加快速度

美国宇航局戈达德太空飞行中心的研究科学家塞西尔·鲁索正在利用机器学习技术，更好地了解海洋中浮游植物（也称微藻）的分布情况。这些微小的植物漂浮在海面上，产生我们呼吸所需的大部分氧气。它们是海洋食物网的基础。此外，它们还会吸收二氧化碳，并在死亡后将碳带入海底。

“如果没有浮游植物，二氧化碳的增幅会比现在更大，”鲁索说道。正因如此，浮游植物的总体状况对于试图了解大气二氧化碳变化影响的研究人员来说至关重要。₂ 我们这个星球上。

{{youtube}eM5lX9RQzZ4{/youtube}

鲁索正在利用卫星图像和计算机建模来预测世界海洋浮游植物的现状和未来状况。目前，该模型只能估算地球上微藻的总数及其随时间的变化情况。但一项名为“ 和平（针对“气溶胶前云和海洋生态系统”），将于 2022 年启动，它将开启一个全新的数据集，更仔细地研究种群，并能够识别不同的物种，而不是仅仅关注整体，这将极大地改变当前的模型。

“该模型利用基于温度、光照和营养物质的参数来预测生长量。模拟过程所做的只是调整总生长量，”她说道。但浮游植物种类繁多，它们与环境的相互作用方式也各不相同。例如，硅藻体积庞大，沉入海底的速度非常快，而且需要大量的营养物质。PACE项目将使我们能够识别海洋不同区域的浮游植物类型，从而扩展模型的功能，帮助我们了解这些微生物如何影响大气中的二氧化碳浓度。₂它还将使我们能够预测危险的藻类爆发，并有可能找到利用大量消耗碳的物种的才能来应对气候变化的方法。

地球立方

谈到地球整体，美国国家科学基金会正在利用机器学习技术创建一个覆盖整个地球的三维动态模型。这个名为“地球立方”（EarthCube）的数字模型将整合来自众多学科的科学家提供的数据集——例如大气圈和水圈的测量数据，以及海洋地球化学数据——以模拟地表、水圈和地下的各种状况。由于该模型将包含海量数据，因此能够模拟不同的环境条件，并预测地球系统将如何响应。有了这些信息，科学家们就能提出避免灾难性事件发生的方法，或者在那些无法避免的事件（例如洪水或恶劣天气）发生之前就做好应对准备。

地球立方 EarthCube 将数据集结合起来，创建了一个模型，该模型可用于预测和最大限度地减少灾难性事件造成的损失。
图片由Jeanne DiLeo/USGS提供作为地球立方项目的一部分，美国地质调查局正在参与一项国家科学框架项目，旨在生产…… 数字地壳该框架将有助于更准确、更可靠地了解地球的地下过程，例如地下水平衡和含水层系统的健康状况。“我们将能够进行科学计算，显示地下水位随时间的变化，并将其与未来情景进行对比，”美国地质调查局（USGS）生物地理特征分析部门负责人兼EarthCube数字地壳项目USGS团队负责人Sky Bristol表示。

布里斯托尔表示，当来自立方体不同部分（例如地壳和大气层）的两个模型需要相互作用时，机器学习也能发挥作用。例如，当地下水开采量增加和气候变暖同时加剧时，情况会是什么样子？

数字地壳计划于今年夏季完成。数字地壳以及所有地球立方项目都将数据和软件开源。因此，几年之内，任何人都可以使用机器学习来预测未来地球的各种可能性。这意味着，致力于了解地球各种系统及其变化如何影响人类的地球科学家们，将拥有一个全新的工具，使他们能够与世界各地的人们共享数据——这将使他们的预测更具影响力，并使人类有机会主动应对不断变化的世界，而不是被动反应。

这些例子只是计算可持续性如何改变——并且正在改变——我们使人类在地球上的生活更加可持续这一宏大图景的一小部分。仅在康奈尔大学，其他利用这项技术的项目就包括：绘制发达国家贫困地区的分布图并评估减贫措施的有效性；确定捕捞政策对海洋渔业的影响；发现可用于捕获太阳能的新材料；确定船舶撞击对鲸鱼种群的影响；甚至还研究了美国提高汽油税的效率和影响。如果目前的趋势可以作为参考，那么在未来几年，我们可以期待听到更多关于人工智能如何帮助我们使世界变得更美好的消息。

本文最初发表于 Ensia