AI专家敦促机器学习研究人员应对气候变化

 
在今年的NeurIPS会议上的应对气候变化研讨会上，一些机器学习的顶尖人士汇聚一堂，讨论了气候变化对地球生命的影响，人工智能如何解决紧急问题以及机器学习社区的原因和方式应该参加战斗。
小组成员包括MILA主任兼蒙特利尔大学教授Yoshua Bengio; Google的AI总监Jeff Dean; Google Brain的联合创始人兼Landing.ai的创始人Andrew Ng;康奈尔大学教授兼计算可持续性研究所所长卡拉·戈麦斯(Carla Gomes)。
应对气候变化研讨会探讨了广泛的主题，从使用深度强化学习提高Uber和Lyft等乘车服务的性能，到深度学习在预测野火风险，发现雪崩沉积，提高飞机效率方面的应用改善风能预报，并进行全球太阳能农场普查。
该研讨会由AI气候变化组织组织，该小组在AI研究会议和机器学习从业者与其他领域的人之间的合作论坛上主持研讨会。
Bengio说，更好地应对世界紧迫挑战的重要一步是改变AI研究的价值方式。
Bengio在本周早些时候谈到了他所谓的“基本意识”的发展，他是2018年被引用最多的计算机科学研究员。他说，机器学习社区需要改变对提交给大型会议等研究的态度。通过评估作品对世界的真实影响来评估NeurIPS。
Bengio说：“我认为我们在本次研讨会上谈论的那种项目可能比GAN或其他方面的增量改进更具影响力。”
NeurIPS组织者周三表示，他们可能会将AI模型的碳足迹作为未来论文提交标准的一部分。
“我们计算论文的原因是因为我们只是确定这是我们想要优化的指标，但这是错误的指标。我们应该在思考什么，为什么—“我为什么要从事这项工作，以及我为社会做出什么贡献?”
“目前的心理和文化氛围是如此集中于出版物，您知道-作为第一作者，并将更多的事情放在简历上才能获得一份好工作-这是不健康的。学生和研究人员不会感觉良好。我们感到被压迫，感觉就像我们不得不工作[令人难以置信的小时数]，依此类推。一旦我们开始退后一步，思考我们可以带给世界什么，进行长期可靠的研究的价值，开展能够影响世界的项目(例如气候变化)的价值，我们就会对自己和我们自己感到更好工作，减轻压力，并且最终甚至创造出更好的科学。”他说。
从小变大
该小组还讨论了机器学习中可以最有效地应对气候变化的特定技术进步。
Andrew Ng和其他小组成员呼吁在ML上取得进展，该ML可用于小型数据集和应用程序，例如与迁移学习一起进行的自我监督学习，因此训练模型所需的数据更少。
“许多机器学习，现代深度学习，都在大型的消费者互联网公司中成长起来，这些公司拥有数十亿或数亿用户，并且在气候变化环境中，当我们查看其图像时，它们拥有的数据集很大，”他说。 “有时候，我们只有数百甚至数千张风力涡轮机的图片，或者……[具有这些非常小的数据集，我发现您需要新技术来解决这些问题，[我]我大致看到的是机器在学习进入软件[和]互联网[公司]之外的其他学科时，我们需要更好的技术来处理小数据或低数据机制。”
戈麦斯对此表示同意，并表示应对气候变化的机器学习挑战是一条两条路，解决气候变化造成的问题方面的进步可以促进机器学习的创新。
“我确实认为，[对于] AI和ML的未来，一项重大挑战是科学发现。确实，如何嵌入先验知识，科学推理以及如何处理小数据。”戈麦斯说。
在更早的NeurIPS研讨会上，Facebook AI研究总监Yann LeCun谈到了机器学习中的能源效率对于实现像AR眼镜这样的新技术是必需的。
在小组讨论中，迪安建议转移学习和多任务学习的进步都是很有希望的技术，可以应用于气候变化。他说，气候变化的挑战至少可以成为这些技术有趣的试验台。
基础
小组成员并没有谈论气候解决方案。实际上，他们在解决这些问题上已经有一段时间了。
6月，Bengio，Ng和Gomes加入了由20多个气候变化AI指导委员会和顾问成员组成的干部，其中包括DeepMind创始人Demis Hassabis。他们一起发表了一篇题为《通过机器学习应对气候变化》的论文，其中包含650篇参考文献。您可以在论坛的网站上找到可搜索的摘要和随附的数据集。
本文探讨了机器学习在气候变化中的应用，例如预测供需或极端天气事件，或可以使城市，交通和电力系统更加高效的预测性AI。
作者说，本文不仅针对AI从业人员，还可以帮助需要有意义地参与气候变化工作的许多人，包括企业家，投资者，企业和政府领导人。
关于机器学习从业者如何开始应对气候变化的问题，Ng建议不要关注问题的规模，而应从审查相关数据集，与朋友进行实验开始，并最终发表您的研究成果或进行对话与气候科学家。
Gomes建议与机器学习研究社区外部的人员合作。
“我确实担心计算机科学。我们认为我们擅长所有工作-提出完全不切实际且在特定领域中没有意义的解决方案，因此与专家建立联系并建立网络很重要。”她说。
Bengio说，要防止“严重改造车轮”，需要谦虚并与可以应用ML的领域的专家合作。
Lester Mackey在Microsoft Research上研究的模型可以预测两到六周的亚季节天气预报，以更好地预测由于气候变化而已发生的洪水，火灾和变化。
他建议参加气候变化竞赛是入门的好方法。
Mackey说：“空间中有很多低垂的果实，这对于每个人都可以进入并填充该空间非常有用。”
道德守则
Ng建议AI研究界采用更严格的道德规范以及法律保护来支持这些道德规范，就像医生对待患者一样。他说，任何行为准则都应由AI研究社区为AI研究社区编写。
Ng表示，无论是集体商定的道德准则还是其他准则，都应该在AI研究界内部达成更为明确或可行的社会协议。他补充说，对技术信任的削弱是需要解决的问题。
当然，已经有许多AI道德规范。但是许多内容太含糊，无法使用。例如，Ng表示他向工程师阅读了OECD的AI伦理原则守则，然后问他们如何改变工作方式。反馈几乎是“完全没有”。
关于现有的AI道德规范，Ng表示：“ Google的思想很深，微软的思想很深，我认为OECD的思想很深，但是我认为我们还有很多事情要做。”
小组讨论还谈到了在创建旨在应对气候变化的解决方案中纳入受气候变化影响的人们的重要性。
都柏林大学研究员Abeba Birhane在上周在NeurIPS的Black in AI研讨会上获得最高论文奖的有关关系伦理的论文中，呼吁机器学习从业者与受其创建的系统影响的社区紧密合作。
在启动研讨会的主题演讲中，Dean称气候变化是21世纪的问题，并谈到了无碳足迹的AI的潜力。
“我们可以使计算本身为零碳，这样它就不会对实际用于某些问题的解决方案有所帮助。仅算法是不够的。您确实需要将这些算法集成到系统中，然后再绑定到对气候相关问题影响最大的应用程序中，而应对严峻的气候问题是我们应该做的重要部分。”
他还谈到了改变行为的方式，例如帮助人们了解自己的个人碳足迹。在听众询问有关在Google Maps中共享二氧化碳预测的问题之后，Dean表示，该公司正在考虑在Google搜索结果中包含更多信息，以便为用户提供他们做出的选择的预测碳排放量，例如订购某种产品。
“我认为，对公众进行仔细的观察和教育，以使语言清楚地表明这是真实的，迫在眉睫的事情，而不是虚假的事情;我认为科学共识是100%的事情;我们只需要继续尝试推动教育所有人，不仅使他们接受这种情况，而且使他们能够做出更好的决定。”他说。
迪恩还重点介绍了可能对气候产生潜在影响的Google机器学习项目，例如旨在创造聚变能的项目，使用贝叶斯推理进行天气预报等项目以及研究天窗项目的项目，该项目着眼于人的屋顶和当地的天气状况如果他们选择安装太阳能电池板，则可以预测总节省额。 Google还在今年初扩大了对印度恒河和雅鲁藏布江沿岸居民的洪水预报。
谷歌AI在周六的研讨会海报会议上发布的一篇论文强调了如何将机器学习应用于雷达图像以预测降雨。
在周四接受VentureBeat采访时，Dean支持英特尔AI总经理Naveen Rao建议的AI硬件的每瓦碳标准基准，并分享了他对2020 AI趋势的看法。
下一次使用机器学习应对气候变化研讨会将在2020年4月在埃塞俄比亚亚的斯亚贝巴举行的ICLR会议上举行。