人工智慧不會主宰世界，反而正在幫助我們拯救地球，有實例證明！

提起人工智慧，首先想到的可能是能像人類一樣走路、說話和做出表情的機器人，栩栩如生。但是，還有一種不同類型的人工智慧，它正在各個科學領域流行起來。那就是機器學習，支持計算機分類整理現代技術產生的海量數據。

環境科學領域，正成為機器學習可以大展身手的領域之一，來自偵測地球情況的各個系統——比如，地下蓄水層，氣候變暖，動物遷徙等方面——已經生產海量信息。在這個相對較新的領域，亦即可持續性計算（ computational sustainability）里，已經產生了一系列研究項目，將從環境中搜集到的數據與計算機能力結合起來，發現趨勢，並對地球的未來做出預測。對科學家和政府來說，這很有用，因為它能幫助他們做出規劃，如何在這個不斷變化的世界中生存並生活下去。茲舉幾個例子：

保護鳥類和大象

康奈爾大學似乎在這一前沿領域獨佔鰲頭，可能因為他們已經成立了一個可持續性計算協會（ Institute for Computational Sustainability），也可能因為這個機構的負責人是 Carla P. Gomes，可持續性計算研究先驅之一。她說，這個領域從2008年開始起步，當時，國家科學基金會獎勵了1000萬美元，旨在鼓勵計算機科學家研究那些可以讓社會受益的領域。自那時起，她的團隊——和全世界的科學家團隊——已經採納這一想法並推行它了。

在環境領域方面，機器學習的一個主要應用是物種保護。特別是，康奈爾學院已經和康奈爾鳥類學實驗室聯手，將獵鳥者的驚人狂熱與科學研究結合在一起。他們已經研發出一個叫做 eBird 的應用程序，可以讓普通用戶提交他們在周圍觀察到的鳥類數據，比如，在某一給定區域可以發現多少種不同的鳥類。到目前為止，Gomes 說，超過30萬志願者提供了3億多個觀察數據，相當於2200萬個小時的田野調查工作量。

點擊播放 GIF/378K

這幅白肚燕每年遷徙活動的動畫表明，如何將可持續性計算技術應用於預測超越時空的種群變化。

將從 eBird 搜集的數據與實驗室自己的觀察數據以及從遙感網路搜集的物種分布信息結合起來，該機構利用機器學習預測某些種類棲息地的變化，以及鳥類遷徙路徑。

「沒有觀察的地方肯定和觀察到的地方存在差異，但是，如果你將出現的模式與預設的模式聯繫起來，我們就能發現這些鳥喜歡某種棲息地，然後，就能進行歸納，」Gomes說，「我們正在真的使用成熟的模型——來自機器學習的演算法——預測鳥類分布。」他們可以將結果分享給政府，或環保生態環境保護者，這些人可以用這些信息做出決策，看看如何最好的保護鳥類棲息地。

Gomes 說，比如，基於 eBird 搜集、團隊處理過的信息，大自然保護協會已經在加利福尼亞乾旱地區設立了一個「逆向拍賣（reverse auction）」項目，付錢給種水稻的農民，在鳥類遷移期間，或者在鳥類需要可以停留的棲息地的時候，保留田地中的水分。「之所以能實現這點，是因為我們有先進的計算模型，提供了精準的鳥類分布信息。」她說。

研究領域不限於鳥類。該協會工作很大一部分與野生動物保護有關——比如，聽幾小時的森林錄音，繪製大象叫聲，以及偷獵者槍聲的所在位置的地圖，或者跟蹤黑熊蹤跡，研發出來一個可以讓他們在野外安全通過的森林通道。

PACE 項目

美國宇航局的戈達德太空飛行中心，科學家研究員 Cecile Rousseaux 正在用機器學習更好地理解海洋中浮游植物（也稱為微藻類）的分布情況。這些微小的植物浮在海洋表面，產生大量氧氣。它們形成了海洋食物網路的基礎。也會消耗二氧化碳，而且當它們死亡時，會攜帶碳一起沉入海底。

「如果沒有浮游植物，二氧化碳將會大幅增長。」Rousseaux 說。因此，為使研究員更好地理解二氧化碳在大氣中的變化及影響，浮游植物的整體狀況信息非常重要。

Rousseaux 正在利用衛星成像和計算機建模，預測當前以及未來世界海洋浮游植物現況。現在，該模型還只能預測地球上浮游植物的總量以及總量如何正隨著時間的推移而變化。然而，一個新的衛星任務，PACE （「預噴射雲與海洋生態系統」）將於2022啟動，將會開啟一套新的數據組，更加密切觀察種群，還能識別不同種類，而不是簡單觀察整個情況，這將切實改變當前模型。

「模型使用了以溫度，光以及營養物質為基礎的參數，它可以告訴我們植物的增長總量。這個模型的功能之一就是調整對總數的判斷。」她說。但是，浮游植物有一系列不同的類型，與環境以各種不同方式進行互動。比如硅藻，體積較大，會很快沉到海底，需要很多營養物質。PACE 能夠讓研究人員識別海洋不同區域中的浮游植物類型，增強模型能力，幫助理解微生物對二氧化碳大氣含量的影響。PACE 也會幫助人們預測危險的赤潮，並有望找出利用不同物種天賦（有的物種可以消耗更大的碳）的辦法，應對氣候變化。

EarthCube 項目

談到作為整體的地球，國家自然科學基金會正在使用機器學習創造一個有關地球整體的3-D 生物模型。這個叫做 EarthCube 的數字化呈現，將結合不同學科的科學家們提供的數據集——比如，水圈，大氣圈，海洋地球化學的測量數據——模擬水上和水下，地上和地下的自然條件變化，預測地球生態系統會發生怎樣的改變。有了這些信息，科學家們就能夠建議避免預防災難性事件的辦法，或對那些無法避免的事件做準備計劃（比如洪水或惡劣天氣等）。

結合數據集，EarthCube 創建出一個模型，能夠用於預測、最小化災變事件引發的危害

作為 EarthCube 項目的一部分，美國地質調查局正在與 一個國家科學框架項目（National Science Framework project ）合作，研發 Digital Crust ，這個框架能夠幫助人們更精確、穩定地理解地下過程，比如，地下水平衡與含水層系統的健康情況。「我們能夠進行科學計算，展示隨時間變化而變化的地下水水位，而且我們還能用它來應對未來出現的情況。」 Sky Bristol 說，他是美國地質調查局生物地理特徵的部門負責人，以及 EarthCube Digital Crust 工程的負責人。

當來自數據立法體的不同部分（比如地殼或大氣）不得不相互作用時，機器學習也會發揮作用，Bristol說。比如，當地下水抽取量越來越大，與此同時，氣候也在變暖時，生態系統會發生什麼情況？

Digital Crust 計劃將於今年夏天完成研發。Digital Crust 和所有EarthCube 數據和軟體都是開源的。因此，幾年以後，任何人都能夠用機器學習做出關於未來地球各種可能性的預測。那意味著，那些致力於理解地球各類生態系統，以及系統變化如何影響人類的地質學家們，將會擁有一個新的工具，與其他人分享世界各地的數據——讓他們的預測更有影響，也讓人們有機會行動起來改變變化中的世界，而不是僅僅是被動應對。

可持續性計算能如何改變——也正在改變——我們的能力，讓地球生活更具可持續性？這些例子僅僅是回答中的一小部分。僅在康奈爾，其他使用了機器學習技術的項目就包括繪製貧困地區以及發達國家貧困人口遷移效應的圖譜，確定捕撈政策對海洋漁業的影響，發現可用於捕捉太陽能的新材料，判定船舶撞擊對鯨魚種群的影響，甚至增進人們了解增高的美國汽油稅會怎樣影響效率，會有怎樣的影響。如果當前趨勢是一種預兆，那麼，在未來數年，我們就能期待聽到更多有關機器學習幫助人類的消息，讓世界成為一個更適宜長期居住的地方。

請您繼續閱讀更多來自 機器之心 的精彩文章:

※拯救地球？不，救救我們自己
※如果地球不會自轉：我們的世界還存在嗎？
※傳說中的地心世界是否存在？人類其實不了解地球！
※霍金曾預言地球將毀滅是否真實，其實可能是大家會錯意了
※世界不會迎合你，地球也不是為你轉的！
※地球上你可能不知道的怪物，是傳說還是真實存在？
※世界不會迎合你， 地球也不是為你轉的。
※人類何時才能夠認清自己在地球上的位置，是破壞者還是保護者！
※地球是很頑強，但是命運卻不能掌握在自己手中
※我來給你們解釋，為何外星人不會侵略地球
※守護我們唯一的地球，它們就是我的動力
※他們都說地球是空心的，你覺得呢？
※需要拯救的是人類，而不是地球
※地球霸主已經不再是人類，而你似乎還一無所知
※地球之外，是不是還有其他的你？
※真實存在於地球上的奇葩動物！顛覆你對自然界的印象！
※不關愛地球，她會毀滅嗎？
※完全不敢相信這是地球上會有的生物，長得實在太詭異了！
※我們暫時做了地球的主人，就可以對其他生物為所欲為嗎