关于人工智能(AI)将如何影响我们生活的话题有很多讨论,但迄今为止关于该技术如何让世界变得更具可持续性的说法却很少。
受微软委托,普华永道咨询公司发布了一份新报告,该报告研究了数字化和低碳化这两大具有颠覆性的宏观发展趋势未来将如何相互作用。普华永道得出结论称——人工智能可能对全球温室气体(GHG)排放带来重大影响。
普华永道将人工智能定义为“能够感知环境、思考、学习并采取行动以响应所感知内容及目标的技术集合”。应用范围从日常任务的自动化到增强人类决策,再到自动化和发现——发现大量数据,根据模式采取措施,这在当前是超出我们人类能力范围的。
普华永道在这份题为《人工智能如何实现可持续发展的未来》的报告中,着眼于如何将人工智能运用于农业、水利、能源和交通这四个领域,从而提高这些领域的可持续性。普华永道表示,在环境应用中采用人工智能可以使全球经济到2030年增加5.2万亿美元,相比常规场景下使用人工智能高出4.4%,同时人工智能还有助于让全球温室气体排放量减少4%,相当于2030年澳大利亚、加拿大和日本的排放量总和。
尽管人们担心人工智能可能会影响就业机会,但普华永道表示,人工智能技术将会给全球经济创造3820万个净新增工作岗位,并且在过渡期内提供更多需要熟练技能的职位。
普华永道表示:“人工智能可以在广泛的经济领域和各种情况下发挥作用,帮助控制环境影响和气候变化,应用场景包括:注入了人工智能的分布式清洁能源网、精准农业、可持续供应链、环境监测和执法、加强天气和灾害预测和响应等等。”
人工智能帮助行业提高可持续性的例子还包括:
通过更好地监测和管理环境条件和作物产量来变革农业生产
通过智能电网系统提高能源行业的效率,这种系统采用了深层预测功能来管理需求和供应,以及优化可再生能源解决方案
在日益全球化和城市化的世界中,人工智能可以帮助运输业让货物在不同地点之前的转移更安全、更有效、以及更可持续。例如,人工智能可以更准确地预测交通情况、实时规划路线、以及实现自动驾驶等
在水资源预测、管理和监测场景中应用人工智能,将有助于减少或消除浪费,降低成本,减少环境影响,从而改善全球水危机。
此外,人工智能还将在其他领域带来显着效益,例如人类健康、生态系统保护、空气污染监测和预报、防止非法砍伐森林、森林破坏、洪水和风暴等自然灾害之后的恢复能力。
除了这些受关注的领域之外,人工智能还有潜力在改善建筑环境和工业环境方面发挥重要作用,特别是:
水泥:人工智能技术与先进的传感器设备相结合,用于预测资产管理以最大限度改进生产资产的效率、运营和管理
钢铁:人工智能系统在流程和操作控制过程中经过试验和测试,可补充传统控制手段,提高效率的同时也优化了系统操作
化学品:人工智能通常与传统控制和新型传感器相结合,用于在化学品制造过程中进行预测性维护,最大限度地提高效率并减少化学品过程中的资源使用
运输:人工智能可用于海事领域的很多方面,例如预测船舶管理和维护、实时航行优化、燃料监测和管理等。
人工智能在能源业(减排2.2%)和运输业(减排1.7%)中的应用,给所涵盖行业的温室气体减排影响最大,但同时也在水利和农业领域的环境问题上发挥重要作用:有分析表明,农业领域运用人工智能可在2030年实现高达1.6亿吨二氧化碳减排量,使用更少资源的同时提供更多的食物。
该报告称:“农业和水利部门在维护地球自然系统健康方面发挥着至关重要的作用,包括生物多样性保护、海洋健康、淡水质量、生物地球化学流动、森林和土地系统变化、以及对粮食安全和水供应的相关影响。”
微软首席环境官Lucas Joppa,以及普华永道全球创新和可持续发展负责人Celine Herweijer总结说,人工智能拥有巨大的潜力,是把经济增长与碳排放增加这两者分离开的一个重要工具。
但这要依赖于多个因素的相结合,只是采用人工智能这一种技术效率会有所降低。“我们探索的解决方案不是仅仅运用人工智能的,在大多数情况下是多种互补技术相结合的,例如机器人、物联网、分布式能源、电动汽车等等。”
而且由于人工智能需要有强大的计算力,也就意味着需要大量能源,因此能源系统的低碳化对于确保人工智能能否在提高可持续性方面发挥潜力来说至关重要。
他们表示,北美、欧洲和东亚的发达经济体将从采用人工智能中受益匪浅,这会加剧气候不平等的风险,“在带来更多高技能岗位的同时,也会造成不少工作岗位被取代的现实,以及人类需要提高技能和重新培训避免被淘汰的迫切需求”。
“这一切都意味着我们需要超越技术本身,思考人工智能对于社会和环境带来的更广泛影响。”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。