IT行业对全球气候的影响是众所周知的。据说全世界无数数据中心的无数服务器，存储系统和网络设备每年消耗约3%的能源供应，而且随着数十亿物联网设备上线，这种情况可能会增加。
但事实证明，这种不断扩展的数据基础设施对于解决影响气候变化的一些最棘手的问题 - 从农业实践到现代交通的一切 - 都是至关重要的。特别是，人工智能(AI)及其许多迭代，例如机器学习(ML)和神经网络(NN)，被证明非常善于发现导致气候不稳定的现代社会中的许多低效率。
人工智能影响气候的能力与技术本身一样多种多样。哥伦比亚大学的Renee Cho指出，通过更准确的土地准备，施肥和浇水，它正在帮助农民将每公顷产量提高30%。与此同时，它正在帮助世界各地的电力公司消除其电网效率低下的问题，并促进更多地使用可再生能源。它还在飓风和热带气旋等自然灾害的检测和预测方面取得了革命性的进展，现在一些模型提供了90%准确度或更好的强度和路径预测。这使得恢复组织能够更好地为预防性操作分配资源，例如支撑海堤和疏散公民，以及在进行损害评估和精简应急物资供应之后。
更好的建模
人工智能还可以在宏观层面上帮助应对气候变化。气候学是有史以来设计最耗费数据的研究领域之一，如果对大量数据的收集，分析和解释没有用，那么人工智能就没有用。根据DowntoEarth.org的Akshit Sangomla，AI提供了新的，更准确的方法来测量复杂的天气模式。例如，用于测量太阳辐射，风力模式和许多其他数据集之间关系的通用循环模型(GCM)长期以来依赖于“参数化”的实践，这种实践基本上简化了过于复杂的条件。用于传统计算机的建模。但AI，特别是神经网络，可以轻松处理这些复杂的动态，以提供更准确的预测。
在许多情况下，这些更高级别计算的模型已经存在，例如云分辨模型(CRM)，它可以测量长度仅几百米的低洼云的特征。单独地，这些云对更广泛的天气模式几乎没有影响，但总的来说它们可以改变上部气流的流动或影响更接近地表的温度。到目前为止，CRM和其他模型在气候学中没有发挥更大作用的唯一原因是，如果没有AI，他们的计算需求会使成本降低到不可持续的水平。
同样的方法可以应用于地面条件，这对气候变化和大气条件的贡献同样重要。微软的地球人工智能计划已经在陆地测绘这样的学科中取得了成果，这在传统上是一个昂贵且耗时的过程。该公司的Wee Hyong Tok最近指出，通过收集和分析来自卫星和陆地来源的数据，包括图像，出现了关于水管理，森林砍伐，物种迁移和一系列其他因素的新模式，所有这些因素都有助于持续保持脆弱的生态系统。
在一个项目中，AI for Earth正被用于对中亚雪豹迅速消失的栖息地进行详细的图像分析。通过为影响该地区的自然和人为变化带来新的视角，希望这些损失可以停止甚至逆转。同样的技术被用于研究刚果和其他地方的大象栖息地，既是保护这些地区的手段，也是打击偷猎和非法象牙贸易的手段。然而，最不寻常的应用可能是Project Premonition，它使用智能无人机和机器人技术定位和捕获蚊子，然后使用云规模基因组学分析他们的血液，以获得有关世界上一些最偏远地区的动物种群的准确数据。
智能行动
然而，真正的变化只能通过集体行动来实现，例如减少消耗，采用清洁能源解决方案，人工智能也可以在这方面提供帮助。自动驾驶汽车可能不会成为一种固有的清洁解决方案，但正如普华永道的Celine Herweijer所指出的那样，人工智能引导车辆可以实现按需移动性的转变，减少流通中的汽车数量，以及路线和交通优化，运营效率和许多其他好处。这是在考虑到大多数自动驾驶汽车将依靠AI优化的电网提供电力之前。
无论是否有任何一个会在天气模式上产生显着改善仍然是任何人的猜测。地球的气候就像一个远洋班轮：它需要一系列漫长的协调行动才能改变路线。即使在最新的人工智能技术出现后，热量指数上升和破坏性风暴的流行很可能会持续一段时间。
但从长远来看，人工智能可能，也许是，可能是避免地球变暖真正毁灭性后果的唯一途径。
