計算可持續性的人工智慧：實驗室指南/簡介

什麼是計算可持續性？

Gomes (2009) 激勵並具體化了 計算可持續性，他說：“計算機科學家、資訊科學家以及運籌學、應用數學、統計學及相關領域的專家必須共同發揮他們的才能和知識，幫助找到有效和高效的方法來管理和分配自然資源。為此，我們必須在一個新領域，即計算可持續性領域，建立起關鍵的群體，以開發新的計算模型、方法和工具，幫助平衡環境、經濟和社會需求，以實現可持續的未來。”（第 5-6 頁，）。

Gomes 所談到的迫切需要是，我們必須理解並應對即使是最簡單的可持續性挑戰所帶來的巨大複雜性和不確定性。例如，為 灰熊 設計並劃定一塊保護區域，乍一看似乎很簡單，可能只需要關注各種地塊的貨幣成本以及保護機構的可用預算，但當決策者將牧場主、住宅開發商和其他利益相關者在日後可能為了收回機會而要求撤回保護並收回機會所產生的機會成本考慮在內時，這個問題就會迅速變得更加複雜；將景觀以及熊願意並能夠完全在保護區域內生存的能力考慮在內；將氣候變化對該地區特徵的影響與熊的願望以及熊所依賴的動植物物種（如 虹鱒）的願望進行比較；將保護區域所能支援的基因庫規模以及可能發生的基因混合考慮在內；並將一個特定保護區域可能只是更大國家計劃的一部分考慮在內。即使在表面上看來空間和時間範圍都很小的問題中，相關因素也會呈爆炸式增長。透過計算和資訊科技，人們希望能夠有效地管理這種複雜性。

設計有效的解決方案不僅需要從業人員理解計算原理（例如抽象）、方法（例如最佳化）和模型（例如微分方程模型），以及他們在 計算思維 方面普遍熟練，以便推動計算技術的進步；而且，計算可持續性還需要從業人員瞭解將要應用計算的那些可持續性挑戰的方面——在保護區設計中，這可能包括關注經濟學（機會成本）、人類行為（利益相關者）、動物行為、生態依賴網路和氣候變化。毫不奇怪，在計算可持續性這一新興領域中，很少有人擁有即使是解決小問題所需的所有必要知識，而有效的從業人員通常是（成員）高度跨學科的研究團隊，其中計算科學家是不可或缺的一部分。

重要的是，計算可持續性的範圍超出了直接“管理和分配自然資源”，還包括人工資源（如合成材料和能源生產）的開發和管理，而所有這些都將自然界作為這些活動及其殘留物的來源和接收器。即使是計算本身——計算工具的製造、使用和處置——對生態的影響也越來越大，而透過整體的 搖籃到搖籃設計 方法開發環境友好和社會友好技術的計算方法是計算可持續性的一個主題。

人工智慧在計算可持續性中的特殊地位

環境和社會可持續性要求我們人類做出選擇，而這些選擇背後的前提和後果都伴隨著許多不確定性。很多時候，由於人類所考慮的語境非常有限，因此某些行為會產生完全意想不到的後果。一個典型的意想不到後果的例子就是所謂的反彈效應——使一個過程變得更加高效，通常會導致該過程的使用率更高。例如，在計算領域，我們讓計算機的能效越高，我們使用它們的時間就越長——這至少是歷史上的相關性，如果不是因果關係。因此，隨著每單位（計算機）能效的提高，全球所有計算機的總能耗也會增加（參考文獻）。這種反彈效應之所以“意想不到”，是因為關注每單位能效並沒有將人類和企業行為考慮在內，至少不是按照我們想要的方式，儘管反彈效應，有時被稱為 耶文斯悖論，似乎很常見和普遍。

因此，實現長期的環境和社會可持續性最終是一個個人和集體人類決策的挑戰，以便它能夠得到資訊、理性、及時和長遠的目光。然而，行為經濟學 中的發現表明，人類的決策至少在維持健康地球的重要維度上過於短視。人工智慧在可持續性方面的主要用途就在於此。作為旨在對思維進行建模和機械化的計算領域，人工智慧可用於對人類思維進行建模，無論好壞；或者更好的是，對完全不同的思維進行建模——更基於證據和戰略性的思維，而不是以自我為中心和短視的思維。

雖然人們對人工智慧在社會中的作用持悲觀態度（例如，考慮一下科幻小說中的 HAL），但也有人持樂觀態度，也許最著名的代表是 艾薩克·阿西莫夫 的 機器人三定律，其中機器被設計為關注個人的人類福祉。但科幻小說和企業宣傳 中提到的全球人工智慧網路，即關注人類集體福祉的網路，充其量只是一個長期的夢想，也許只有最忠實的技術狂熱者才會夢到。

相反，人工智慧促進可持續性思維的最現實的希望是作為人類決策的合作伙伴，人工智慧工具和代理被設計為在人類所在的地方與人類相遇，“適合”人類的侷限性，但不侷限於這些侷限性——事實上，人工智慧的設計使得人類/人工智慧混合決策者遠遠超出了人類本身或人工智慧本身的能力。人工智慧作為認知假肢 的正規化已經在計算可持續性建立的許多工具中得到廣泛應用。第二個正規化也與更好的、混合的（集體）決策相一致，即人工智慧代理充當其他人類集體 中的積極榜樣和合作者。

本實驗室教材的目的是支援學生探索以可持續性為目標的人工智慧系統，其中絕大多數目前屬於認知假肢正規化，人們預計協作代理正規化中的數量會增加，並且任何有用的正規化之間的區別最終會消失。

計算可持續性的簡史

雖然計算可持續性可以說是在 2008 年和 2009 年左右形成的，其活動領域隨著專門會議和研討會的舉辦而迅速發展，但針對環境和社會可持續性問題進行計算模型和方法的研究已經持續了更長時間。鼓勵感興趣的讀者深入研究計算可持續性歷史，建立和完善關於計算可持續性的詳細參考書目。當然，統計和數學建模已經長期使用，可能與可持續性本身成為關注點以及計算可用時間一樣長。氣候建模的迷人歷史很好地說明了這種長期的配對：“可以肯定的是，菲利普斯可用的計算機與洗碗盆一樣原始（它的記憶體僅有 5 千位元組，磁鼓儲存單元只有 10 千位元組）。因此，他的模型必須極其簡單。” 在社會建模領域，將關於合作演化的計算模擬與可持續性直接關聯並不牽強（Axelrod，1984）；事實上，Axelrod 的假設認為，為了實現合作，未來必須對現在投下足夠的“陰影”，這是一種可以透過數學和計算（例如，政策學習、虛擬世界、視覺化）實現的洞察力，以減輕決策過程中的近視和自我中心。

在人工智慧本身中，特別是機器學習方面，20 世紀 90 年代的研究解決了生態建模 和廢水管理 等問題。透過各種祖先系譜，機器學習專案一直持續到 21 世紀初 ，在 2006 年，國家生態分析與合成中心（NCEAS）成立了“環境機器學習”工作組。針對可持續性挑戰（如保護區設計）進行最佳化的研究也一直很活躍，可以追溯到 20 世紀 80 年代至今。

對計算本身對環境影響的擔憂最早出現在 21 世紀初（例如，Kohler 和 Erdmann，2004 ），綠色資訊和通訊技術（ICT）得到了 ICT 公司的支援。這些對綠色 ICT 的調查超出了計算製造、使用和處置的直接（或一級）環境影響，並試圖對計算對社會其他部門的二級以及更高階的環境影響進行分類。例如，研究人員會詢問 ICT 如何透過網路視訊會議等手段抵消航空旅行的環境（例如，CO2）影響；智慧排程軟體如何透過消除所有路線中導致延遲（至少在美國）的左轉來減少運輸車輛的行程時間和 CO2 排放；以及用 ICT 為建築物提供儀器，以向住戶提供能源使用資訊對住戶行為的影響。經濟合作與發展組織（OECD）等國際政策顧問在 2008 年將全球關注重點放在了承認 ICT 的一級、二級和三級影響的概念框架上；相關活動一直持續至今，包括 OECD、計算研究協會透過其計算社群聯盟 (CCC) 的展望活動（例如，關於海洋觀測站、能源、智慧電網和交通運輸） 以及其他機構。

就在 OECD 2008 年會議之前，數學家提出了利用其專業知識應對氣候變化的計劃，這是研究社群向可持續性發展的公開可見的重要推動，該社群通常不被認為是可持續性科學領域。在相同的思路下，並在獲得美國國家科學基金會 (NSF) 的計算探險獎後，計算可持續性研究所 (ICS) 於 2008 年成立，旨在團結計算機科學家和應用數學家，共同尋求解決艱鉅的長期可持續性挑戰的方案。2009 年，專門針對可持續性的計算研討會應運而生，計算可持續性國際會議 (ICCS) 也隨之成立。2009 年的首屆 ICCS 在康奈爾大學舉行，2010 年的第二屆 ICCS 在麻省理工學院舉行，2012 年的第三屆 ICCS 在哥本哈根大學舉行。雖然 2011 年沒有舉辦 ICCS，但該會議系列的兩位領導者 Carla Gomes 和 Brian Williams 在人工智慧促進協會 (AAAI) 的旗艦會議上設立了一個專門針對計算可持續性的主題。將可持續性納入主流和頂級會議是一個重要步驟，可以將可持續性融入人工智慧、計算以及計算機科學家的思維方式。這一舉措反映了這樣一種信念，即可持續性可以並且應該深入融入所有科學學科，而不是成為一個獨立的學科；這也是這本實驗室教材的動力。

計算可持續性領域的活動持續增長。2010 年，美國明尼蘇達大學（Vipin Kumar，首席研究員）及其合作者獲得了第二項針對可持續性的計算探險獎，旨在開發資料探勘和計算機建模/視覺化方法，以更好地理解氣候和其他地球動力學。其他會議上不斷湧現與可持續性相關的主題和獎項，例如CRA/CCC透過頒發優秀論文作者特殊獎等方式支援這種發展。在此期間，美國國家科學基金會 (NSF) 在“可持續性科學、工程和教育”(SEES) 旗幟下啟動了大規模、協調的可持續性資助，大約佔 NSF 預算的 10%，其中包括計算的重要作用。NSF 還支援了規模較小但仍很重要的努力，例如研究人工智慧在環境可持續、節能以及最終實現從搖籃到搖籃的設計中的應用。

這是一個研究計算可持續性的激動人心的時代。在早期計算可持續性研究的先驅者以及政策、企業和軍事領域對“綠色”ICT 的支援浪潮之後，2008-2009 年成立的研究所、會議和會議主題似乎在計算可持續性發展中發揮了關鍵作用。儘管如此，在這個新興領域中，仍有無數與可持續性相關的應用有待探索，計算和數學理論還有待發展。在 OECD 等機構提出的關於一級、二級、三級影響的概念框架中，大多數研究機會將與人工智慧的更高階影響有關，例如，智慧規劃/路線/排程軟體減少智慧街道系統中行程時間和閒置時間的二級影響，一直到改變人類與智慧工具共同思考方式的最高階影響——以基於證據、策略性、長期和為集體利益的方式。

如何使用本書

本書旨在作為一本實驗室教材，提供與可持續性相關的 AI 練習和專案，以配合標準或個性化的 AI 學習課程。本教材 不是 一本 AI 教科書。AI 專案和練習的貢獻將包括與可持續性相關的背景資訊（如果適用），並且可能會在作者的自由裁量權下包含基本的 AI 總結材料，以及編輯在擔心過渡和可讀性時的補充材料。然而，貢獻幾乎肯定會包含指向其他來源中必要的 AI 先決條件概念的指標，除了可能在練習的一部分是確定 AI 與可持續性問題的相關性時除外。

當你完成 AI 學習課程的學習後，在目錄和/或索引中尋找相關的 AI 主題，然後檢視與這些材料相關的可持續性作業。反之，如果你在其他環境中瞭解到某個可持續性主題，同樣地也要查詢它，並檢視 AI 世界中與該主題或該主題的近似主題相關的知識。

作為一本華夏公益教科書，這份文字對任何人開放修改和新增，因此遵循了麥克羅伊倡導的《可持續發展規範》的十一條原則中的大多數，包括接受錯誤可能性、透明度、包容性、質疑和知識增長。然而，感興趣的讀者可能會問，內化的原則是否實現，如果實現，是如何實現的？對此感興趣的讀者可以閱讀貢獻者指南並新增文字。雖然精美的文字很好且可取，但讓其他人做一些潤色也是可以的——事實上，不完美的文字為其他人提供了參與該專案的簡單切入點。這並不是建議貢獻者故意犯錯誤，而是指在某個時間點放手讓其他人幫助編輯和內容是完全可以的。

這本書預計會長期發展，可能透過演變或複製，超越人工智慧的實驗室文字。