记者 张唯 实习生 邹静祺
Yoshua Bengio在米其林开拓前行峰会。本文图均为澎湃新闻记者 张唯 图
当地时间6月5日，新晋图灵奖得主、深度学习领域的开拓性人物Yoshua Bengio（约书亚本吉奥）在他的“主场”加拿大蒙特利尔米其林开拓前行峰会上演讲，他分享的主题是“人工智能和机器学习技术如何帮助应对气候变化”。
现年55岁的Yoshua Bengio一件粉紫色衬衫配米白色休闲裤，顶一头黑白相间的短发，装扮轻松。他在热烈的暖场音乐后轻松登台，台下的掌声很快停歇，似乎是想尽快从这位年轻图灵奖得主的演讲中获取养分。Bengio的开场言简意赅，他说，“很高兴与你们分享我们在人工智能和机器学习方面所做的与气候变化相关的工作”。
在半小时的演讲中，Yoshua Bengio谈到了人工智能技术在优化能源消耗、提高运输效率、改进气候模型等方面的作用。特别地，他指出，在全球视角下应对气候变化是一个“囚徒困境”般的博弈，决策者需要意识到，等待其他国家行动会导致满盘皆输。就单独国家的利益而言，这些行动可能看起来像“我为什么要在其他国家可能做这些事的时候把钱花在这上面？”“为什么一些大国不完成这些使命呢？”
“所以我们都开始等待对方的实际行动。然而，越晚行动意味着损失更多。最终，所有人都是输家。”Bengio说道。
此外，他关注到人类在情感方面的偏见、对气候变化的漠视和非理性等心理因素并启动了相关研究项目。
Yoshua Bengio在米其林开拓前行峰会。
Yoshua Bengio是深度学习领域的知名学者，与Geoffrey Hinton（杰弗里辛顿）和Yann LeCun（杨立昆）并称为“深度学习三巨头，在蒙特利尔大学（University of Montreal）计算机科学与运算系任教授。2019年3月，Yoshua Bengio与“神经网络之父”Geoffrey Hinton、“卷积网络之父”Yann LeCun共同获得了2018年的图灵奖（Turing Award），以表彰其为当前人工智能繁荣发展所奠定的基矗
Bengio表示，他即将发表一篇论文来讨论机器学习如何帮助应对气候变化。在演讲中，他分享了其中一些案例。
优化能源消耗
首先，在能源消耗领域，机器学习可以带来很多可能性。他表示，机器学习可以基于测量数据做出预测，帮助给出有关能源消耗方式、价格、运输方式等方面的最优决策。这种方法对可再生能源尤其重要，例如，太阳能和风能这类能源的供给很难提前预测。为了平衡由于自然条件而产生的能源供给变化，需要尽可能有效地去预测。“我们可以利用机器学习来帮助完成短期预测，使能源在不同国家的使用方式不断被优化”。
同时，人们也可以利用机器学习来帮助预测能源需求。例如，现代城市中安装有许多传感器，通过这些传感器的数据，我们可以更好地预测未来几个小时甚至未来数日的能源需求变化。“这样，机器学习可以用来调节能源价格，减少能源消耗或者改变能源分配模式”。
提高运输效率
除此之外，在其他非常重要的领域，包括运输、建筑和工业等，都可以使用机器学习进行预测。例如，在运输领域，可以通过获得交通网络的需求来完成优化。从长远来看，机器学习可以改进城市基础设施。短期内，它可以改善交通信号和交通流量。再比如，可以运用机器学习和预测性方法，在建筑工业中优化供应链与运输路线。
Bengio介绍，由他联合创立的Element AI有一个同蒙特利尔港的合作项目，该项目结合了人工智能和机器学习技术。通常，港口中的车辆会因计划不周而浪费很多时间。利用人工智能技术，可以帮助推测运输需求和交通状况，由此采取一系列协调性的决策来优化某些目标，例如，减少运输中消耗的能源量。
改进气候模型
除了利用机器学习降低能源消耗量、提高能源效率、合理预测能源需求，人们还开始探索如何使用人工智能技术改进气候模型。
Bengio介绍，传统的气候模型计算速度慢、数据量大，模型不够完美。目前，科学家在机器学习中尝试训练传统的气候统计模型、模仿物理模型来加快计算速度、又或者通过使用额外的数据来改进模型。
他还特别提到了IPCC1.5℃特别报告，他认为，出于避免夸张的考量，IPCC的报告所呈现的结果是保守的。“人们真正应该理解的一点是，这些模型有很多不确定性，这些不确定性不仅来源于不同的场景，也在于可以做出的不同假设。实际上，温度变化可能比你们所预想的要严重得多。例如，出于避免夸张的考量，IPCC的报告所呈现的结果是保守的。”
人们并非总是理性
气候变化不是一个单纯的科学问题，能否积极应对的背后是经济利益与政治利益的考量。对此，Bengio提出了自己的看法。
他表示，气候变化情况比我们所了解到的要糟糕得多，并且这种不确定性很难理解和想象。“但是请牢记，缺少行动、摇摆不定会带来经济损失”。“现在，在气候变化面前，阻挠我们做出正确行动的一个瓶颈是为什么我们的政府不尽快采取行动？”
Yoshua Bengio演讲PPT。
Bengio认为，在全球视角下，应对气候变化涉及到一个“囚徒困境”的问题，意思是，就单独国家的利益而言，这些行动可能看起来像“我为什么要在其他国家可能做这些事的时候把钱花在这上面？”“为什么一些大国不完成这些使命呢？”
“所以我们都开始等待对方的实际行动。然而，越晚行动意味着损失更多。最终，所有人都是输家。”Bengio说道。
除了决策者需要理解这场博弈的本质之外，Bengio认为，在应对气候变化领域，我们还需要解决与人性有关的心理偏见。
他认为，在气候变化领域，我们需要确保民主发挥作用，但心理因素也很重要。心理学家已经证明，人们并非总是理性的。人们很难理性地看待一些与我们没有直接情感联系的事情，以及一些我们看不见、想不起来的事情。
为了缓解人们在气候变化领域的心理偏见，Bengio介绍了一个研究项目。这是一个教育工具，可以让普通大众看到气候统计数据，而且还能以一种个性化的方式让他们理解气候变化带来的影响。他和研究人员试图向人们展示与生活密切相关的东西人们的房子。他们运用对抗性网络、无监督学习等技术，把正常状态下的房屋图像转化成被洪水淹没的房屋图像，以此来引发人们对气候变化的真正关切。
他希望通过这个项目，促使人们思考：如果按目前的排放量发展下去，50年或100年后人们的房子会怎样？如果提高碳的价格，情况又会有什么变化？他说，“我们并不想单纯地引发恐惧，但研究表明，消极情绪会促使人们行动”。
对于这个项目，Bengio表示，他们需要有气候科学背景的人来建立对未来和不同地方的气候预测。此外，还需要与行为科学方面的专家合作，以更好地理解人类在情感方面的偏见。“我们也开始与经济学家合作，帮助理解人们今天的行动会对未来产生怎样的影响、气候变化会对经济造成怎样的冲击”。“还有很多工作亟待完成。”
作为深度学习领域的开拓性人物，Bengio的主要研究领域是深度学习（Deep Learning）和自然语言处理（Natural Language Processing）。
Yoshua Bengio参与建立了在学界享有盛誉蒙特利尔学习算法研究所（Montreal Institute For Learning Algorithms, MILA）并担任主任，协助构建起蒙特利尔的人工智能生态系统。他还是加拿大统计学习算法研究主席，也在2009年担任了机器学习顶级会议NIPS的主席（General Chair）。
