计算可持续性的人工智能：实验室指南/简介

什么是计算可持续性？

Gomes (2009) 激励并具体化了 计算可持续性，他说：“计算机科学家、信息科学家以及运筹学、应用数学、统计学及相关领域的专家必须共同发挥他们的才能和知识，帮助找到有效和高效的方法来管理和分配自然资源。为此，我们必须在一个新领域，即计算可持续性领域，建立起关键的群体，以开发新的计算模型、方法和工具，帮助平衡环境、经济和社会需求，以实现可持续的未来。”（第 5-6 页，）。

Gomes 所谈到的迫切需要是，我们必须理解并应对即使是最简单的可持续性挑战所带来的巨大复杂性和不确定性。例如，为 灰熊 设计并划定一块保护区域，乍一看似乎很简单，可能只需要关注各种地块的货币成本以及保护机构的可用预算，但当决策者将牧场主、住宅开发商和其他利益相关者在日后可能为了收回机会而要求撤回保护并收回机会所产生的机会成本考虑在内时，这个问题就会迅速变得更加复杂；将景观以及熊愿意并能够完全在保护区域内生存的能力考虑在内；将气候变化对该地区特征的影响与熊的愿望以及熊所依赖的动植物物种（如 虹鳟）的愿望进行比较；将保护区域所能支持的基因库规模以及可能发生的基因混合考虑在内；并将一个特定保护区域可能只是更大国家计划的一部分考虑在内。即使在表面上看来空间和时间范围都很小的问题中，相关因素也会呈爆炸式增长。通过计算和信息技术，人们希望能够有效地管理这种复杂性。

设计有效的解决方案不仅需要从业人员理解计算原理（例如抽象）、方法（例如优化）和模型（例如微分方程模型），以及他们在 计算思维 方面普遍熟练，以便推动计算技术的进步；而且，计算可持续性还需要从业人员了解将要应用计算的那些可持续性挑战的方面——在保护区设计中，这可能包括关注经济学（机会成本）、人类行为（利益相关者）、动物行为、生态依赖网络和气候变化。毫不奇怪，在计算可持续性这一新兴领域中，很少有人拥有即使是解决小问题所需的所有必要知识，而有效的从业人员通常是（成员）高度跨学科的研究团队，其中计算科学家是不可或缺的一部分。

重要的是，计算可持续性的范围超出了直接“管理和分配自然资源”，还包括人工资源（如合成材料和能源生产）的开发和管理，而所有这些都将自然界作为这些活动及其残留物的来源和接收器。即使是计算本身——计算工具的制造、使用和处置——对生态的影响也越来越大，而通过整体的 摇篮到摇篮设计 方法开发环境友好和社会友好技术的计算方法是计算可持续性的一个主题。

人工智能在计算可持续性中的特殊地位

环境和社会可持续性要求我们人类做出选择，而这些选择背后的前提和后果都伴随着许多不确定性。很多时候，由于人类所考虑的语境非常有限，因此某些行为会产生完全意想不到的后果。一个典型的意想不到后果的例子就是所谓的反弹效应——使一个过程变得更加高效，通常会导致该过程的使用率更高。例如，在计算领域，我们让计算机的能效越高，我们使用它们的时间就越长——这至少是历史上的相关性，如果不是因果关系。因此，随着每单位（计算机）能效的提高，全球所有计算机的总能耗也会增加（参考文献）。这种反弹效应之所以“意想不到”，是因为关注每单位能效并没有将人类和企业行为考虑在内，至少不是按照我们想要的方式，尽管反弹效应，有时被称为 耶文斯悖论，似乎很常见和普遍。

因此，实现长期的环境和社会可持续性最终是一个个人和集体人类决策的挑战，以便它能够得到信息、理性、及时和长远的目光。然而，行为经济学 中的发现表明，人类的决策至少在维持健康地球的重要维度上过于短视。人工智能在可持续性方面的主要用途就在于此。作为旨在对思维进行建模和机械化的计算领域，人工智能可用于对人类思维进行建模，无论好坏；或者更好的是，对完全不同的思维进行建模——更基于证据和战略性的思维，而不是以自我为中心和短视的思维。

虽然人们对人工智能在社会中的作用持悲观态度（例如，考虑一下科幻小说中的 HAL），但也有人持乐观态度，也许最著名的代表是 艾萨克·阿西莫夫 的 机器人三定律，其中机器被设计为关注个人的人类福祉。但科幻小说和企业宣传 中提到的全球人工智能网络，即关注人类集体福祉的网络，充其量只是一个长期的梦想，也许只有最忠实的技术狂热者才会梦到。

相反，人工智能促进可持续性思维的最现实的希望是作为人类决策的合作伙伴，人工智能工具和代理被设计为在人类所在的地方与人类相遇，“适合”人类的局限性，但不局限于这些局限性——事实上，人工智能的设计使得人类/人工智能混合决策者远远超出了人类本身或人工智能本身的能力。人工智能作为认知假肢 的范式已经在计算可持续性创建的许多工具中得到广泛应用。第二个范式也与更好的、混合的（集体）决策相一致，即人工智能代理充当其他人类集体 中的积极榜样和合作者。

本实验室教材的目的是支持学生探索以可持续性为目标的人工智能系统，其中绝大多数目前属于认知假肢范式，人们预计协作代理范式中的数量会增加，并且任何有用的范式之间的区别最终会消失。

计算可持续性的简史

虽然计算可持续性可以说是在 2008 年和 2009 年左右形成的，其活动领域随着专门会议和研讨会的举办而迅速发展，但针对环境和社会可持续性问题进行计算模型和方法的研究已经持续了更长时间。鼓励感兴趣的读者深入研究计算可持续性历史，创建和完善关于计算可持续性的详细参考书目。当然，统计和数学建模已经长期使用，可能与可持续性本身成为关注点以及计算可用时间一样长。气候建模的迷人历史很好地说明了这种长期的配对：“可以肯定的是，菲利普斯可用的计算机与洗碗盆一样原始（它的内存仅有 5 千字节，磁鼓存储单元只有 10 千字节）。因此，他的模型必须极其简单。” 在社会建模领域，将关于合作演化的计算模拟与可持续性直接关联并不牵强（Axelrod，1984）；事实上，Axelrod 的假设认为，为了实现合作，未来必须对现在投下足够的“阴影”，这是一种可以通过数学和计算（例如，政策学习、虚拟世界、可视化）实现的洞察力，以减轻决策过程中的近视和自我中心。

在人工智能本身中，特别是机器学习方面，20 世纪 90 年代的研究解决了生态建模 和废水管理 等问题。通过各种祖先系谱，机器学习项目一直持续到 21 世纪初 ，在 2006 年，国家生态分析与合成中心（NCEAS）成立了“环境机器学习”工作组。针对可持续性挑战（如保护区设计）进行优化的研究也一直很活跃，可以追溯到 20 世纪 80 年代至今。

对计算本身对环境影响的担忧最早出现在 21 世纪初（例如，Kohler 和 Erdmann，2004 ），绿色信息和通信技术（ICT）得到了 ICT 公司的支持。这些对绿色 ICT 的调查超出了计算制造、使用和处置的直接（或一级）环境影响，并试图对计算对社会其他部门的二级以及更高阶的环境影响进行分类。例如，研究人员会询问 ICT 如何通过网络视频会议等手段抵消航空旅行的环境（例如，CO2）影响；智能调度软件如何通过消除所有路线中导致延迟（至少在美国）的左转来减少运输车辆的行程时间和 CO2 排放；以及用 ICT 为建筑物提供仪器，以向住户提供能源使用信息对住户行为的影响。经济合作与发展组织（OECD）等国际政策顾问在 2008 年将全球关注重点放在了承认 ICT 的一级、二级和三级影响的概念框架上；相关活动一直持续至今，包括 OECD、计算研究协会通过其计算社区联盟 (CCC) 的展望活动（例如，关于海洋观测站、能源、智能电网和交通运输） 以及其他机构。

就在 OECD 2008 年会议之前，数学家提出了利用其专业知识应对气候变化的计划，这是研究社区向可持续性发展的公开可见的重要推动，该社区通常不被认为是可持续性科学领域。在相同的思路下，并在获得美国国家科学基金会 (NSF) 的计算探险奖后，计算可持续性研究所 (ICS) 于 2008 年成立，旨在团结计算机科学家和应用数学家，共同寻求解决艰巨的长期可持续性挑战的方案。2009 年，专门针对可持续性的计算研讨会应运而生，计算可持续性国际会议 (ICCS) 也随之成立。2009 年的首届 ICCS 在康奈尔大学举行，2010 年的第二届 ICCS 在麻省理工学院举行，2012 年的第三届 ICCS 在哥本哈根大学举行。虽然 2011 年没有举办 ICCS，但该会议系列的两位领导者 Carla Gomes 和 Brian Williams 在人工智能促进协会 (AAAI) 的旗舰会议上设立了一个专门针对计算可持续性的主题。将可持续性纳入主流和顶级会议是一个重要步骤，可以将可持续性融入人工智能、计算以及计算机科学家的思维方式。这一举措反映了这样一种信念，即可持续性可以并且应该深入融入所有科学学科，而不是成为一个独立的学科；这也是这本实验室教材的动力。

计算可持续性领域的活动持续增长。2010 年，美国明尼苏达大学（Vipin Kumar，首席研究员）及其合作者获得了第二项针对可持续性的计算探险奖，旨在开发数据挖掘和计算机建模/可视化方法，以更好地理解气候和其他地球动力学。其他会议上不断涌现与可持续性相关的主题和奖项，例如CRA/CCC通过颁发优秀论文作者特殊奖等方式支持这种发展。在此期间，美国国家科学基金会 (NSF) 在“可持续性科学、工程和教育”(SEES) 旗帜下启动了大规模、协调的可持续性资助，大约占 NSF 预算的 10%，其中包括计算的重要作用。NSF 还支持了规模较小但仍很重要的努力，例如研究人工智能在环境可持续、节能以及最终实现从摇篮到摇篮的设计中的应用。

这是一个研究计算可持续性的激动人心的时代。在早期计算可持续性研究的先驱者以及政策、企业和军事领域对“绿色”ICT 的支持浪潮之后，2008-2009 年成立的研究所、会议和会议主题似乎在计算可持续性发展中发挥了关键作用。尽管如此，在这个新兴领域中，仍有无数与可持续性相关的应用有待探索，计算和数学理论还有待发展。在 OECD 等机构提出的关于一级、二级、三级影响的概念框架中，大多数研究机会将与人工智能的更高阶影响有关，例如，智能规划/路线/调度软件减少智能街道系统中行程时间和闲置时间的二级影响，一直到改变人类与智能工具共同思考方式的最高阶影响——以基于证据、策略性、长期和为集体利益的方式。

如何使用本书

本书旨在作为一本实验室教材，提供与可持续性相关的 AI 练习和项目，以配合标准或个性化的 AI 学习课程。本教材 不是 一本 AI 教科书。AI 项目和练习的贡献将包括与可持续性相关的背景信息（如果适用），并且可能会在作者的自由裁量权下包含基本的 AI 总结材料，以及编辑在担心过渡和可读性时的补充材料。然而，贡献几乎肯定会包含指向其他来源中必要的 AI 先决条件概念的指针，除了可能在练习的一部分是确定 AI 与可持续性问题的相关性时除外。

当你完成 AI 学习课程的学习后，在目录和/或索引中寻找相关的 AI 主题，然后查看与这些材料相关的可持续性作业。反之，如果你在其他环境中了解到某个可持续性主题，同样地也要查找它，并查看 AI 世界中与该主题或该主题的近似主题相关的知识。

作为一本维基教科书，这份文本对任何人开放修改和添加，因此遵循了麦克罗伊倡导的《可持续发展规范》的十一条原则中的大多数，包括接受错误可能性、透明度、包容性、质疑和知识增长。然而，感兴趣的读者可能会问，内化的原则是否实现，如果实现，是如何实现的？对此感兴趣的读者可以阅读贡献者指南并添加文本。虽然精美的文本很好且可取，但让其他人做一些润色也是可以的——事实上，不完美的文本为其他人提供了参与该项目的简单切入点。这并不是建议贡献者故意犯错误，而是指在某个时间点放手让其他人帮助编辑和内容是完全可以的。

这本书预计会长期发展，可能通过演变或复制，超越人工智能的实验室文本。