人工智能助力气候可持续发展

插图：彼得·格兰特（Peter Grant）

1970年，《座头鲸之歌》（Songs of the Humpback Whale）发行。这张专辑是最早座头鲸歌声录音之一，并成为环保运动的颂歌。它被视为促成了1972年《海洋哺乳动物保护法》（Marine Mammal Protection Act）的制定，帮助数种鲸鱼逃脱了灭绝的命运。

当时，科学家们还不知道这些旋律悠扬的鲸鱼叫声意味着什么，也不知道鲸鱼相互之间的具体交流内容。但是，半个世纪后的今天，得益于人工智能技术的突破性进展，情况可能会发生改变。2024年5月，科学家们发布了一项可能成为跨物种交流突破口的发现。在地球物种计划（Earth Species Project）和鲸语翻译计划（Project CETI）等由人工智能驱动的非营利组织的帮助下，我们现在了解到抹香鲸的交流比之前所以为的更加复杂、多样和富有表现力。

如果几十年前，仅仅是鲸鱼的声音就能带来更好的环境保护行动，那么如果人类能够理解这些交流的含义，又可能会发生什么呢？使用人工智能解码非人类交流，这是由人工智能驱动的非营利组织（AI-powered nonprofits，APNs）利用人工智能保护生物多样性和应对气候变化的案例之一。

随着生成式人工智能的兴起，关于其风险和负面影响的讨论往往主导着对话。虽然公司确实需要认真对待这些风险，并优先考虑可持续和负责任的人工智能产品开发，但我们不能忽视人工智能在应对气候变化方面可能带来的益处。2023年波士顿咨询公司的一份报告发现，人工智能有可能通过提供洞察，到2030年共计帮助减少全球温室气体排放量的5%到10%。

Fast Forward（快速前进）对APNs如何利用人工智能应对气候变化进行了研究，发现了大量应用场景，包括供应链脱碳、追踪污染、预测灾害、优化可持续农业实践、保护生物多样性，以及为政策制定者提供更好的数据。

尽管有如此广泛的应用场景，但目前使用人工智能的非营利组织数量仍然有限。根据Salesforce的数据，65%的非营利组织对人工智能持开放态度并表示需要了解更多信息，但目前只有12%的非营利组织正在其机构内部使用人工智能。

通过本文，我们将探讨在研究中的重要发现，并重点介绍三个利用人工智能工具监测数据，作为链接专业知识的教练，以及通过更好地组织信息提供研究支持的气候非营利组织案例。这篇文章为聚焦气候变化的非营利组织领导者提供了实践指导，帮助他们理解如何利用人工智能，同时也为气候议题的资助者提供了关于如何支持这些现有或潜在的由人工智能驱动的受助组织的实用指导。

我们的目标是展示那些引领潮流的APNs，并激励其他组织加速应用人工智能解决方案，以应对气候变化。

▍重要发现：非营利组织如何利用人工智能应对气候变化

Fast Forward的全景分析和Salesforce通过其慈善项目观察到的生态系统和研究表明，APNs对人工智能的使用可总结为以下五个发现：

1.  “解锁”气候大数据：大量应对气候变化所需的数据已经存在，但需要让决策者易于使用。Fast Forward的研究展示了一些APNs的案例，如WattTime、Digital Green（数字绿色）和Climate Policy Radar（气候政策雷达，CPR），他们使复杂的数据和大量的信息能够被非数据科学受众访问、搜索、翻译和使用。

2. 从小的、具体的应用场景开始：非营利组织可能会因为人工智能的各种应用机会而受到诱惑。然而，Fast Forward的研究表明，最有效的关注气候的APNs从特定的战略领域开始部署人工智能工具，然后扩展到其他领域。我们发现，最好从小处着手，在加强人工智能能力的同时增强数据成熟度。

3. 创建合作和联盟的工具：气候运动面临的最大挑战之一是协调跨部门行动，最大限度地利用集体资源。我们注意到APNs利用人工智能创建新工具，整合不同的努力，建立跨语言和国家的联盟，并建立了开源且可访问的共享信息来源。

4. 利用强大的现有数据集：我们观察到，人工智能的最成功应用来自那些已经拥有强大数据集的气候APNs，这些数据集接下来需要进行解释或分析。人工智能和机器学习工具的性能取决于底层数据的质量，因此资助者和非营利组织在考虑数据来源和数据健康状况时应持谨慎态度。如果数据存在缺口或偏差，或者模型训练不当，人工智能可能无法提供人们所期望的洞察和影响力。优秀的技术工具可以成为APNs在扩大影响力并在整个组织内应用人工智能的基石。可查看学习资源“更好的数据经营”（A Better Deal for Data），开始制订数据策略。

5. 使用较小的模型来提高效率和影响力：预测性人工智能可以同生成式人工智能一样强大。许多气候行动的进展将来自预测性人工智能解决方案。Salesforce的研究显示，这是一个好消息，因为预测性人工智能通常依赖于较小的模型，这些模型的碳足迹较少，比大型语言模型更具成本效益。在今天的人工智能热潮中，务必要记住，影响力的进步将来自于各种创新技术的交叉。

▍三个气候APNs案例

WattTime：减少全球二氧化碳排放

WattTime在影响力方面处于人工智能的前沿。该非营利组织运营着一套产品，帮助公众、公司和政策制定者做出更明智的决定，以减少排放和优化能源使用。WattTime是Fast Forward加速器的一员，目前正在与Salesforce的加速器人工智能影响力（AI for Impact）合作，该加速器专注于应对气候行动和教育领域的人工智能解决方案。

WattTime是气候领域领导者联盟Climate TRACE（气候跟踪）的共同创始人，该联盟收集并可视化了世界上最全面、最及时的全球温室气体排放数据。Climate TRACE利用人工智能算法和全球卫星网络分析来自超过3.52亿个排放设施的无偏见、高度精细的排放数据。它能够准确查明排放源，识别污染度最高的设施，并确定哪些设施是已实现超额生产的低碳排放者。

可视化来源：climatetrace.org

通过人工智能，气候跟踪发现了许多以前未知的气候问题破解方法。例如，许多供应商有过剩的低碳排放能力，而且其成本并不比其他同行更昂贵。比如，在货船的选择上，最“清洁”的和最“肮脏”的船只在运输每吨货物时的排放量相差50%。WattTime的数据表明，如果大家都转向与现有的更清洁的过剩低碳排放方合作，每年可以减少超过10亿吨的二氧化碳排放。

在Fast Forward的APNs全景分析中，气候跟踪是一个聚焦监测的典型人工智能应用案例：通过人工智能工具持续收集和分析数据，提供实时洞察和预警。

Digital Green：赋能小农户

小规模农户特别容易受到气候变化的影响。他们依赖不可预测的降雨，生活在易受极端天气影响的土地上，许多人已经被气候变化的不利影响打击。Digital Green旨在通过一个名为Farmer.Chat（农夫聊天）的人工智能助手，帮助世界各地的小规模农户解决各类问题，以提升生产力、可持续实践和收入。

在像印度、肯尼亚和尼日利亚等新兴市场，小规模农户依赖农业推广人员提供帮助。类似于针对农民提供服务的社会工作者，他们教授农民种植作物的最佳实践，提供根据气候变化调整农业实践的方法，传递市场和价格信息，以帮助农民实现收入最大化并与当地供应商建立联系。问题在于，许多推广人员分布在成百上千个农场和数百万公顷的土地上。例如，印度有超过40万名农业推广人员，但其与农民的比例仍为1：650。

Farmer.Chat的用户是农业推广人员，而不是农民。这个人工智能助手提高了推广人员的效率和有效性，扩大了服务的覆盖面，降低了政府管理农业推广项目的成本。通过该聊天机器人，推广人员可以根据当地天气、土壤、作物和价格直接向农民提供量身定制的建议。Farmer.Chat是多语言和多模式的，意味着推广人员可以通过语音、文本和图像与聊天机器人进行交流。

负责任的人工智能工具开发是所有案例的必要条件。但对于像Farmer.Chat这样的产品来说，负责任和合乎伦理的开发尤为必要，因为它生成的回答会直接影响小规模农户的生计。Digital Green付出了巨大的努力，创建了一个准确而强大的工具，该工具并非利用全互联网的数据进行训练，而是使用了一组经过筛选和验证的，且与小规模农户相关的数据。

照片来自Digital Green

基于OpenAI的GPT-4，Farmer.Chat使用了一种名为检索增强生成（RAG）的人工智能技术，该技术使公司能够将其最新、最相关的专有数据直接嵌入到大型语言模型（LLM）的提示中。通过RAG，Digital Green整合了多个来源的数据，包括其拥有的超过8000个农民培训视频（涵盖50种语言）、第三方数据集（如来自地方政府合作伙伴的报告）、经过注释的呼叫中心日志和作物研究资料。

通过这项技术，Digital Green已经为630万农民提供了援助，其中一半以上是女性。在推出Farmer.Chat之前，Digital Green已经将农业推广项目服务每位农民的成本降低了10倍，农民收入增加了24%，作物产量提高了12%。随着Farmer.Chat的推出，他们预计将把传统推广项目的成本降低100倍。他们甚至开始看到农民主动使用该工具，并正在制订面向农民直接服务的市场策略。

在Fast Forward对APNs的分析中，Farmer.Chat是人工智能作为教练的一个典型案例：人工智能模拟人类互动并提供特定领域的专业知识。

气候政策雷达（CPR）：为政策制定者提供装备

CPR建立了开放的数据库和研究工具，使人们能够发现、理解并形成关于公共气候法律和政策的洞见。CPR将数千份法律和政策文件转化为可访问和可搜索的信息。其内置的人工智能模型汇编并组织了来自全球每个国家的成千上万份气候变化政策和法律文件，将气候法律、政策和判例法的“黑匣子”转化为决策者的循证工具。

气候领域急需一个强大的、多语言的人工智能研究助手，因为现有的气候政策和法律数据难以获取和分析。此外，文档和数据散落在不同的资源、不同的语言和不一致的格式中。从错误中学习并利用最佳实践如同大海捞针，但有了CPR这样的人工智能工具，所有这些信息都可以被获取并加以使用。

图片来自CPR

CPR的数据处理管道从数千份法律和政策文件中提取文本。这使搜索气候法律和政策变得更快、更容易，无需输入精准的关键词。CPR的人工智能模型还组织并关联了成千上万份文件中的有用概念。政策制定者可以比较和对比不同政府在减少排放、应对和适应极端天气事件或监管各种环境技术上的行动策略。

CPR拥有超过6000份完全可搜索并自动翻译成英语的文件，以及来自100多个国家的35万名用户。该组织正在构建全球最大的气候法律和政策开放知识库。

在Fast Forward对APNs的全景分析中，CPR是人工智能起到组织作用的案例之一：通过对大量数据进行对齐，确保相关信息易于获取；同时也是人工智能作为研究助手的案例之一：通过对大量数据进行分类和分析，以增加研究能力和速度。

▍从人工智能炒作到气候行动

今天的科技潮流中充斥着与人工智能相关的炒作、速度和风险。但是，在所有关于人工智能如何颠覆一切的讨论和猜测中，有一些APNs正在利用它来推动应对气候变化的有意义的进展。无论你是印度的小规模农户，还是在太平洋中与同伴们一起迁徙的健谈的鲸鱼，气候变化在我们所有人身边发生。借助新的人工智能工具，我们可以加快气候行动，确保所有物种和子孙后代拥有一个更健康的星球。

来源：《斯坦福社会创新评论》英文网站2024年7月29日

原标题：The AI-Powered Nonprofits Coding a Greener Future