一个新的AI决策工具有效地平衡了各种复杂的权衡，推荐了最大化碳储存、最小化经济干扰以及改善环境和人们日常生活的方法。它使用进化AI，一种生物自然选择的数字版本，以在相互竞争的优先事项面前优化政策。
使用过去175年的全球土地使用和碳储存数据，德克萨斯大学奥斯汀分校和Cognizant AI Labs的研究人员训练了一种人工智能系统，以制定可以推进联合国全球可持续发展倡议的最佳环境政策解决方案。根据今天发布在《环境数据科学》杂志上的一篇论文，该AI工具有效地平衡各种复杂的权衡，推荐最大化碳储存、最小化经济干扰以及帮助改善环境和人们日常生活的方法。
该项目是联合国支持的项目韧性（Project Resilience）的首次应用之一，这是一个由科学家和专家团队组成的团队，致力于解决全球决策增强问题——包括本十年的雄心勃勃的可持续发展目标——这部分是更广泛努力“为了善良的AI”中的一部分。德克萨斯大学奥斯汀分校的计算机科学家里斯托·米库莱宁（Risto Miikkulainen）帮助启动了项目韧性，他相信这种新AI方法，最初关注土地使用，可以应对更大范围的挑战，从传染病到食品不安全，人工智能有可能发现比人类更好的解决方案。
“你总是想要优化某个结果，但总是有成本，”他说。在所有权衡中，AI可以集中于以不同成本实现理想结果的意想不到路径，帮助领导者选择性地挑选战斗并取得更好的结果。
研究人员系统的秘密在于进化AI。受到生物系统中自然选择过程的启发，这种计算方法从几十个政策场景开始，预测每个场景将如何影响各种经济和环境成本。然后，就像“适者生存”的数字版本，不能很好地平衡权衡的政策组合会被淘汰，而最佳组合则被允许繁殖，产生混合后代。随机变异也被引入，以帮助系统更快地探索新组合。这个过程然后重复，筛选出表现不佳的组合，保留最佳组合，跨越数百或数千个场景。像生物进化一样，场景的“世代”变得越来越优化，以应对一组优先事项。
团队使用了两个工具——一套最近发布的全球土地使用数据，追溯到几个世纪，以及一个将土地使用与碳通量关联的模型。首先，他们使用这些数据训练一个预测模型，以关联位置、土地使用和碳随时间的变化。其次，他们开发了一个处方模型，帮助决策者找到最佳土地使用策略，以减少气候变化。
AI系统的建议有时令团队感到惊讶。尽管众所周知，森林在储存碳方面表现良好，但AI处方模型提供了一种更微妙的方法，而不是不分地点地尽可能将土地转变为森林。例如，它发现用森林替代农田远比替代草地（包括沙漠和草原）更有效。此外，通常在一个纬度土地使用变化所带来的效益，与另一个纬度并不相同。最终，系统建议更大的变化应分配给更重要的位置；本质上，更有效的是选择你的战斗。
“你显然可以摧毁一切，种植森林，这会有助于减缓气候变化，”Cognizant AI Labs的研究员、奥斯汀大学的博士生丹尼尔·杨（Daniel Young）说。“但是我们将破坏稀有栖息地、我们的粮食供应和城市。所以我们需要找到平衡，并聪明地选择在哪些地方进行改变。”
研究人员将他们的模型转化为一个交互工具，决策者如立法者可以利用该工具探索激励机制，例如对土地所有者的税收抵免，如何可能改变土地使用并减少碳。
土地使用活动，包括农业和林业，估计占所有人为温室气体排放的近四分之一。专家认为，需要智能的土地使用变化来减少空气中的碳量，从而减缓气候变化。根据米库莱宁和杨的说法，AI提供的选项可能会让人们、企业和对改变抵触的政府更容易接受。
论文的早期版本在一个主要的机器学习和计算神经科学会议NeurIPS上被呈现，并在气候变化研讨会上获得“最佳影响路径”奖。
论文的其他作者包括奥利维耶·弗朗康（Olivier Francon）、埃利奥特·梅耶森（Elliot Meyerson）、克莱门斯·施温格沙克尔（Clemens Schwingshackl）、雅各布·比克（Jakob Bieker）、乌戈·库尼哈（Hugo Cunha）和巴巴克·霍贾特（Babak Hodjat）。
