AI 技术增强气候变化防御能力

快速阅读: 《欧亚评论》消息，普林斯顿大学与罗格斯大学研究人员利用强化学习提升纽约应对气候变化的成本效益。通过模拟，证明动态防洪墙比静态方法更高效，能降低6-77%成本。该技术适用于复杂且多变的气候适应决策，不仅限于纽约，还可推广至其他地区。

普林斯顿大学与罗格斯大学的研究人员利用强化学习技术——一种常用于训练人工智能的技术，展示了灵活的应对措施如何显著提升保护像纽约这样的城市免受气候变化影响的成本效益。这项研究是解决为减轻气候变化影响进行昂贵且长期投资难题的一部分。

与长期气候变化相关的重大不确定性让政治领导人难以现在就做出旨在保护公民几十年甚至更长时间的投资决策。这种困难因任何此类决策中涉及的大量变量以及这些变量可能以不可预见的方式变化而加剧。在《美国国家科学院院刊》的一篇文章中，研究人员探讨了洪水问题。洪水在美国沿海地区及全球造成了日益严重的破坏。

政府正在建设沿海防御设施以抵御洪水，但他们不能仅凭过去的条件来指导未来的防御措施。“正在建造的防御设施旨在保护沿海地区未来几十年甚至更长时间，”普林斯顿大学土木与环境工程教授宁琳（音译）说，“在很长的时间范围内，气候项目的不确定性很大。”

宁琳指出，为了应对这种不确定性，规划者必须具备灵活性，并随时准备根据未来的气候条件观察结果调整计划。尽管气候科学的复杂性使这一挑战尤为艰巨，但宁琳认为，利用数据科学的进步能够提供一种有效策略。罗格斯大学地球与行星科学的杰出教授罗伯特·科普（音译）也是该研究的合作者之一，他表示关于冰盖融化对海平面上升影响的不确定性引发了关于规划者应如何考虑快速冰盖损失可能性的争议。科普说，灵活的方法可以帮助社区为最坏的情况做好准备，同时避免为保护付出过多代价。“应对极端海平面上升的计划成本高昂，且有很大概率无需实施，但若不制定该计划，可能会带来毁灭性后果，”他说。

在《美国国家科学院院刊》的文章中，研究团队描述了他们如何模拟到本世纪末曼哈顿防御海平面上升的努力。目标是确定在整个如此长的时期内，任何系统性纳入观察和更新的决策过程是否优于其他方法。为此，研究人员模拟了城市规划者在2010年至2100年间每隔十年的决策。研究人员将其决策过程与其他现有方法进行了对比。例如，采用静态方法建造防洪墙以抵御有史以来百年一遇的洪水并结合海平面上升预测，目前纽约及其他沿海城市正在应用这种方法；设计动态防洪墙，根据未来气候变化预测逐步增高则是另一种方法。

研究人员根据每个方法的效率——即防御成本加上洪水造成的预计损害来评估这些方法。例如，投入1000万美元建造防洪墙，允许造成5000万美元的财产损失，总计6000万美元，将不如投入3000万美元建造防洪墙，仅造成1500万美元的财产损失，总计4500万美元有效。研究人员发现，基于强化学习计算的动态防洪墙，在系统性纳入随时间推移的海平面上升观测方面，比其他方法更高效。在中等碳排放情景下模拟气候变化时，强化学习降低了6-36%的成本。对于高排放情景，降幅为9-77%。

强化学习是一种机器学习形式，其中程序根据结果作出决策并获得正向反馈。设计者通过运行大量模拟决策来训练程序，它通过试错而非程序员的明确指令进行学习。这基本上是许多AI系统的工作方式。它特别适合极其复杂且随时间快速变化的情况。计算机科学家已利用强化学习训练AI执行诸如下棋、驾驶汽车、操控机器人和无人机等任务。该方法还被用于大型储能或水资源管理的系统。

在他们的案例研究中，研究人员考察了为曼哈顿低洼地区提出的防御措施。飓风“桑迪”于2012年重创纽约和新泽西州后，美国陆军工程兵团提出了建造一系列防洪墙以保护曼哈顿的“大U”方案。部分“大U”正在施工，其余部分处于规划阶段。但整个系统的最终完工计划尚未确定。该研究聚焦“大U”的提案，以及如何调整沿海防洪防御措施以应对未来海洋对纽约的威胁。

洪水由海平面上升和风暴共同引发。两者均受气候变化影响，而气候变化又受全球碳排放影响。研究人员希望每10年评估一次决策方法，并允许根据每个区间可用的威胁数据调整“大U”。由于气候变化在长期内的影响仍不确定，研究人员希望研究在当时可用数据下做出最佳决策的方法。

传统上，工程师们会建造防洪墙和堤坝等防护系统以抵御历史上发生的洪水，建造抵御五十年或百年一遇洪水的保护措施。但由于气候正在变化，这类系统不再有效。建造与过去百年最高风暴潮相当的“大U”防洪墙将在气候变化导致更高风暴潮水平时使曼哈顿变得脆弱。研究人员研究了几种考虑不断变化条件的决策方法。大多数方法允许根据关键变量的变化进行调整，一些方法允许规划者对未来进行预测，这也会影响决策。

例如，作为临时措施，居民可以对家园进行防水处理，但最终更高的海平面将需要建造高防洪墙。在某些情况下，防洪墙可能过于昂贵，无法保护所有人，居民会被鼓励或强制撤离受威胁的社区。在少数变量需要考虑的情况下，计划的好处可以相对容易估算。但不确定的气候变化构成了一个极其复杂的局面。研究人员表明，强化学习可用于设计综合策略，包括从低洼地区撤退、在更高海拔的内陆保护财产以及在两者间适应，与单一维度的防洪墙策略相比，成本减少5-15%。

主要研究人员之一宁琳说，保卫曼哈顿不仅复杂，还需在不确定条件下做出艰难决定。对于每个时间段，规划者必须根据观测到的海平面上升和约8万种未来海平面上升情景及其对应的决策反应做出决定。随着时间段数量增加，决策难度也会加大。虽然气候适应决策并不简单，但宁琳表示，强化学习是一种高效系统，可以纳入观察并更新计划，以得出限制极端事件影响的最佳解决方案。强化学习还通过避免未来全球碳排放不确定性变化带来的损失，优于以往方法。

“纽约市的情况分析并非独一无二，”普林斯顿大学地质科学和国际事务教授迈克尔·奥本海默（音译）说，他是该研究的合作者之一。“该方法可广泛应用于其他地方，尽管其相对于其他分析系统的益处因地而异。”

(以上内容均由Ai生成)