Can AI Help Solve the Climate Crisis? | Sims Witherspoon | TED

翻訳: Kaori Nozaki 校正: Misaki Sato

You may have had the experience of unboxing furniture

組み立て家具の梱包を解いたとき

and come across instructions that go something like this:

こんな指示書を見たことはないでしょうか

"Assemble the bookshelf according to the provided diagram."

「この図のとおりに 本棚を組み立ててください」と

Yes, I know what a bookshelf looks like.

ご親切に でも本棚の完成予想図は分かります

Probably wouldn't be reading the assembly instructions

私が 家具の組み立てにもっと自信があったら

if I didn't need a little more help with the process.

この説明書の存在にさえ おそらく気づかなかったでしょう

Or maybe you've opened a cookbook

一方 料理本を開いたら

with an author who thinks you're already somewhat of a chef.

読者はプロのシェフだと決めつけた説明で 面食らったことはないですか

"Deglaze the pan."

「フライパンでデグラッセして」と

What?

はあ もしもし？

(Laughter)

（笑）

OK, off I go on a separate search to understand whatever that means.

さっぱり意味が分からないので 改めてネット検索するはめになります

Instructions that tell you what to do and not how to do it

「何をするのか」だけ提示されても そのための手段が分からないと

are pretty useless.

その指示は全く役に立ちません

And yet, even when we're talking

しかも 似たようなことは

about something as important as climate change,

気候変動という大事な問題を 論じている場合にも珍しくないのです

we hear them all the time.

次の呼びかけをよく聞きます

“Transition to renewable energy.”

「再生可能エネルギーに移行しよう」

“Electrify everything else.”

「すべて電化しましょう」

“Deploy solutions that are equitable and fair.”

「公平で公正な ソリューションを導入しよう」などです

Yes, let's do all of that.

じゃあ 全部やってみましょうよ

But how?

でも どうやって？

Answering how is where we understand which solutions are actually feasible,

「どうすれば」の問いに答えるとは つまり 本当に実現可能なソリューションの発案です

whether that be with today's infrastructure,

ただしその場合 現存の社会インフラや

our evolving regulatory environment

昨今変化の激しい法規制の状況

or any of the other number of dependencies and constraints

それ以外にも不可欠な 依存関係や制約のすべてを

that we have to consider.

考慮に入れなければなりません

How we solve climate change

気候変動問題の解決策は

also depends on our very definition of the problem.

問題の定義そのものによっても変わってきます

It's a scientific challenge, a sociopolitical issue,

科学的な課題であり 社会政治的な問題であり

an economic problem and so much more.

経済的問題であり それ以外にもさまざまな側面があります

And how we solve it will depend on how we frame it.

つまり 解決方法は 問題の捉え方によって変わってきます

There is no single answer.

答えは１つではありません

I'm a scientist,

私は科学者ですから

so I approach climate change as a scientific challenge.

気候変動を科学的な課題として捉えています

I'm also a techno-optimist

私はまた テクノロジーの力を信じており

and artificial-intelligence product manager,

人工知能（ＡＩ）の プロダクトマネージャでもあるので

so I also approach it as a technological one.

テクノロジーを使って この問題に立ち向かおうとしています

When it comes to a sustainable future,

持続可能な未来を考えた場合

artificial intelligence can help us do three critical things.

次の３つの重要なことに ＡＩが役立つと考えています

First, it can help us understand climate change

第一に 気候変動とは何か それか地球の生態系にどう影響するのかを

and its effects on Earth's ecosystems.

理解するのに役立ちます

Second, it can help us optimize current systems and infrastructure,

第二に 現在のシステムやインフラの 最適化に役立ちます

because we can't just start over from scratch today.

今から地球をまっさらの状態に戻して やり直すことはできないからです

And third, it can help us accelerate the breakthrough science we need,

そして第三に 私たちが必要とする 画期的な科学を加速させるのに役立ちます

such as fusion as a carbon-free energy source.

例えば核融合です 炭素排出ゼロのエネルギー源になり得ます

Today, I'd like to talk about that second one,

では今回は 第二の課題を 掘り下げたいと思います

optimizing current systems,

現行システムの最適化についてです

and specifically, how we can use AI to harness a superpower

具体的には ＡＩを活用して この戦いでの大きな戦力となるものを

we already have in this fight:

さらに強化する方法を紹介します

wind energy.

風力エネルギーです

Renewables are unquestionably a key to a sustainable future,

再生可能エネルギーは間違いなく 持続可能な未来への鍵となりますが

but the problem is they're unpredictable.

ここで問題があります 予測できないことです

Sometimes, the sun shines and the wind blows,

太陽が輝いて風が吹く日もあれば

and sometimes, it just doesn't.

そうでない日もあります

Now, for an electricity systems operator,

現在 電力システムを運営している事業者は

who needs supply to meet demand in real time, 24-7,

24時間365日リアルタイムで供給を続けて 需要に応えることが必須です

this is hugely problematic.

これが大問題なのです

Renewables can't be 100 percent reliably scheduled.

再生可能エネルギーは 100％確実に計画することはできません

Now, unfortunately, fossil-fuel plants are the opposite.

この点 残念なことに 化石燃料を使う発電所は対照的です

You can burn a specific amount of coal at a set time

決められた時間に特定の量の石炭を燃やして

to deliver exactly the amount of electricity you want

必要なだけの電力量を 予測可能な時間枠内に

in a predictable time window.

供給することができます

So ...

だから…

if you're a power systems manager

電力システムの管理者は

whose job is to literally keep the lights on,

電力の供給を絶やさない 責任を負う立場です

which source are you more confident depending on?

自信を持って使いたい電源として どちらを選ぶでしょう？

But here's one of the places where AI can come in.

ここでＡＩの出番です

It is a powerful tool for forecasting.

ＡＩは予測に役立つ強力なツールです

AI systems can ingest vast amounts of historical data

ＡＩシステムは 膨大な量の過去のデータを取り込み

and help us predict future events.

将来の出来事を予測するのに役立ちます

So, while we can't eliminate the variability of wind,

風の変動を排除することはできませんが

we can use AI to more accurately predict its availability.

ＡＩを使用することで 風速の変動をより正確に予測できます

That was my team’s “what” to do.

それが私のチームの「すべきこと」でした

Use AI to accelerate the transition to renewables, like wind energy.

ＡＩを活用して 風力エネルギーなど 再生可能エネルギーへの移行を推進するのです

The tough part was the “how” to do it.

ただし「具体的な実現方法」が難題でした

First, we researched the challenge.

そこでまず 課題について調査しました

We read papers, we spoke to domain experts,

論文を読んだり その分野の専門家に話を聞いたりして

we found out everything we could about the problem.

この問題について できる限りの情報を集めました

Our team, which is a mix of research scientists,

私たちのチームは混成で 研究者をはじめとして

engineers, a product manager, a program manager

エンジニア プロダクトマネージャ プログラムマネージャ

and an impact analyst,

インパクトアナリストなどがいます

decided that a neural net trained on historical weather data

過去の気象データと タービン発電のデータを使って

and turbine power-production information

トレーニングしたニューラルネットが

would likely help us accomplish our goal.

私たちの目標達成に役立つと判断しました

Next, we needed to find two core elements:

続いて 核となる要素は 次の２つと判断しました

data to train the system

システムをトレーニングするためのデータと

and a partner who was willing to deploy it.

システムの導入に 参加してくれるパートナーです

Both of these can be major obstacles

どちらも 現実世界のシナリオに

when it comes to deploying AI in real-world scenarios.

ＡＩを導入するうえで 大きな障害となる可能性があります

Let's start with data.

ではデータから考えていきましょう

There are massive gaps in climate-critical data --

気候に関して どのデータを重視するのかは 業種によって大きく違ってきます

not just in electricity,

気候は 電力業界はもちろんのこと

but in agriculture, transportation, industry and many other sectors.

農業 運輸 工業など 実に多くの業種に影響するのです

Some of our data, we could purchase or download for free --

私たちが扱うデータは 購入したり 無料でダウンロードしたりします

weather forecasts, for instance.

無料のものは 例えば天気予報です

But some of the data we needed was proprietary,

しかし 必要なデータの中には 非公開のものもあります

and this would be, like, turbine power-production information

タービン発電所の発電状況や

and other operational data from the wind farms.

風力発電所のさまざまな運用データなどです

Now, we needed that proprietary data so that we could train our models

現在私たちが そうした特別なデータを必要としている理由は

to learn the relationship between historical weather

過去においての 気象と発電量の関係を学習させるように

and historical power production,

モデルをトレーニングするためです

so it could then then make predictions about future power availability

これに基づき データが導き出した将来の気象の予測から

based on what data said about future weather.

将来の電力供給量を予測したいと考えています

Now it's probably worth mentioning here

ただし お断りしておきますが

that we were looking at a few years of data

私たちが着目するのは ここ数年分のデータで

on hourly resolution,

時間単位で見ていきます

not historical data at a timescale

それ以前の過去のデータを含めた―

that would have massive climactic differences from present day.

長期的な分析は行っていません 現在と気候が大きく異なるからです

In addition to data,

また データだけではなく

we needed to find a partner with domain expertise

その分野の専門知識も持っていて

and the willingness and scale to test new systems.

新しいシステムのテストに意欲的な 大規模なパートナーも必要でした

You know, surprisingly, this can be a major hurdle

驚くべきことに このことは

when it comes to deploying AI in the real world.

現実世界にＡＩを導入するうえで 大きなハードルになり得ます

Believe it or not, it's not every wind-farm manager

信じられないかもしれませんが 風力発電所の管理者は

that wants to let a bunch of AI researchers

ＡＩ研究者から殺到する要望を 歓迎しません

test on their multimillion- or multibillion-dollar systems.

数百万ドルまたは数十億ドル規模のシステムを テストに使いたいという要望ですから

But the thing is, in order to prove that AI works,

しかし問題は ＡＩが機能することを証明するためには

we have to have deployment opportunities in the real world.

実働環境に導入する機会が 必要だということでした

Luckily for us, Google was a ready and willing partner.

幸運なことに Googleは 意識も意欲も高いパートナーでした

OK, yes, DeepMind is a part of Google,

確かに 当社DeepMindは Googleの一部門ですが

but it's not a given that they would let us test on their systems.

テストに Google本社のシステムを 使わせてもらえるのは異例のことです

Yet they let us test on 700 megawatts of their wind-power capacity,

それでも 風力発電容量700メガワットの テストを認めてもらいました

which is equivalent to a large wind farm in the United States.

米国では大規模な風力発電所に相当します

This made them an excellent proxy for external wind-farm operators.

社外の風力発電事業者の代役を 見事に果たしてもらえました

They also lent us an expert team to advise on metrics and benchmarks

また 専門家チームを派遣してもらい 指標やベンチマークの助言を得ましたし

and to share the data that we needed.

必要なデータも共有してもらえました

This is another critical component of AI for the real-world deployments.

現実世界へのＡＩ導入にあたっては こういうことも 重要な要因になります

Working with a domain-expert team that can tell you what they need,

各分野の専門家チームと協力することで 次のことが分かります

how they need it to work,

必要なことと その実現方法

which constraints keep the system safe,

システムを安全に保つため どの制約が有効か

what quantifiable metrics to use to measure AI performance

ＡＩパフォーマンスの測定には 定量化可能な指標としてどれを使用するべきか

and how much better that AI performance needs to be

さらには ＡＩのパフォーマンスを 以前のものと比べて どれだけ改善すれば

than their previous systems

現行システムから切り替える―

to make the cost of switching over even worth it.

コストに見合うだけの 効果が出るのかといったことです

And that's just to name a few.

その他もいろいろと支援を受けました

So at this point, we have our idea,

こうして 必要な３つの要素がそろいました

we have our data, we have our deployment partner.

アイデアとデータ そして導入のパートナーです

Now, to test and deploy our system.

次は システムテストから展開までのお話です

Improving the accuracy of electricity-supply forecast

電力供給の予測精度を向上させることは

is incredibly important.

極めて重要です

If predictions are higher than actual generation,

予測値が実際の発電量よりも高い場合

renewable electricity managers may not have enough supply to meet demand.

再生可能電力事業者は 需要に見合うだけの 供給ができない可能性があります

This, in turn, drives the purchase of carbon-intensive fossil fuels

その結果 化石燃料の購入が 必要になるかもしれません

to cover that gap,

不足分の電力を補うためです

because they're largely what makes up backup generation.

化石燃料は主に 予備的な発電施設で使われるからです

Now, the good news.

ここで朗報です

Our AI system performed 20 percent better than Google's existing systems.

当社のＡＩシステムのパフォーマンスは Googleの既存システムを20％上回り

Even better news is that Google decided to scale this technology.

Googleは このテクノロジーを スケールアップすることを決断しました

And scaling is so important.

規模の拡大はとても重要です

We will run out of time in the climate countdown

気候変動対策が手遅れになる前に

if we aren't deploying solutions that are widely applicable.

広く適用できるソリューションを 展開しなければなりません

This particular solution is being developed

そこで 具体的なソリューションを紹介します

into a software product

ソフトウェアとして開発され

that French company Engie is among the first to pilot.

フランスのEngie社が 最初の試験運用を進めています

But, you know,

このとおり

it doesn't even take a major research organization to do this kind of work.

システム開発は 大手の研究機関でなくても進められます

Where we focused on AI for supply-side forecasting,

私たちはＡＩをエネルギー供給面の 予測に特化させてきましたが

a small UK-based nonprofit called Open Climate Fix

一方で 英国拠点の小規模な非営利団体 「Open Climate Fix」は

is focusing on AI for demand-side forecasting.

需要側の予測に焦点を当てて ＡＩ利用を進めています

They found a willing partner in the UK National Grid,

彼らはUK National Grid社で 進んで協力してくれるパートナーを見つけて

and are currently deploying forecasts that are two times more accurate

英国の送電網が 以前使用していたシステムに比べて

than the UK grid's previously used systems.

２倍精度が高い予測を 現在 展開しています

Now, all of this is to say is that AI can help us

つまり まとめると 再生可能エネルギーへの移行に

with the transition to renewable energy,

ＡＩは役立つと言えます

but scientists and technologists,

でも 科学者や技術者の皆さん

we're not going to be able to do that alone.

私たちだけでは実現できませんよね

We need to be working with partners and experts

だから 「実現方法」を教えてくれる パートナーや専門家と

who can teach us the “how.”

私たちは協力する必要があります

So for those of you interested in this space,

ですから この分野に興味のある方

if you're a domain expert,

その分野の専門家の方は

please share the problems you face and the challenges that you have

直面している問題と課題を共有してください

so that our sector can ensure

そうすれば 私たちＡＩ業界の人間は

that AI pursuits will have impact in the real world

純粋に学術分野だけではなく 現実世界にも影響を与えられるような

and not be purely academic.

人工知能の開発を進めることができます

Even better,

もうひとつ 朗報ですが

if you want to incentivize ML researchers to work on your problems,

皆さんが抱える課題の解決を 機械学習の研究者に助けてほしいならば

I'll let you in on a little secret:

コツをお教えします

build a competition, and they will come.

コンテストを作れば 彼らはやってくる

(Laughter)

（笑）

It's true.

本当のことですよ

Just don't forget the datasets and metrics.

ただし データセットとメトリクスを 忘れてはいけません

If you are a data holder, where it’s safe and responsible to do so,

データを安全に 保持・運用する責任を担っている方は

please share data related to those challenges.

そのことの課題に関する データを共有してください

If you're not sure whether the data you have is even climate-critical,

手元のデータが 気候変動に対する理解や 対策に不可欠かどうかが分からない場合は

you can check out Climate Change AI's website,

「Climate Change AI」の ウェブサイトをどうぞ

where they have published a wish list of climate-critical datasets.

気候変動に対する影響が大きいデータセットの 「欲しいものリスト」が公開されています

Access to these datasets

それにアクセスできれば

would unblock crucial research and innovation in AI for climate.

気候変動に特化したＡＩに関する 重要な研究や革新が一気に進むでしょう

If you're a deployment partner,

導入パートナーに興味を持たれた方は

please, let us know who you are,

ぜひ私たちにご連絡ください

especially if you're willing to test innovative systems.

革新的なシステムのテストに 関心のある方なら なおうれしいです

And for everyone who's interested in this space,

そして この分野に興味を持たれた方 全員にお伝えしたいのですが

please know you do not have to be technical to work in tech.

技術者でなくてもテクノロジー業界で働けます 覚えておいてください

AI for climate action requires a variety of skill sets

気候変動に特化したＡＩには 多様なスキルと

and a diversity of backgrounds

経歴を持った人が必要です

that, yes, includes research scientists and engineers,

研究者 科学者 エンジニアだけでなく

but it also includes ethicists and policy experts,

倫理学や政策の専門家

communication teams, product managers,

コミュニケーションチーム プロダクトマネージャ

program managers and so many more folks.

プログラムマネージャなど 多岐にわたります

Now for the warning label.

ただし ひとつ警告しておきたいのですが

AI is not a silver bullet.

ＡＩは特効薬ではありません

It will not solve all problems driving climate change.

気候変動の原因となる問題を すべて解決するわけではないのです

It isn't even the right tool for many of the challenges that we face.

私たちが直面している多くの課題に対して 最適なツールだとも言えません

AI is also not a technology without tensions.

また ＡＩの利用には細心の注意が必要です

It needs to be deployed safely and responsibly.

安全性を保証し責任を持って 導入する必要があります

Not to mention,

言うまでもないことですが

until our grids are run on clean energy, AI itself will carry a carbon footprint,

送電網がクリーンエネルギーで稼働するまでは ＡＩ自体が二酸化炭素を相当量 排出します

as will any energy-intensive technology we use.

私たちが使っている エネルギー集約型技術も同様です

But AI can be a transformational tool in our fight against climate change --

それでもＡＩは 気候変動との闘いに 変革をもたらすツールとなり得ます

it's just on all of us to wield it effectively.

ＡＩを効果的に活用するのは 人類全体の責任です

The “why” we need to is absolutely harrowing.

私たちが直面している 地球の現状は 本当に悲惨なものですが

The “what” we can do is really exciting.

そこで私たちが「できること」を思うと 本当にワクワクします

But it’s the “how” we can do it

実行可能な「具体的な方法」を見つけられれば

that will illuminate feasibility and help us drive impact.

実現可能性が明らかになりますし その提唱者の影響力は高まるでしょう

So, in your next climate action conversations,

ですから 今度皆さんが 気候変動対策について誰かと話す機会があり

when someone presents you with an exciting "what,"

そこで誰かが 画期的な 「すべきこと」のアイデアを提示したら

please help to advance the conversation

その会話を建設的な「実現方法」の議論へと

to the impactful "how."

進めてほしいと 私たちは願っています

Thank you.

ありがとうございます

(Cheers and applause)

（歓声と拍手）