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

Переводчик: Alena Chernykh Редактор: Olga Mansurova

You may have had the experience of unboxing furniture

Возможно, вам приходилось когда-нибудь распаковывать мебель,

and come across instructions that go something like this:

и вы сталкивались с инструкциями примерно такого содержания:

"Assemble the bookshelf according to the provided diagram."

«Соберите книжную полку согласно предоставленной схеме».

Yes, I know what a bookshelf looks like.

Да, я знаю, как выглядит книжная полка.

Probably wouldn't be reading the assembly instructions

Наверное, я бы не стала читать инструкции по сборке,

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

если бы мне не понадобилась дополнительная помощь в процессе.

Or maybe you've opened a cookbook

Или вы открыли кулинарную книгу,

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

написанную автором, который считает, что вы в некотором роде шеф-повар.

"Deglaze the pan."

«Удалите глазурь со сковороды».

What?

Что?

(Laughter)

(Смех)

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

Теперь я буду дополнительно искать, чтобы понять, что это значит.

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

Инструкции, которые говорят вам, что делать, а не как,

are pretty useless.

довольно бесполезны.

And yet, even when we're talking

И всё же, даже когда мы говорим

about something as important as climate change,

о чём-то столь важном, как изменение климата,

we hear them all the time.

мы постоянно слышим их.

“Transition to renewable energy.”

«Переход на возобновляемые источники энергии».

“Electrify everything else.”

«Электрифицируйте всё остальное».

“Deploy solutions that are equitable and fair.”

«Внедряйте справедливые решения».

Yes, let's do all of that.

Да, давайте сделаем всё это.

But how?

Но как?

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

Ответ в том, как понять, какие решения действительно осуществимы,

whether that be with today's infrastructure,

будь то в условиях современной инфраструктуры,

our evolving regulatory environment

меняющейся нормативно-правовой базы

or any of the other number of dependencies and constraints

или любых других зависимостей и ограничений,

that we have to consider.

которые нам необходимо учитывать.

How we solve climate change

Решение проблемы климата

also depends on our very definition of the problem.

также зависит от самого нашего определения проблемы.

It's a scientific challenge, a sociopolitical issue,

Это научная проблема, социально-политическая проблема,

an economic problem and so much more.

экономическая проблема и так далее.

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

И как мы её решим будет зависеть от того, как мы её сформулируем.

There is no single answer.

Однозначного ответа на этот вопрос нет.

I'm a scientist,

Я учёный,

so I approach climate change as a scientific challenge.

поэтому рассматриваю изменение климата как научную проблему.

I'm also a techno-optimist

Я также являюсь технооптимистом

and artificial-intelligence product manager,

и менеджером по продукту в области ИИ,

so I also approach it as a technological one.

поэтому я рассматриваю проблему и как технологическую.

When it comes to a sustainable future,

Когда речь идёт об устойчивом будущем,

artificial intelligence can help us do three critical things.

искусственный интеллект может помочь нам в решении трёх важнейших задач.

First, it can help us understand climate change

Во-первых, он может помочь нам понять изменение климата

and its effects on Earth's ecosystems.

и его влияние на экосистемы Земли.

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

Во-вторых, помочь оптимизировать существующие системы и инфраструктуру,

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

потому что сегодня мы не можем начать всё с нуля.

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

И в-третьих, ускорить развитие необходимых нам революционных научных достижений,

such as fusion as a carbon-free energy source.

таких как термоядерный синтез, безуглеродный источник энергии.

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

Сегодня я хочу рассказать о втором аспекте,

optimizing current systems,

об оптимизации существующих систем

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

и, в частности, как использовать ИИ в качестве суперсилы,

we already have in this fight:

которой мы уже обладаем в этой борьбе,

wind energy.

энергии ветра.

Renewables are unquestionably a key to a sustainable future,

Несомненно, возобновляемые источники энергии — ключ к устойчивому будущему,

but the problem is they're unpredictable.

но проблема в том, что они непредсказуемы.

Sometimes, the sun shines and the wind blows,

Иногда солнце светит и дует ветер,

and sometimes, it just doesn't.

а иногда нет.

Now, for an electricity systems operator,

Для оператора электросистем, который должен подавать энергию

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

для удовлетворения спроса в режиме реального времени 24/7,

this is hugely problematic.

это крайне проблематично.

Renewables can't be 100 percent reliably scheduled.

Невозможно обеспечить 100% надёжное поступление возобновляемой энергии.

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

К сожалению, на заводах, работающих на ископаемом топливе, всё наоборот.

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

Вы можете сжигать определённое количество угля за определённое время,

to deliver exactly the amount of electricity you want

чтобы получить то количество электричества, которое нужно,

in a predictable time window.

в предсказуемый временной интервал.

So ...

Поэтому...

if you're a power systems manager

Если вы менеджер по энергосистемам,

whose job is to literally keep the lights on,

чья работа в том, чтобы буквально держать свет включённым,

which source are you more confident depending on?

на какой источник вы полагаетесь более уверенно?

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

Вот где искусственный интеллект может пригодиться.

It is a powerful tool for forecasting.

Это мощный инструмент прогнозирования.

AI systems can ingest vast amounts of historical data

Системы ИИ могут обрабатывать огромные объёмы исторических данных

and help us predict future events.

и помогать прогнозировать будущие события.

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

Таким образом, хотя мы и не можем устранить изменчивость ветра,

we can use AI to more accurately predict its availability.

мы можем использовать ИИ для более точного прогнозирования его доступности.

That was my team’s “what” to do.

Именно этим и занималась моя команда.

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

Использовать ИИ для ускорения перехода к возобновляемой энергии, например, ветра.

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

Сложность заключалась в том, «как» это сделать.

First, we researched the challenge.

Сначала мы изучили проблему.

We read papers, we spoke to domain experts,

Прочитали статьи, поговорили с экспертами в данной области,

we found out everything we could about the problem.

узнали всё что могли об этой проблеме.

Our team, which is a mix of research scientists,

Наша команда, состоящая из учёных-исследователей,

engineers, a product manager, a program manager

инженеров, менеджера по продукту, руководителя программы

and an impact analyst,

и аналитика воздействия,

decided that a neural net trained on historical weather data

решила, что нейронная сеть, обученная на исторических данных о погоде

and turbine power-production information

и информации о производстве турбинной энергии,

would likely help us accomplish our goal.

вероятно, поможет нам достичь нашей цели.

Next, we needed to find two core elements:

Затем нам нужно было найти два основных элемента:

data to train the system

данные для обучения системы

and a partner who was willing to deploy it.

и партнёра, который хотел бы её внедрить.

Both of these can be major obstacles

Оба эти фактора могут стать серьёзными препятствиями

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

при развёртывании искусственного интеллекта в реальных сценариях.

Let's start with data.

Давайте начнём с данных.

There are massive gaps in climate-critical data --

Существуют огромные пробелы в критически важных для климата данных

not just in electricity,

не только в сфере электроэнергетики,

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

но и в сельском хозяйстве, транспорте, промышленности и других секторах.

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

Некоторые из наших данных мы могли приобрести или скачать бесплатно,

weather forecasts, for instance.

например, прогнозы погоды.

But some of the data we needed was proprietary,

Но некоторые из необходимых нам данных были конфиденциальными,

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

например, информация о производстве электроэнергии турбинами

and other operational data from the wind farms.

и другие эксплуатационные данные с ветряных станций.

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

И нам нужны были такие собственные данные, чтобы научить наши модели

to learn the relationship between historical weather

изучать взаимосвязь между исторической погодой

and historical power production,

и историческим производством электричества,

so it could then then make predictions about future power availability

а затем прогнозировать будущую доступность электроэнергии

based on what data said about future weather.

на основе данных о погоде в будущем.

Now it's probably worth mentioning here

Теперь, вероятно, стоит отметить,

that we were looking at a few years of data

что мы брали данные за несколько лет

on hourly resolution,

с часовым разрешением,

not historical data at a timescale

а не исторические данные за период,

that would have massive climactic differences from present day.

когда климат существенно отличался бы от современного.

In addition to data,

Помимо данных, нужно было найти партнёра,

we needed to find a partner with domain expertise

обладающего экспертными знаниями в данной области

and the willingness and scale to test new systems.

и готового к масштабному тестированию новых систем.

You know, surprisingly, this can be a major hurdle

Как ни странно, это может стать серьёзным препятствием

when it comes to deploying AI in the real world.

при развёртывании искусственного интеллекта в реальном мире.

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

Верьте или нет, но не каждый управляющий электростанциями

that wants to let a bunch of AI researchers

хочет позволить группе исследователей ИИ

test on their multimillion- or multibillion-dollar systems.

протестировать свои многомиллионные или многомиллиардные системы.

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

Но для того чтобы доказать, что искусственный интеллект работает,

we have to have deployment opportunities in the real world.

нам нужны возможности его внедрения в реальном мире.

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

К счастью для нас, Google была готовым и согласным партнёром.

OK, yes, DeepMind is a part of Google,

Да, DeepMind является частью Google,

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

но не факт, что они разрешили бы нам тестировать на их системах.

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

Всё же они позволили нам протестировать их энергетические мощности на 700 МВт,

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

что эквивалентно мощности крупной ветряной электростанции в США.

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

Это сделало их отличным прокси-сервером для операторов внешних ветряных станций.

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

Они также предоставили нам экспертов для консультирования по показателям

and to share the data that we needed.

и критериям и обмена необходимыми данными.

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

Это другой важный компонент ИИ для внедрения в реальных условиях.

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

Работа с командой экспертов в предметной области, которая подскажет, что им нужно,

how they need it to work,

как это нужно для работы,

which constraints keep the system safe,

какие ограничения обеспечивают безопасность системы,

what quantifiable metrics to use to measure AI performance

какие количественные показатели нужны для оценки производительности ИИ

and how much better that AI performance needs to be

и насколько производительность ИИ должна быть лучше,

than their previous systems

чем у предыдущих систем,

to make the cost of switching over even worth it.

чтобы затраты на переход на другую систему оправдали себя.

And that's just to name a few.

И это лишь некоторые из них.

So at this point, we have our idea,

На данный момент у нас есть идея,

we have our data, we have our deployment partner.

наши данные, партнёр по развёртыванию.

Now, to test and deploy our system.

Теперь перейдём к тестированию и развёртыванию нашей системы.

Improving the accuracy of electricity-supply forecast

Повышение точности прогноза поставок электроэнергии

is incredibly important.

невероятно важно.

If predictions are higher than actual generation,

Если прогнозы превышают фактическую выработку электроэнергии,

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

менеджеры по возобновляемым источникам могут не обеспечить удовлетворение спроса.

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

Это, в свою очередь, побуждает покупать углеродоёмкое ископаемое топливо,

to cover that gap,

чтобы восполнить пробел,

because they're largely what makes up backup generation.

так как он обеспечивает резервную генерацию энергии.

Now, the good news.

А теперь хорошие новости.

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

Наша система ИИ работала на 20% лучше, чем существующие системы Google.

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

Ещё лучше новости о том, что в Google решили масштабировать эту технологию.

And scaling is so important.

И масштабирование очень важно.

We will run out of time in the climate countdown

Мы упустим время обратного отсчёта изменений климата,

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

если не будем внедрять широко применимые решения.

This particular solution is being developed

Это конкретное решение

into a software product

превращается в программный продукт,

that French company Engie is among the first to pilot.

который французская компания Engie опробовала одной из первых.

But, you know,

Но, знаете,

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

для выполнения такой работы даже не нужна крупная исследовательская организация.

Where we focused on AI for supply-side forecasting,

Если мы сосредоточились на ИИ для прогнозирования предложения,

a small UK-based nonprofit called Open Climate Fix

то небольшая британская НКО Open Climate Fix сосредоточила внимание

is focusing on AI for demand-side forecasting.

на искусственном интеллекте для прогнозирования спроса.

Они нашли надёжного партнёра в лице Национальной энергосистемы Великобритании

They found a willing partner in the UK National Grid,

and are currently deploying forecasts that are two times more accurate

и в настоящее время разрабатывают прогнозы, которые в два раза точнее,

than the UK grid's previously used systems.

чем системы, использовавшиеся ранее в энергосистеме Великобритании.

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

Всё это говорит о том, что ИИ может помочь нам

with the transition to renewable energy,

перейти на возобновляемые источники энергии,

but scientists and technologists,

но учёные и технологи

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

не смогут сделать это в одиночку.

We need to be working with partners and experts

Нам нужно работать с партнёрами и экспертами,

who can teach us the “how.”

которые могут научить нас, «как».

So for those of you interested in this space,

Поэтому все, кто интересуется этой областью,

if you're a domain expert,

если вы являетесь экспертом в данной области,

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

расскажите о проблемах и задачах, с которыми вы сталкиваетесь,

so that our sector can ensure

чтобы наш сектор мог обеспечивать

that AI pursuits will have impact in the real world

влияние разработок в области ИИ в реальном мире,

and not be purely academic.

а не носить чисто академический характер.

Even better,

И если вы хотите побудить

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

исследователей машинного обучения работать над вашими проблемами,

I'll let you in on a little secret:

я открою вам небольшой секрет:

build a competition, and they will come.

создайте конкуренцию, и они обязательно придут.

(Laughter)

(Смех)

It's true.

Это правда.

Just don't forget the datasets and metrics.

Только не забывайте о наборах данных и метриках.

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

Если вы являетесь владельцем данных и делаете это безопасно и ответственно,

please share data related to those challenges.

пожалуйста, поделитесь данными, касающимися этих проблем.

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

Если вы не уверены, что ваши данные вообще критически важны для климата,

you can check out Climate Change AI's website,

вы можете посетить веб-сайт Climate Change AI,

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

где опубликован список желаемых наборов данных, критически важных для климата.

Access to these datasets

Доступ к этим наборам данных

would unblock crucial research and innovation in AI for climate.

позволит разблокировать важнейшие исследования в области ИИ о климате.

If you're a deployment partner,

Если вы являетесь партнёром по развёртыванию,

please, let us know who you are,

пожалуйста, сообщите нам, кто вы,

especially if you're willing to test innovative systems.

особенно если вы хотите протестировать инновационные системы.

And for everyone who's interested in this space,

И все, кто интересуется этой сферой,

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

знайте, что для работы в сфере технологий вы не обязаны быть специалистом в технике.

AI for climate action requires a variety of skill sets

ИИ для борьбы с изменением климата требует разнообразных навыков

and a diversity of backgrounds

и разного опыта, в том числе

that, yes, includes research scientists and engineers,

учёных-исследователей и инженеров,

but it also includes ethicists and policy experts,

а также специалистов по этике и политике,

communication teams, product managers,

коммуникационных групп, менеджеров по продуктам,

program managers and so many more folks.

руководителей программ и многих других.

Now for the warning label.

А сейчас о важных предупреждениях.

AI is not a silver bullet.

Искусственный интеллект — это не панацея.

It will not solve all problems driving climate change.

Он не решит всех проблем, связанных с изменением климата.

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

Это даже не лучший инструмент для решения проблем, с которыми мы сталкиваемся.

AI is also not a technology without tensions.

ИИ также не является технологией, лишённой противоречий.

It needs to be deployed safely and responsibly.

Его необходимо использовать безопасно и ответственно.

Not to mention,

Не говоря уже о том, что до тех пор,

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

пока наши сети не перейдут на экологически чистую энергию,

as will any energy-intensive technology we use.

ИИ будет вносить углеродный след, как и любая другая энергоёмкая технология.

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

Но ИИ может преобразовать нашу борьбу с изменением климата.

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

Его эффективное использование зависит только от каждого из нас.

The “why” we need to is absolutely harrowing.

Вопрос «зачем», который нам нужен, абсолютно мучителен.

The “what” we can do is really exciting.

То, «что» мы можем сделать, действительно впечатляет.

But it’s the “how” we can do it

Но именно то, «как» мы можем это сделать,

that will illuminate feasibility and help us drive impact.

позволит понять, насколько это возможно, и поможет нам добиться эффекта.

So, in your next climate action conversations,

Поэтому, когда в будущих разговорах

when someone presents you with an exciting "what,"

о мерах по борьбе с изменением климата кто-то задаст вам вопрос «что»,

please help to advance the conversation

пожалуйста, помогите перейти

to the impactful "how."

к обсуждению того, «как».

Thank you.

Спасибо.

(Cheers and applause)

(Одобрительные возгласы и аплодисменты)