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

Translator: Nguyễn Ngọc Thảo Nguyên Reviewer: Thanh Pham

You may have had the experience of unboxing furniture

Có thể bạn đã từng mở gói một hộp đồ nội thất

and come across instructions that go something like this:

và gặp chỉ dẫn như thế này:

"Assemble the bookshelf according to the provided diagram."

“Lắp giá sách theo sơ đồ như hình.”

Yes, I know what a bookshelf looks like.

Ừ thì, tôi biết một cái giá sách trông như thế nào mà.

Probably wouldn't be reading the assembly instructions

Nên tôi sẽ không đọc chỉ dẫn đó

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

trừ khi cần một ít giúp đỡ trong lúc lắp ráp.

Or maybe you've opened a cookbook

Hoặc có thể bạn từng mở một cuốn sách dạy nấu ăn

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

mà tác giả viết nó như thể bạn đã là một đầu bếp giỏi rồi.

"Deglaze the pan."

“Hãy khử dầu chiếc chảo.” Cái gì cơ?

What?

(Laughter)

(Cười)

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

Được thôi, tôi sẽ tự tra cứu xem nó nghĩa là gì.

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

Những chỉ dẫn nói bạn cần làm gì mà không nói phải làm thế nào

are pretty useless.

thì khá vô dụng.

And yet, even when we're talking

Và chưa hết, khi nhắc đến

about something as important as climate change,

một chuyện lớn lao như biến đổi khí hậu,

we hear them all the time.

chúng ta vẫn hay nghe những chỉ dẫn như vậy.

“Transition to renewable energy.”

“Hãy chuyển qua năng lượng tái tạo.” “Hãy điện khí hoá mọi thứ.”

“Electrify everything else.”

“Deploy solutions that are equitable and fair.”

“Triển khai các biện pháp một cách công minh và phù hợp.”

Yes, let's do all of that.

Được thôi, cùng làm các điều đó nào,

But how?

nhưng bằng cách nào?

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

Trả lời được câu hỏi này, ta sẽ biết đâu là mới là biện pháp thực tế,

dù các biện pháp đó có gắn liền với cơ sở hạ tầng hiện nay,

whether that be with today's infrastructure,

our evolving regulatory environment

với môi trường luôn biến đổi

or any of the other number of dependencies and constraints

hay với rất nhiều các nhân tố và hạn chế khác

that we have to consider.

mà chúng ta phải cân nhắc.

How we solve climate change

Cách ta xử lý với biến đổi khí hậu

also depends on our very definition of the problem.

cũng tuỳ vào cách ta định nghĩa vấn đề này.

It's a scientific challenge, a sociopolitical issue,

Nó là một thách thức khoa học, một sự kiện chính trị xã hội,

an economic problem and so much more.

một vấn đề kinh tế và rất nhiều thứ khác.

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

Và cách chúng ta đối phó với nó phụ thuộc vào cách ta nghĩ về nó.

There is no single answer.

Nó không có một định nghĩa duy nhất.

I'm a scientist,

Tôi là một nhà khoa học,

so I approach climate change as a scientific challenge.

nên tôi xem biến đổi khí hậu như một thách thức khoa học.

I'm also a techno-optimist

Tôi cũng là một người mê công nghệ

and artificial-intelligence product manager,

và một nhà quản lý sản phẩm trí tuệ nhân tạo,

so I also approach it as a technological one.

nên tôi cũng sẽ xem nó như một vấn đề liên quan đến công nghệ.

When it comes to a sustainable future,

Cho một tương lai bền vững,

artificial intelligence can help us do three critical things.

trí tuệ nhân tạo có thể giúp chúng ta làm ba điều quan trọng.

First, it can help us understand climate change

Đầu tiên, nó có thể giúp ta hiểu về biến đổi khí hậu

and its effects on Earth's ecosystems.

và ảnh hưởng của vấn đề này lên các hệ sinh thái của Trái đất.

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

Thứ hai, nó giúp ta tối ưu hóa các hệ thống và cơ sở hạ tầng hiện có,

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

vì bây giờ chúng ta không thể cứ thế mà bắt đầu lại từ con số 0.

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

Và thứ ba, nó giúp đẩy nhanh các đột phá cần thiết trong khoa học

such as fusion as a carbon-free energy source.

như là phản ứng nhiệt hạch để tạo ra nguồn năng lượng không có các-bon.

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

Hôm nay, tôi muốn nói về điều thứ hai,

optimizing current systems,

tối ưu hóa các hệ thống hiện hành,

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

và cụ thể là cách chúng ta có thể sử dụng AI

để khai thác một siêu năng lượng mà ta có sẵn trong cuộc chiến này:

we already have in this fight:

wind energy.

năng lượng gió.

Renewables are unquestionably a key to a sustainable future,

Không cần phải nói, năng lượng tái tạo là chìa khoá cho một tương lai bền vững,

but the problem is they're unpredictable.

nhưng vấn đề là bạn không kiểm soát được chúng.

Sometimes, the sun shines and the wind blows,

Có lúc mặt trời chiếu sáng, và gió thổi,

and sometimes, it just doesn't.

nhưng có lúc lại không.

Now, for an electricity systems operator,

Vậy thì,

với một người vận hành hệ thống điện luôn cần phải đáp ứng nhu cầu 24-7,

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

this is hugely problematic.

thì đây là một vấn đề hết sức nan giải.

Renewables can't be 100 percent reliably scheduled.

Năng lượng tái tạo không thể đảm bảo 100%.

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

Và không may là các nguồn nhiên liệu hóa thạch thì ngược lại.

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

Bạn có thể đốt một lượng than nhất định vào thời gian được cài sẵn

to deliver exactly the amount of electricity you want

để truyền đi chính xác lượng điện mà bạn muốn

in a predictable time window.

trong khung giờ bạn dự tính.

So ...

Vậy... nếu bạn là người quản lý hệ thống điện,

if you're a power systems manager

whose job is to literally keep the lights on,

có nhiệm vụ giữ cho đèn mọi nhà luôn sáng,

which source are you more confident depending on?

bạn sẽ thấy tự tin với nguồn năng lượng nào hơn?

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

Nhưng đây là lúc AI có thể ra tay.

It is a powerful tool for forecasting.

Nó là một công cụ dự báo tuyệt vời.

AI systems can ingest vast amounts of historical data

Hệ thống AI có thể xử lý lượng lớn các số liệu cũ

and help us predict future events.

và giúp chúng ta dự đoán tương lai.

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

Do đó, nếu ta không thể xoá bỏ tính thất thường của gió,

we can use AI to more accurately predict its availability.

ta có thể dùng AI để dự đoán về gió chính xác hơn.

That was my team’s “what” to do.

Đó là “những gì phải làm” của nhóm tôi.

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

Sử dụng AI để đẩy nhanh việc chuyển sang năng lượng tái tạo, như năng lượng gió.

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

Phần khó khăn là “làm như thế nào”.

First, we researched the challenge.

Đầu tiên, chúng tôi tìm hiểu về vấn đề.

We read papers, we spoke to domain experts,

Chúng tôi đọc báo, nói chuyện với các chuyên gia trong lĩnh vực,

we found out everything we could about the problem.

chúng tôi đã tìm ra mọi cách chúng tôi có thể làm.

Our team, which is a mix of research scientists,

Nhóm chúng tôi gồm các nhà khoa học nghiên cứu, kỹ sư

engineers, a product manager, a program manager

nhà quản lý sản phẩm, giám đốc chương trình

and an impact analyst,

nhà phân tích rủi ro, cho rằng

decided that a neural net trained on historical weather data

một mạng lưới thông minh được huấn luyện bằng các dữ liệu thời tiết trước đây

and turbine power-production information

và các thông tin về ngành sản xuất bằng tua bin

would likely help us accomplish our goal.

sẽ có thể giúp chúng tôi hoàn thành mục tiêu.

Next, we needed to find two core elements:

Tiếp đó, chúng tôi phải tìm kiếm hai yếu tố cốt yếu:

data to train the system

dữ liệu để huấn luyện hệ thống

and a partner who was willing to deploy it.

và một đối tác để triển khai nó.

Both of these can be major obstacles

Cả 2 yếu tố này đều có thể là những trở ngại lớn

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

khi đưa AI vào thực dụng.

Let's start with data.

Hãy bắt đầu với vấn đề dữ liệu.

There are massive gaps in climate-critical data --

Các mảng số liệu quan trọng liên quan đến khí hậu bị thiếu rất nhiều,

not just in electricity,

không chỉ về điện,

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

mà còn về nông nghiệp, vận tải, công nghiệp và nhiều lĩnh vực khác.

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

Với một số dữ liệu, chúng tôi có thể mua hoặc tải xuống miễn phí,

weather forecasts, for instance.

ví dụ như dự báo thời tiết.

But some of the data we needed was proprietary,

Nhưng vài dữ liệu khác mà chúng tôi cần lại là độc quyền.

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

Đó có thể là thông tin về quá trình sản xuất điện tua-bin

and other operational data from the wind farms.

và những dữ liệu vận hành từ các trang trại gió.

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

Hiện giờ, chúng tôi cần những dữ liệu đó để luyện tập cho mô hình của mình

to learn the relationship between historical weather

hiểu được mối quan hệ trước đây giữa thời tiết

and historical power production,

và quá trình sản xuất năng lượng.

so it could then then make predictions about future power availability

Từ đó, nó có thể dự đoán tần số xuất hiện của các nguồn năng lượng,

based on what data said about future weather.

dựa trên những gì các số liệu dự báo về thời tiết trong tương lai.

Now it's probably worth mentioning here

Điều đáng nói ở đây là

that we were looking at a few years of data

chúng tôi đã theo dõi dữ liệu của vài năm qua

on hourly resolution,

với sự chính xác đến từng giờ.

Không phải chỉ dữ liệu của một khoảng thời gian ngắn

not historical data at a timescale

that would have massive climactic differences from present day.

là đã gây ra sự thay đổi khí hậu ghê gớm như bây giờ đâu.

In addition to data,

Bên cạnh dữ liệu,

we needed to find a partner with domain expertise

chúng tôi cần tìm một đối tác có chuyên môn trong lĩnh vực,

and the willingness and scale to test new systems.

có sự sẵn sàng và trình độ để thử nghiệm các hệ thống mới này.

You know, surprisingly, this can be a major hurdle

Bạn biết đó, ngạc nhiên là đây có thể là một trở ngại lớn

when it comes to deploying AI in the real world.

khi triển khai AI trong thế giới thực.

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

Hơi khó tin nhưng không phải quản lý của trang trại gió nào

that wants to let a bunch of AI researchers

cũng muốn để một nhóm các nhà nghiên cứu AI

test on their multimillion- or multibillion-dollar systems.

thử nghiệm trên các hệ thống trị giá hàng triệu hoặc hàng tỷ đô la của họ.

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

Vấn đề là, để xem AI có hiệu quả không,

we have to have deployment opportunities in the real world.

chúng tôi cần các cơ hội để thử nghiệm thực tiễn.

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

May mắn cho chúng tôi, Google là một đối tác rất sẵn sàng và hết lòng.

OK, yes, DeepMind is a part of Google,

OK, đúng, DeepMind thuộc Google,

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

nhưng không phải hiển nhiên mà họ cho chúng tôi thử nghiệm trên hệ thống của họ.

Tuy nhiên, chúng tôi được phép thử nghiệm trên điện gió công suất 700 MW của họ,

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

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

tương đương với một trang trại gió lớn ở Hoa Kỳ.

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

Họ là trung gian chuyển hoá điện gió lớn cho các trang trại chạy bằng gió.

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

Họ cử một nhóm chuyên gia để tư vấn chúng tôi về các chỉ số và điểm chuẩn

and to share the data that we needed.

và cho chúng tôi các dữ liệu cần thiết.

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

Đây là một yếu tố quan trọng khác khi triển khai AI trong thế giới thực:

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

làm việc với một nhóm chuyên gia trong ngành mà họ nói với bạn họ cần gì,

how they need it to work,

họ muốn vận hành ra sao,

which constraints keep the system safe,

những lưu ý nào sẽ giúp hệ thống được an toàn,

what quantifiable metrics to use to measure AI performance

đơn vị nào là hợp lý để đo lường sự hiệu quả của AI

and how much better that AI performance needs to be

và AI cần được cải tiến so với lúc trước

than their previous systems

như thế nào

to make the cost of switching over even worth it.

để khiến việc chuyển đổi tối ưu hơn về mặt chi phí.

And that's just to name a few.

Và tôi chỉ mới nói đến một số ít vấn đề.

So at this point, we have our idea,

Vậy tính đến hiện tại, chúng tôi đã có ý tưởng,

we have our data, we have our deployment partner.

có dữ liệu, có đối tác để thực hiện mục tiêu,

Now, to test and deploy our system.

và bây giờ đã có thể thử nghiệm và triển khai hệ thống của mình.

Improving the accuracy of electricity-supply forecast

Nâng cao độ chính xác trong việc dự báo về nguồn cung cấp điện

is incredibly important.

là vô cùng quan trọng.

If predictions are higher than actual generation,

Nếu các dự đoán đưa ra con số cao hơn so với thực tế,

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

các nhà quản lý điện tái tạo có thể sẽ không có đủ nguồn cung để đáp ứng.

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

Rồi ta lại tốn chi phí cho các nguồn năng lượng hoá thạch với hàng tá các-bon

to cover that gap,

để bù vào phần điện bị thiếu,

because they're largely what makes up backup generation.

vì chúng chiếm phần lớn trong nguồn điện dự phòng.

Now, the good news.

Bây giờ, đến với tin tốt.

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

Hệ thống AI của chúng tôi hoạt động tốt hơn của Google đến 20%.

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

Một tin còn tốt hơn nữa là Google đã quyết định mở rộng quy mô công nghệ này,

And scaling is so important.

và điều này rất quan trọng.

Chúng ta không còn nhiều thời gian dưới sự đếm ngược của biến đổi khí hậu

We will run out of time in the climate countdown

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

nếu ta không triển khai ngay các giải pháp có thể được thực hiện rộng rãi.

This particular solution is being developed

Giải pháp nãy giờ chúng ta nói đến đang được phát triển

into a software product

thành một sản phẩm phần mềm

that French company Engie is among the first to pilot.

mà công ty Engie của Pháp cũng đang tiên phong áp dụng.

But, you know,

Nhưng, bạn biết đấy,

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

không cần đến một tổ chức nghiên cứu lớn để làm chuyện này.

Where we focused on AI for supply-side forecasting,

Trong khi chúng tôi đã nghiên cứu AI để dự báo về nguồn cung,

a small UK-based nonprofit called Open Climate Fix

thì một tổ chức phi lợi nhuận nhỏ ở Anh tên là Open Climate Fix

is focusing on AI for demand-side forecasting.

lại nghiên cứu AI để dự báo về nguồn cầu.

They found a willing partner in the UK National Grid,

Họ có một đối tác nhiệt thành từ Lưới điện Quốc gia Vương quốc Anh,

and are currently deploying forecasts that are two times more accurate

và đang thực hiện các dự báo với tỉ lệ chính xác gấp hai lần

than the UK grid's previously used systems.

so với các hệ thống mạng lưới điện trước đây của Vương quốc Anh.

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

Tất cả điều trên cho thấy rằng AI có thể giúp chúng ta

with the transition to renewable energy,

chuyển đổi sang năng lượng tái tạo,

but scientists and technologists,

nhưng các nhà khoa học và chuyên gia công nghệ

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

sẽ không thể làm điều đó một mình.

We need to be working with partners and experts

Chúng tôi cần phải làm việc với các đối tác và chuyên gia,

who can teach us the “how.”

những người có thể cho chúng tôi hướng đi.

So for those of you interested in this space,

Vì thế, cho những ai quan tâm đến lĩnh vực này,

if you're a domain expert,

nếu bạn là chuyên gia trong ngành,

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

hãy nói ra các trở ngại và vấn đề của bạn

so that our sector can ensure

để chúng tôi chắc chắn

that AI pursuits will have impact in the real world

rằng việc nghiên cứu AI sẽ có ích trong thực tế

and not be purely academic.

chứ không chỉ mang tính học thuật.

Even better,

Hoặc tốt hơn,

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

nếu bạn muốn chiêu mộ các nhà nghiên cứu đến giải quyết vấn đề của bạn,

I'll let you in on a little secret:

tôi sẽ mách bạn một bí quyết nhỏ:

build a competition, and they will come.

tổ chức một cuộc thi, rồi họ sẽ đến thôi.

(Laughter)

(Cười)

It's true.

Thật đấy!

Just don't forget the datasets and metrics.

Chỉ cần đừng quên cho họ các dữ liệu và chỉ số.

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

Nếu bạn là chủ sở hữu dữ liệu, hãy chia sẻ các dữ liệu liên quan đến vấn đề của mình,

please share data related to those challenges.

khi bạn có trách nhiệm và cảm thấy an toàn khi làm vậy.

Nếu bạn không chắc các dữ liệu của mình sẽ giúp ích cho họ không,

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

you can check out Climate Change AI's website,

bạn có thể tham khảo trang web của Climate Change AI,

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

trên đó có danh sách các bộ dữ liệu liên quan đến khí hậu mà họ cần.

Access to these datasets

Có được những dữ liệu này

would unblock crucial research and innovation in AI for climate.

sẽ thuận lợi cho các nghiên cứu quan trọng và sự cải tiến AI cho vấn đề khí hậu.

If you're a deployment partner,

Nếu bạn là một đối tác triển khai phần mềm,

please, let us know who you are,

hãy vui lòng cho chúng tôi biết bạn là ai,

especially if you're willing to test innovative systems.

đặc biệt nếu bạn sẵn lòng cho phép thử nghiệm các hệ thống tiên tiến.

And for everyone who's interested in this space,

Và cho những ai qua tâm đến lĩnh vực này,

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

hãy nhớ bạn không cần chuyên về kĩ thuật để làm việc trong mảng này.

AI for climate action requires a variety of skill sets

Giải quyết khí hậu bằng AI đòi hỏi rất nhiều các loại kỹ năng

and a diversity of backgrounds

và chuyên môn khác nhau.

that, yes, includes research scientists and engineers,

Đúng là trong đó gồm các nhà nghiên cứu khoa học và kỹ sư

but it also includes ethicists and policy experts,

nhưng nó còn gồm các nhà đạo đức học và chuyên gia chính trị,

communication teams, product managers,

các nhóm truyền thông, quản lý sản phẩm,

program managers and so many more folks.

giám đốc chương trình và rất nhiều ngành nghề khác.

Now for the warning label.

Bây giờ tới phần phản đề.

AI is not a silver bullet.

AI không phải là một viên đạn bạc.

It will not solve all problems driving climate change.

Nó sẽ không giải quyết mọi vấn đề chi phối sự biến đổi khí hậu.

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

Nó còn chẳng phải giải pháp phù hợp cho nhiều thách thức mà ta đang đối mặt.

AI is also not a technology without tensions.

AI cũng không phải là một công nghệ hoàn hảo.

It needs to be deployed safely and responsibly.

Nó cần được áp dụng một cách an toàn và thận trọng.

Not to mention,

Chưa kể,

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

tới khi mạng điện của chúng ta chạy bằng năng lượng sạch, AI vẫn sẽ tạo ra các-bon

as will any energy-intensive technology we use.

như bất kỳ loại hình công nghệ tiêu tốn nhiều năng lượng khác đang được sử dụng.

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

Nhưng AI có thể là một công cụ tiên tiến trong cuộc chiến chống biến đổi khí hậu

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

quan trọng là ta có biết tận dụng chúng hiệu quả hay không.

The “why” we need to is absolutely harrowing.

Lý do chúng ta phải hành động thì nghe rất mệt mỏi.

The “what” we can do is really exciting.

Những thứ mà ta có thể làm thì rất ấn tượng.

But it’s the “how” we can do it

Nhưng chính cái cách ta thực hiện

that will illuminate feasibility and help us drive impact.

mới làm sáng tỏ tính khả thi của vấn đề và giúp ta tạo ra các tác động.

So, in your next climate action conversations,

Cho nên, trong lần tới bạn nói chuyện về hành động vì khí hậu,

when someone presents you with an exciting "what,"

khi ai đó nói cho bạn những điều tuyệt vời mà họ đã làm,

please help to advance the conversation

hãy đào sâu vào cuộc trò chuyện hơn

to the impactful "how."

bằng cách câu hỏi “họ đã làm như thế nào”.

Thank you.

Xin cảm ơn.

(Cheers and applause)

(Hò reo và vỗ tay)