AI如何帮助我们为气候适应做准备?

简介: 利用人工智能进行气候适应的最新发展,有可能使所有利益相关者更容易获得气候洞察力…

image.png
在接下来的几十年里,气候变化有望成为主要的商业破坏者,据估计,气候变化对美国经济的潜在财务影响就将达到数万亿美元。
为了适应这一新现实,需要产生更细化的气候洞察力,以使利益相关者能够采取更加数据驱动的气候适应方法。
由于这些数据的规模以及气候现象的复杂性,必须利用人工智能来支持更易于访问并优化反应时间的预警系统和预测模型。
尽管气候减缓努力将全球变暖控制在 1.5°C 以下,但许多专家预计到下个世纪之交全球将变暖 3.5°C 。这个不断变暖的世界带来了洪水和野火并造成大量生命的损失,预计未来几十年还会有更多的破坏。

因此,关注大规模气候适应和减缓气候变化至关重要。我们必须加强我们适应当前和预期气候事件的能力,利用可操作的气候洞察力为决策提供信息。将人工智能 (AI) 用于其气候建模能力是这一点的基础,但我们看到更多专注于气候缓解的人工智能创新,例如利用人工智能来衡量和减少排放。需要解决这一创新差距,并且必须加快负责任的人工智能的发展,以获得可操作的气候洞察力。

这意味着政府和企业必须从根本上重新考虑他们的气候适应方法。人工智能是其中的关键,BCG 最近对 1,000 多名公共和私营部门的高管进行了一项调查,发现 87% 的人将人工智能视为应对气候变化的重要工具。

以下是人工智能如何成为气候适应的关键:

使用人工智能来建立气候适应力
全球大约有3.3 至 36 亿人生活在气候变化高风险地区,这些地区我们已经看到或将看到自然灾害显着增加,而且随着气候危机的加剧,这种情况可能会增加。今年的极端天气事件,如干旱、飓风、野火和洪水,向我们表明,使我们的社会适应气候变化的危险是一项艰巨的任务。

在对极端天气事件进行建模时,必须包含大量变量,并且 AI 能够很好地为这种复杂性建模,因为它能够收集、完成和分析大型数据集。它可用于早期预警系统和当地气候事件的长期预测建模,使利益相关者能够采取更加数据驱动的气候适应方法。

例如,由欧洲航天局领导的Destination Earth旨在创建一个基于人工智能的地球模型,以监测和预测气候现象之间的相互作用,例如干旱和人类活动。一旦到位,全球决策者将更多地获得气候洞察力,为他们的适应工作提供信息。

利用人工智能进行野火预测和预防是另一个很好的例子。它可以对高风险区域进行交互式绘图,并可以通过火势蔓延算法近乎实时地跟踪火灾的发展,从而为可持续森林管理的最佳资源分配和长期战略提供信息。由于野火的全球平均年成本约为500 亿美元,这应该受到欢迎,因为人工智能可以使扑灭野火的效率和成本效益更高。为了支持这一点,世界经济论坛已经启动了 FireAid,它正在努力建立真正的人工智能模型并在土耳其等国家进行试点。

这些利用人工智能进行气候适应的最新发展有可能使所有利益相关者更容易获得气候洞察力。全球需要的东西,尤其是在技术访问较少的全球南方,同时也是风险最高的地区。因此,人工智能有可能减少适应需求和技术获取之间的不匹配。为了支持这一点,必须采取更多措施来加强公平获取和参与人工智能开发以适应气候变化。

面对气候风险,人工智能可实现业务连续性
气候变化有望成为主要的商业破坏因素,据估计,仅对美国经济而言,气候变化的潜在财务影响就达数万亿美元。​未来几十年,企业将面临主要的供应链和生产中断。尽管如此,只有 33% 的商业领袖将气候风险纳入其商业战略。

人工智能可以在预测这些业务中断可能发生的位置、详细说明气候变化导致的运营漏洞方面发挥重要作用。通过在可视化风险图中提取复杂的数据源,企业领导者可以了解气候变化的复杂动态如何对企业资产产生负面影响并更好地抵御冲击。

例如,​​Esri​​是地理信息系统 (GIS) 软件的领导者,正在利用数字双胞胎对气候风险进行建模。数字孪生是操作或物理资产的数字副本。利用数据和人工智能,他们可以近乎实时地评估关键业务资产的漏洞,例如洪水漏洞。这允许解决弱点并提前加强,并进行预防性维护。

但是,与用于政府气候适应的人工智能一样,企业对此类人工智能工具的访问需要进行严格评估。充分利用人工智能来适应气候变化的组织少之又少。需要更多的国际合作来持续开发这些应用,以及获得这项技术,以使所有相关利益攸关方都能获得可行的气候适应见解。

未来之路
这是人工智能可用于气候适应的两个新兴中心主题。许多其他有前途的应用正在出现并且必须加速,例如使用人工智能来解决金融产品中的气候风险或使用人工智能进行先发制人的人道主义工作。

用于适应气候变化的人工智能还处于起步阶段,许多努力都在使用先进的数据分析。为了负责任地利用人工智能在气候适应方面的真正潜力,例如使用合成数据和预测建模,必须共同解决关键障碍。

目前,人工智能在气候适应中的广泛使用受到数据兼容性、访问现有和新的人工智能和机器学习 (ML) 模型、访问计算资源以运行这些复杂模型、获得可操作的见解和领域的技术专长等障碍的阻碍和管理专业知识,以做出适当的政策决定。

幸运的是,国际上存在合作开展这项工作的意愿,并缩小创新差距,以加速负责任地使用人工智能来大规模适应气候,降低适应不良的风险。

为此,世界经济论坛的人工智能和机器学习平台正在探索世界经济论坛在加速利用人工智能应对气候变化方面可以发挥什么作用。这得到了基于共识的治理框架、工具包和最佳实践用例的支持。它将为公共和私营部门机构展示数据驱动的人工智能路线图和气候建模方法,以应对气候变化的社会、经济和环境影响。

相关文章
|
数据处理 Python
深入理解Python的数据结构:列表与元组
深入理解Python的数据结构:列表与元组
205 1
|
SQL 数据挖掘 数据处理
「SQL面试题库」 No_72 指定日期的产品价格
「SQL面试题库」 No_72 指定日期的产品价格
|
SQL 存储 Oracle
CTO MySQL 技术分享
CTO MySQL 技术分享
673 1
CTO MySQL 技术分享
|
14天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
3天前
|
人工智能 移动开发 自然语言处理
阿里云百炼产品月刊【2025年9月】
本月通义千问模型大升级,新增多模态、语音、视频生成等高性能模型,支持图文理解、端到端视频生成。官网改版上线全新体验中心,推出高代码应用与智能体多模态知识融合,RAG能力增强,助力企业高效部署AI应用。
218 1
|
13天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
398 135
|
13天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
512 132
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
13天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
522 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)