2019年12月30日，波茨坦气候影响研究所（PIK）发表了《人工智能：应用深度强化学习促进可持续发展》（Artificial Intelligence: Applying ‘Deep Reinforcement Learning’ for Sustainable Development）的文章，通过开发一个数学框架，首次将机器学习以一种特定方式用于可持续发展途径的探索中，通过将最近开发的机器学习技术与计算机模拟全球气候系统和全球经济轨迹结合分析，寻找实现可持续发展的新途径。相关的研究于12月下旬发表在《混沌:非线性科学跨学科》期刊上。
随着计算机和人工智能的发展，深度强化学习在AlphaGo等的计算机游戏以及机器人导航等多个领域成功应用，并展示出了强大的潜力。越来越复杂的地球系统模型被用来描述地球生物物理系统和人类社会经济和文化及其之间的相互作用。当需要考虑避免违反地球边界和社会基础方面的限制时，这个问题就特别困难。在这项工作中，文章建议将最近开发的机器学习技术（即深度强化学习，DRL）应用于地球系统中。该技术通常能够在地球系统的可变管理环境模型中起作用并不断学习。通过人工智能的技术对碳排放征税和对可再生能源提供补贴的特定组合，对于找到长期可持续地球系统发展轨迹至关重要。模型为决策者和广大公众提供信息以找出可持续发展的未来之路，例如缓解人为气候变化途径是气候研究和更广泛的地球系统科学领域一项具有挑战性和广泛研究的任务。
研究人员强调，该模型目前采用简化版的“深度强化学习”方式模拟现实世界二氧化碳排放税和可再生能源补贴的特定组合，但还不能直接在现实中使用。然而通过实验结果表明，与传统分析相比，科学家在机器学习的应用中确实找到了创新的途径。因此，该研究具有重要的方法学价值。文章作者呼吁其他科学家将该工具应用于进一步研究的模型，以便更多地了解机器学习对可持续发展的潜力。
转载本文请注明来源及作者：中国科学院兰州文献情报中心《资源环境科学动态监测快报》2020年第01期，牛艺博 编译。
閱讀更多 環境與發展智庫 的文章
