我們能否透過人工智慧走向更永續的世界？

我們能否透過人工智慧走向更永續的世界？

Microsoft Research·

永續發展專家 Amy Luers 與優化研究員 Ishai Menache 探討了資料中心營運對全球排放的影響、效率提升，以及人工智慧在電氣化、材料和糧食系統中的潛力。這場討論將人工智慧定位為一種關鍵但具有兩面性的技術，必須謹慎引導以支持永續的未來。

技術進步正以如此驚人的速度發展，以至於要定義我們正在努力實現的「明天」已成為一項挑戰。在《未來事物的形狀》（The Shape of Things to Come）系列中，微軟研究院負責人 Doug Burger 與來自各個領域的專家共同探討技術專家、政策制定者、商業決策者及其他利益相關者當前所面臨的最棘手 AI 議題。目標是：增進共同理解，以建立一個讓 AI 轉型成為「淨正向」（net positive）影響的未來。

在本集節目中，Burger 邀請了微軟永續發展科學與創新負責人 Amy Luers，以及微軟研究院優化領域研究員 Ishai Menache，共同探討 AI 如何既可能加劇也能協助解決氣候變遷問題，並強調需要將數據與炒作區分開來，以理解其真實影響。雖然資料中心僅佔全球排放量的一小部分，但其快速增長引發了對地方基礎設施的擔憂，即便如此，AI 仍提供了強大的工具來優化複雜系統並加速氣候解決方案。這場討論將 AI 定位為一項關鍵但雙面刃的技術，必須謹慎引導以支持永續的未來。

《未來事物的形狀》Podcast 系列

訂閱 微軟研究院 Podcast：

逐字稿

[音樂]

DOUG BURGER： 這是《未來事物的形狀》，微軟研究院的 Podcast。我是主持人 Doug Burger。在這個系列中，我們將深入 AI 能力的最前沿，挖掘其基本原理，真正試著理解它們，並思考這些能力將如何改變世界——無論是好是壞。

在今天的節目中，我邀請了兩位專家來對話 AI 的未來與永續發展。一位是 Amy Luers，她是永續發展以及永續、技術與科學交叉領域的專家。另一位是 Ishai Menache，他是享譽國際的優化領域專家。

因此，思考技術如何優化系統，我們將討論 AI 是否有潛力幫助應對氣候變遷和永續發展，以及 AI 帶來挑戰的程度。我們將試著觸及問題的核心，因為這將決定未來事物的形狀。

[音樂漸弱]

我對今天邀請到的兩位傑出嘉賓感到非常興奮。我們有 Amy Luers，她是微軟永續發展科學與創新的資深全球總監。還有 Ishai Menache，他是微軟研究院的合夥研究經理。

當然，今天的主題是 AI、氣候與永續發展，我想這是很多人關心的話題。你知道，我們正處於氣候危機中。我從 1990 年代起就是氣候鷹派。這是我非常擔心、非常在乎的事。當然，Amy 的職業生涯都奉獻給了這件事，所以我沒什麼好說的，但這確實是一個非常重要的議題。

而現在，我們正經歷 AI 轉型。整個科技產業都在大規模建設超大型運算系統、巨型資料中心。世界上有很多人擔心這會如何影響氣候，這意味著什麼。

Amy，我想我們也會談到地方社區。所以我真的很想深入探討事實。這到底意味著什麼？我們認為實際影響會是什麼？讓我們把數據從炒作中分離出來，然後也談談未來的一些機會，因為我確實認為有些事情是我們可以做的，這就是為什麼我們邀請 Ishai 來到這裡。

所以，也許我先請教 Amy。妳能告訴我們一些關於妳在微軟的工作，以及是什麼讓妳進入這個領域的嗎？也許聊聊妳的故事？

AMY LUERS： 正如你所說，我在微軟企業永續發展團隊中領導永續發展科學與創新，這意味著我可以與公司內部、世界各地以及微軟研究院（MSR）的聰明人合作，為微軟也為世界塑造並提供永續發展解決方案。

其中一部分是領導我們的 AI 與永續發展戰略。至於我如何進入這個領域，我一生都在從事永續發展和氣候工作。我曾在科技界工作，之前其實是在 Google。我也曾在白宮工作，處於技術長辦公室與環境、資源及能源的交叉領域。

我也曾領導過一個國際研究機構，準確地說是聯合國旗下的網絡，專注於永續發展。在那個背景下，離開 Google 後——在那裡我真正開始思考運算能力和數位工具對於轉型的力量，這也是我被帶入白宮在那個交叉領域工作的原因——當我開始領導全球永續發展研究網絡 Future Earth 時，我真正帶入了在該領域思考創新和數位技術的需求。

我必須說，當時的永續發展科學網絡，那是 10 年前，也許 8 年前，對於在該領域思考 AI 和技術還有些抵觸。

我發起了一個名為「數位時代的永續發展」的全球倡議，將數位技術和 AI 社群聚集在一起。那是在蒙特婁，那裡有很大的 AI 社群，並與全球的永續發展科學家對話。我們真正開始思考潛力是什麼、風險是什麼，並領導了一項大型國際研究，制定了該領域的研究與創新議程。

這確實轉變了我的方法，從我在 Google 時非常關注的「強大運算可以提供幫助」，轉向 AI 和機器學習在該領域的角色。

BURGER： Ishai，你現在是機器學習（ML）和優化領域的世界級專家。你發表了大量著作。我想你在研究界非常有名。你對微軟的業務產生了廣泛的影響。你也曾在 《哈佛商業評論》發表文章。

所以，你有點像個博學家，有時讓我感到有點敬畏。

ISHAI MENACHE： 是的。[笑聲]

BURGER： 但我想聽聽你的背景，為聽眾簡單講講你的故事。

MENACHE： 好的。我的背景其實是工程。然而，正如你提到的，我的研究生研究方向是機器學習、強化學習，後來是分散式優化、博弈論，更偏向理論方面。

我的故事是，當我在麻省理工學院（MIT）做博士後研究時，大約在 2009 年左右，雲端運算正在興起。我被雲端運算迷住了。我最初的興趣其實是雲端經濟學，比如定價。你如何為雲端定價。我開始了解微軟研究院，因為大約在那個時候，MIT 旁邊剛開了一家新的實驗室，即 MSR New England。我被雲端運算迷住了，不僅是經濟方面，更根本的是，你如何更有效地利用資源？

這就是我在 2011 年來到微軟研究院的原因。我當時在 MSR New England 擔任顧問，然後在 2011 年搬到雷德蒙德（Redmond），加入了一個名為極限運算組（Extreme Computing group）的實驗室，該小組當時正在處理雲端的未來。

如果我可以提一下，Doug，你當時也是其中的一員，所以……

BURGER： 沒錯。

MENACHE： 我認識你已經很久了。

BURGER： 是的。

MENACHE： 所以，我的切入點是，當時有很多系統專家在思考雲端的基礎設施。而在另一個極端，有理論學家在思考下一波浪潮，或者在演算法領域進行創新。

但我認為當時缺少的是演算法與雲端基礎設施之間的橋樑。這就是我為自己，以及後來在 2019 年創立的小組找到的一個非常有趣的定位。

BURGER： 所以你最近宣布了一個名為 OptiMind 的系統。我在 LinkedIn 上發了一篇文，因為我對它感到非常興奮。

告訴我們這個系統是做什麼的，為什麼它引起了這麼多關注？然後也許我們會為聽眾深入探討一下優化。但之後我們必須回到 AI。

MENACHE： 當然。退一步來說，什麼是「優化」或「數學優化」？優化或數學優化是一種利用數學在多種選擇和某些限制條件下做出最佳決策的方法。

更具體一點，在每個優化問題中，首先要有對問題的描述。然後有一組決策，在數學術語中，這些就是變數。你有一個目標。你的目標是什麼？你試圖優化什麼？

它可能是你正在最大化的東西，比如收入，但也可能是你正在最小化的成本，所以有不同版本或不同類型的目標。然後是約束條件，這意味著你不能隨心所欲。有一些限制，例如雲端環境中的容量約束，或者你在做出最佳決策時必須考慮的其他因素。

BURGER： 所以……也許舉個簡單的例子……開個玩笑，如果我有複雜的開車上班路線，有一天我發現平時走的路被封了，而且我的煞車磨損嚴重，只能停兩次。你的框架可能就能算出哪條路徑能讓我最省油地到達那裡。

MENACHE： 對。這是一個例子。也許你因為某些原因不想付過路費，這就限制了你可以走的路。還有速限之類的。這些都是你必須考慮的約束條件。

BURGER： 可能還有測速照相，但如果路線短很多，我願意經過測速照相。

MENACHE： 也許吧。

BURGER： 類似這樣的事。所以這會變得相當複雜，不是嗎？

MENACHE： 對。它會變得很複雜，特別是當……也許你只是單一駕駛，但在優化設定中，想想我們與 Dynamics 365 合作處理的一些問題，也是在現場服務（field service）的背景下，那是關於大規模管理技術人員。想像一下不只是你，而是成千上萬名技術人員必須完成或處理特定的工作訂單。可能是數千或數萬個工作訂單。

然後你需要將技術人員分配到這些工作訂單中。這裡有一堆約束條件。也許不是每個技術人員都能處理每個工作訂單。你必須考慮技術人員的行程，對吧。你不會派一個在斯波坎（Spokane）的技術人員去西雅圖做某件事，因為一整天都會浪費在交通上。

BURGER： 而且這不符合永續發展。

MENACHE： 這不永續。[笑聲] 還有汽油，顯然。所以所有這些考慮因素，你都可以正式地映射到數學優化中。然後有技術可以將這個問題解決到最佳狀態。

本質上，有一些機制和專家可以處理這些問題並提出演算法，但並非每個人都能做到。這需要一些專業知識。事實上，需要運籌學（operation research）或演算法、電腦科學類演算法的研究生級專業知識。當生成式 AI 出現時，我們看到了一個利用生成式 AI 讓優化大眾化的機會，其意義在於非專家也可以定義他們想做什麼。

你舉了上班的例子。這也可以是……一個簡單的裝箱例子，比如我有一個行李箱，限制是 20 磅。我有一堆想裝進去的東西，具有一定的核心重要性。有些很關鍵，比如我的筆記型電腦。但有些書很重，而我可能還是想看書。

BURGER： 或者我正在經營一家航空公司，我必須安排航班，並且我想最小化燃料。

MENACHE： 是的，那也是。本質上，你希望能夠用平實的英語描述你需要解決的問題，指定問題，說明決策是什麼，就像我提到的，你的目標是什麼，以及需要考慮哪些約束條件。

你希望使用 AI 來幫助你整合所有這些考慮因素，並本質上制定演算法本身。也就是寫下能產生最佳解決方案的數學配方。

BURGER： 明白了。

MENACHE： 這就是 OptiMind 的作用。它是一個小型語言模型，專門針對這種場景進行訓練，即接收自然語言並將其映射到優化演算法中。

BURGER： 這真的很棒，我想我們會再回到這個話題。我現在想回到 Amy 這裡。當我們思考 AI 和產業正在建設的這些資料中心時，它們耗水、耗電，在某些社區中對於選址存在爭議。如果我……我很希望能以數據為導向，非常實事求是。

如果我看整體情況，我們認為這次轉型對氣候、永續發展的真實影響是什麼？這很複雜，對吧，因為排放源有很多？發電是其中之一，但你有再生能源。但建造這些東西需要材料。妳能給我們一些框架來幫助我們理解嗎？

LUERS： 好的。首先，我認為當我們思考 AI 和氣候時，很多人只想到基礎設施方面。我認為從整體角度思考非常重要。我個人相信 AI 將是決定我們氣候未來的最重要因素之一，無論好壞。但我也相信，我們實際上需要 AI 來解決氣候危機。在這樣的背景下，讓我們談談基礎設施，記住我們必須思考完整的背景。你知道，讓我把這放入背景中。

從氣候的角度來看，重要的是對世界的排放，溫室氣體對世界的排放，捕獲熱量的氣體……

BURGER： 對。

LUERS： ……對氣候的影響，而不僅僅是能源，對吧，因為能源可以有不同的形式。

BURGER： 對。重點是妳往空氣裡排放了什麼？

LUERS： 妳往大氣中排放了什麼？

BURGER： 沒錯。

LUERS： 所以，如果你從全球角度來看，能源本身佔了排入大氣的所有排放量的約 75%。

BURGER： 哇，那很多。

LUERS： 那很多。但很多人以為那是全部。所以還有其他不屬於能源的東西。[笑]

BURGER： 好的，四分之三，四分之三……

LUERS： 但在……所以從氣候的角度來看，截至 2024 年，資料中心約佔全球排放量的 0.5%，不到 0.5%。

BURGER： 好的。但它們正在增長？

LUERS： 但它們正在增長。所以如果你在增長，並考慮到……有很多預測。正如你們兩位所知，真的很難預測兩年以後的事，因為事情變化太快了，無論是在需求、效率，還是我們使用的工具上。我們是否會使用小型語言模型？我們不知道未來會是什麼樣子。

國際能源總署（IEA）預測到 2035 年，電力消耗可能會翻倍。從電力使用的角度來看，資料中心實際上使用了全球約 1.5% 的電力，而這可能會翻倍，可能在 3% 到 5% 之間——甚至超過翻倍。

但根據他們的預測，這仍將佔全球排放量的不到 1%。所以即使在那個領域翻倍，從全球排放的角度來看（這是氣候所關心的），這仍然是一個很小的百分比。

BURGER： 我能退回去一下，拆解這個部分嗎？

LUERS： 可以。

BURGER： 所以能源佔了排放量的四分之三。這包括燃燒燃料、交通。那麼在那四分之三或總排放量中，我們認為電力佔多少比例？

LUERS： 電力……

BURGER： 發電……

LUERS： ……大約佔 20%……不，電力……產生的能源被消耗……約 20% 是以電力形式消耗的。

BURGER： 明白了。

LUERS： 現在，就排放而言，能源排放中約 35% 來自電力。部分原因是電力……之所以有這種差異是因為……

BURGER： 妳有燃煤電廠。

LUERS： 妳有燃煤電廠，而且燃煤電廠的效率不高。當妳直接從太陽能轉向……就能源而言，妳實際上獲得了效率，因為妳在熱電廠中損失了大量的熱量，對吧？所以那裡有一個效率問題。但是，大約 35% 的能源排放來自電力，而電力生產確實是關鍵問題。你知道，當今的關鍵問題是電力與資料中心，對吧？妳要如何獲得足夠的電力？妳要如何獲得足夠的清潔電力？

這通常更像是一個基礎設施問題，而不僅僅是能源問題。我的意思是，兩者都是事實。但關鍵是在正確的時間、正確的地點獲得電力。這是一個很大的……

BURGER： 這是一個大而混亂的問題。

LUERS： 這是一個大而混亂的問題，我們可以拆解一下。因為我確實認為 AI 有一個角色，一個巨大的角色。

BURGER： 甚至可能是一個優化問題。

LUERS： 甚至可能是一個優化問題。沒錯。

MENACHE： 也許吧。

BURGER： 我們房間裡就有這位專家。這太令人興奮了。

LUERS： 所以我們應該拆解那個部分。但我認為在我們離開這個話題之前，有兩點非常相關。一件事是，對於那些不花一輩子思考氣候的人來說，這通常不一定能意識到，但要解決氣候問題，我們需要大量的電力。這是……這就是部分……我說我們有 17 萬太瓦時（terawatts）的能源。為了能夠解決問題，其中大部分必須以電力的形式出現，因為那是我們最容易去碳化的。所以其中一個挑戰實際上是更多的電力。

BURGER： 明白了。所以我再試著把這簡化成一個簡單的陳述。我們有大約 35% 的排放是由電力使用引起的……

LUERS： 能源排放的 35%。

BURGER： 能源排放的 35%，而能源排放佔餅圖的四分之三。所以我們可以做乘法。當然，隨著我們對電力進行去碳化，雖然可能太慢，但正在進行向低碳排放發電的轉型。妳把燃煤電廠改成天然氣電廠，情況會變好。妳用太陽能風能，情況會更好。但對電力的需求正在上升，部分是由科技產業、建造資料中心和 AI 推動的，但部分是因為我們必須停止燃燒化石燃料。

LUERS： 對。電動車、將我們所有的暖氣轉向電熱——將一切轉向……這個說法是「在……之前將一切電氣化」。IEA 說我們正處於電力時代，對吧？

BURGER： 所以，我們對電力需求面臨巨大壓力。我們需要低碳發電，但無論有沒有資料中心建設和 AI 建設，需求都會不斷上升。但當然，這正在發生，希望我們能利用它來提供很多價值。

LUERS： 是的。還有另一個非常重要的背景，那就是關於電力和資料中心增長的其他擔憂是在地方社區層面提出的，對吧？

BURGER： 對。

LUERS： 資料中心在全球排放甚至電力方面的佔比非常小，但它們非常集中。它們是世界上最集中的產業之一。如果你去查閱最近的 IEA 關於能源與 AI 的報告，有一個很好的圖表，它展示了不同產業的集中度，鋼鐵業在最一端，它使用了 7% 的排放，產生了全球 7% 的排放。而資料中心則在另一端，就集中度而言，它們靠得非常近。

這之所以重要，是因為在世界的某些地區，資料中心真的很多，而且它們不斷進入那些地區。由於目前發生的動態，情況正在發生一些變化。但當這種情況發生時……那麼在那些大……在那些地區，是的，它們是電力的主要使用者，對吧。當增長在那些地區快速發生時，那可能會……

BURGER： 它會影響地方電網。

LUERS： ……那可能會給地方電網帶來壓力。因此，世界上某些地區對資料中心的增長提出了擔憂。而且你知道，我真的很樂觀，認為那些主要是基礎設施問題，是可以解決的。

我們需要弄清楚如何做到這一點。這就是為什麼我對……在一月份，我們宣布了我們的社區優先基礎設施倡議感到如此興奮，我們現在所有的工作都集中在：我們如何設計我們的資料中心開發，以確保這種快速增長不是淨負向，而是對那些社區產生淨正向的影響。這包括承諾支付滿足我們電力需求所需的所有價格，以便我們的資料中心不會推動社區價格上漲。

BURGER： 所以我可以看到我們如何達到一個「淨」水平，比如，我們基本上不推高當地價格……

LUERS： 是的。

BURGER： ……不加劇當地的供水壓力，並將其引入，無論妳如何做到這一點。但妳如何讓它成為「淨正向」？

LUERS： 嗯，我認為，我們一直在說我們在全球範圍內是淨正向的，我認為我們正在轉向說，在地方範圍內淨正向意味著什麼？我認為在地方範圍內，例如資料中心用於冷卻的水，可以轉向淨正向，因為在資料中心本身，我們實際上開始設計本質上使用零水冷卻的系統。

BURGER： 對。那是循環利用。是的。

LUERS： 當然。所以我們可以，你知道，這並非到處都已就緒，但現在正在發生。

然後我們補充水源，所以我們可以做一些事情……例如，事實證明在許多地方——有些城市的水因為管道洩漏而流失，而 AI 被證明可以幫助識別那些洩漏的管道。所以即使妳只解決了一半，即使妳節省了一半，那也可能遠遠超過……我們的……資料中心的排放……損失……資料中心的水消耗只是我們能節省的水量的一小部分。所以妳可以放大並節省水，通常甚至可以透過使用 AI（另一個優化問題）在許多方面實現。

BURGER： 所以，這更像是公司與社區合作，讓他們達到更好狀態的一種承諾。但當然，使用的是我們的全球運算，因為我們不會只在那個資料中心運行優化管道的 AI 分析，那可以在……

LUERS： 喔，不，不。

BURGER： 對。但我們只是試著……是的……

LUERS： 而且這不僅僅是關於……我們不只是用 AI 來做這件事。

BURGER： 當然不是。

LUERS： 我們也在投資培訓。我們在投資非政府組織（NGO）。真正的重點是真正理解那看起來像什麼。而且你知道，我的興趣真的是說，我們能否越來越多地共同設計？社區正向意味著什麼？這一切都是全新的，因為這種快速增長是第一次讓這成為如此嚴重的關注議題。

BURGER： 對，對。我很高興妳在推動這件事，我認為這對社區非常重要，因為如果我們能投入足夠的關注和創新，讓這些事情成為淨正向，我肯定會感覺好得多。

回到排放問題。我今天請你們兩位來的原因之一是因為 Amy 在我們的研究展示會上做了一個演講，這給了我很大的啟發。妳談到了很多排放是透過交通和對我們大型非數位系統的低效管理產生的。

我聽到了，我想，哇，這可能是我們的研究可以提供幫助的地方。當然，那是我的工作，對吧，就是找到我們的研究人員可以放大其工作效果的地方。

所以，Ishai，也許請你簡單談談，當你與供應鏈合作並應用你的優化技術時。這甚至是在 OptiMind 之前，當時你可以透過自然語言進行情境規劃。僅僅透過與我們的業務團隊內部合作，你能夠推動什麼樣的效率？

MENACHE： 是的，我給你舉幾個例子，但從你提到的交通開始。作為這個智慧履行服務（intelligent fulfillment service）的一部分，我們實際上正在計算運送成本。我們可以做的一件事是，在進行運送時，更明確地考慮排放和永續發展因素，對吧？所以這是一種選擇。

BURGER： 所以我們可以說，在保持相同的風險水平和交付時間的情況下，將你的目標設定為試圖降低排放。

MENACHE： 沒錯。

BURGER： 作為一個例子。

MENACHE： 沒錯。還有其他相關的例子，比如當你必須履行要求時使用什麼樣的硬體，例如，你想使用在倉庫裡放了很久的硬體。那也有一些影響。

現在，多年來我們致力於各種系統，效率一直是我們的主要目標，但永續發展與效率密切相關，我可以透過具體例子來說明。

一個是虛擬機（VM）分配，它在[非常快]的時間尺度上運行。這個過程本質上是將虛擬機請求映射到實體伺服器。

BURGER： 那是在我們的雲端，你知道……

MENACHE： 那是在我們的雲端。沒錯。

BURGER： ……當客戶想使用某些東西時。再次強調，我們不要講得太深奧。

MENACHE： 所以我們的目標之一是增加裝箱密度（packing density），這意味著我們希望讓伺服器的利用率接近 100%。眾所周知，實際上這是 Google 的一項研究。我想你對此很熟悉。事實上，當你增加裝箱密度時，你實際上減少了每單位有用運算的功耗，對吧？這是眾所周知的。例如，我不記得確切的數字，但如果你的伺服器利用率為 50%，你仍然消耗接近 100% 的電力。

BURGER： 是的，你已經配置了它。你知道，電力正在傳輸。你知道，你的晶片會漏電，它們有靜態功耗，所有這些我以前研究過的東西。

MENACHE： Doug 肯定比我更清楚。你知道那是他的研究領域。

我們自 2022 年以來致力於的另一個例子是機架放置（rack placement）。你有這些需求，你必須決定如何精確地在資料中心內放置這些伺服器機架。在那裡你必須考慮電力、冷卻、空間等等。透過我們的優化，我們能夠將電力碎片化減少 1% 到 2%。

在這裡，1% 是巨大的，你知道，這不僅僅是關於成本節約，為公司省錢，也是關於必須建造更少的資料中心，或者以更有效的方式利用資料中心。本質上，另一種看待方式是，如果我們希望 AI……我們希望地球上的每個人都能使用 AI，對吧？所以本質上，你讓它變得更……用更少的資源，你可以做更多的事，讓 AI……你知道，擴大 AI 的觸及範圍，最終讓全世界都能使用它。

BURGER： 我的意思是，我認為在公司內部、透過研究並與我們的產品團隊合作，你非常成功，因為你找出了一堆在供應鏈和我們最大的業務之一中讓事情運行得更有效率的方法，這很棒，對吧。

但是，對於世界上其他的人來說，他們關心的是，地球是否處於永續發展的軌道上？你知道，他們的電費是否在漲？而且，你知道，我們是在競爭壓力下為了提高營運利潤而這樣做的，這對我們來說很好，但我們必須考慮世界。但我認為……我們在這裡可以做一些事情。

現在回到 Amy 一下。在妳的演講中，妳談到了很多這些排放和機會。妳認為有哪些大的範疇是我們可以透過更聰明地管理複雜系統來解決的？妳認為影響規模有多大？

LUERS： 早些時候我說過，我認為如果不靠 AI，我們實際上無法解決氣候危機。而且我認為 AI 為永續發展過程帶來了三種改變遊戲規則的能力。其中之一是賦予能力，我對此的看法是優化，但也包括理解和預測複雜系統，這是我們以前很難用傳統分析工具做到，或者根本不可能做到的。

BURGER： 對，對。

LUERS： 另一個改變遊戲規則的能力是加速新氣候解決方案的發現、開發和部署。這當然也是微軟研究院做了大量工作的領域。

BURGER： 對。

LUERS： 我認為 AI 為永續發展帶來的第三個改變遊戲規則的能力是增強和擴大機構、人類及勞動力的能力。

我認為這三者都很重要，如果我們深入研究，它們都可能成為遊戲規則的改變者。具體到管理優化或複雜系統優化的背景下，我認為，你知道，我們真正必須做的最大挑戰是，如我所說，轉移……將一切電氣化，對吧？這在優化、加速發現以及第三條綠色路徑中都有許多層次。它有各種不同的層次，但其中一部分是基礎設施。

IEA 預測，到 2050 年要實現淨零排放（這是全球氣候目標），在全球範圍內，我們需要將世界的電力容量增加一倍以上。現在想想看。那是一個巨大的工程。

因此，在氣候變遷、天氣變得更具預測性的同時，整合和管理系統的能力日益成為一項挑戰，如果我們做對了，我們可以整合更多。如果我們做不到，我們實現該目標的速度將會非常緩慢。

MENACHE： 是的，我其實想……

BURGER： 我看到你在座位上蠢蠢欲動。

MENACHE： 是的，是的。我們談了很多關於優化的事，但 AI 本身也能在過程中幫助系統變得更有效率。你知道，我們團隊做了很多工作，實際上是將 AI 預測技術與優化相結合，這非常強大。我舉幾個例子。例如，在虛擬機分配的一系列問題中，我們實際上預測了虛擬機的壽命。比如，我們認為虛擬機在系統中會停留多久？

所以有一些 AI、互補的 AI 系統為我們做這種預測，這會產生更好的優化。直觀上，當你有更多知識或……

BURGER： 更好的預測。

MENACHE： ……更好的預測。它不需要超級精確，但只要你有不錯的預測，你就可以在裝箱方面做得更好。這是一個例子。而且，在雲端供應鏈的背景下，預測、需求預測是至關重要的，因為如果你預測得很差，那麼你就需要提前配置。就像我們談過的，你必須……

BURGER： 你必須緩衝容量，你必須在系統中建立額外的容量，你有冗餘——這很昂貴。

MENACHE： 對。你不知道會發生什麼。所以，優化幫助你自動化並找到最佳選擇。但如果你的需求預測很差，你就必須配置、過度配置這些熱緩衝區（hot buffers）。這也會產生環境影響以及成本影響。所以我認為這種 AI 和優化的融合，是我認為真正會推動事情前進的東西。

BURGER： 我想稍微謹慎一點，因為，你知道，我們……大家對這項技術感到非常興奮，因為它具有如此大的顛覆性。而且，對於聽眾來說，你知道，我是一個反對炒作的人。我以前喜歡在不熱門的領域工作，因為你知道，社群會對某些東西過度興奮。但我們看到的這些先進模型能做的事情簡直令人瞠目結舌。而且，這些能力實際上發展得非常快。

但這些也可能對社會產生負面後果。我的意思是，你知道，網際網路產生了一系列後果。社群媒體產生了一系列後果。你知道，我們現在正處於一條不可持續的道路上，正試圖走上一條可持續的道路。這不全是科技的問題，這只是人類文明的問題。

所以我真的很想讓我們專注於，也許現在夢想一下，我們可以嘗試引導這項技術（AI 和所有這些運算）去解決哪些真正能推動氣候變遷解決方案的問題。因為我自己的希望和目標，我想 Amy 我們可能有共識，事實上，我想我們都有，作為技術專家，引導技術以一種幫助人類的方式發展，並克服一些負面影響，因為你知道，任何新技術都會帶來這兩面。

所以，我們應該用這些東西來管理城市嗎？我們應該建立只控制電網的模型嗎？控制不是指隨意操控，而是指能夠進行優化。在五年後、兩年後，有哪些事情可能是神奇的，並且能真正推動改變？

LUERS： 所以……

BURGER： 妳有那三個。

LUERS： 是的。

BURGER： 也許我們可以把它們歸類到那裡面。

LUERS： 嗯，我有三種改變遊戲規則的能力。所以我會把那些改變遊戲規則的能力應用在問題上。對。首先是，當我看 AI 時，有哪些東西是可以應用在很多氣候挑戰、永續發展挑戰上，並真正產生巨大差異的。然後問題就是，那三個大的挑戰領域是什麼，對吧？

BURGER： 對。

LUERS： 挑戰領域有很多。我想就——我們可以拆解這些——但在高層次上，我會說，我們已經談過這個了，但第一個是，實現「將一切電氣化」，這下面有各種細項。第二個我會說……我會強調工業材料和化學品，那是一種發現-開發-部署類型的東西。它被包裝成所有這些。妳不能只是撒一點 AI 就能解決問題，但它可以讓……

BURGER： 這是真實的工作。

LUERS： 這是真實的工作，對吧？但我認為在工業材料和化學品的第二個範疇中有一種不同的模式。我認為我至少設想有一種不同的方法來處理那個問題，因為 AI 的存在，如果你願意，我們可以拆解那個部分。

第三個，我會說，是建立……推動低碳且具韌性的安全糧食系統的發展。

BURGER： 我明白了。

LUERS： 糧食系統佔了約三分之一的排放。它也是氣候變遷本身最大的影響之一。脆弱性和糧食不安全是一個巨大的問題。

BURGER： 這是化肥嗎？

LUERS： 是化肥。也是……

BURGER： 水……

LUERS： ……比如牛產生的甲烷……

BURGER： 甲烷排放……

LUERS： ……還有我們如何種植食物以及我們如何透過供應鏈分配食物。有……食物浪費約佔排放量的 8%。所以存在大量的低效。同樣，我認為這三種改變遊戲規則的能力可以……有各種方式可以影響這三個範疇中的每一個。

BURGER： 在微軟研究院內部，就在上個月，你知道，我們有團隊設計了一個更好的 X，其中 X 是利用遺傳演算法或神經演化提高了百分之幾的效率。

你知道，這些不是大型語言模型（LLM），但 LLM 可以在這方面發揮作用。我想如果我們要去解決一系列問題，你知道，Ishai 的工作可以思考如何處理大型複雜系統並找出如何更有效地運行它們。而且我認為妳所說的是，我們能否設計一個更好的風力發電機，在給定的風速下產生更多的電力，或者僅僅透過優化或……

LUERS： 嗯，我的意思是，我認為那會是……

BURGER： ……材料，比如直接空氣捕獲、碳捕獲。妳的名單上會有什麼？

LUERS： 是的。我認為在材料的背景下，你知道，一些例子，當然，水泥。對於某些材料，很多問題與電力有關。所以這是過程的優化。例如鋼鐵，你知道，很大程度上取決於妳使用什麼能源來製造它，以及妳如何優化那個系統。

但也有很多不同的材料可以讓過程更有效，你知道，海水淡化材料，會減少大量的電力，這也與我提到的脆弱性和安全性問題有關，你知道，那是一個威脅。

BURGER： 如果能以低能量製造飲用水，那將是巨大的成就。

LUERS： 是的，是的，所以，你知道，我夢想的一件事是，現在……我們以前有這些挑戰，這些像「大挑戰」（grand challenges），你知道，長達數十年，我們會進行登月計畫。我覺得如果我們將 AI 集中在不同的挑戰上，並說，讓我們在 AI 真正能發揮作用的領域思考那些大挑戰，並把它們想像成「工廠登月計畫」。換句話說，讓我們假設我們要建立一個系統來……如果我們解決了這 10 種材料，它們將真正改變能源、糧食和社會的所有領域。

BURGER： 我們需要這份清單。

LUERS： 然後把它們勾選掉。你知道，就像……然後讓公私合作夥伴關係也一起做這件事。然後妳必須做好準備。妳必須同時做好準備，以便擁有那個系統，讓它們能夠進入社會，對吧。

BURGER： 沒錯。我正要拿出我的……你知道，拿出一篇論文。Kristen Severson，她在微軟研究院，還有她在華盛頓大學的三位同事——我想妳知道這項工作——你知道，他們使用了一種機器學習形式，即馬可夫過程，來設計含有藻類的水泥，但強度不減，且產生的碳排放減少了 20%。現在水泥佔了很大一部分。我不記得是多少了。

LUERS： 大約是 7%，6% 到 8%，取決於妳如何測量。

BURGER： 是的，所以妳砍掉了五分之一，突然之間那就是排放量的 1% 到 2%……在 1% 到 2% 之間。但當然，你知道，它看起來強度足夠且具備所有正確的屬性。但把它從《細胞》（Cell）雜誌上的論文推廣到全世界的大規模生產是一個巨大的工程。

LUERS： 確實。

BURGER： 所以，我們可以在局部解決這些問題，但如何將它們規模化，特別是當你在一家不生產水泥的公司工作時，你該怎麼做？正如妳所說，那是一個……

LUERS： 對。這就是為什麼妳需要它……妳需要以公私合作夥伴關係的形式來做這件事。就像應該這樣思考：我們的使命是在未來幾年內完成其中的 10 個，而不是試圖在未來幾十年內只為一個目標進行登月計畫，對吧？

MENACHE： 所以我的清單是，第一是 Amy 說的一切，比如……

BURGER： 那是一個很長的第一點。[笑聲]

MENACHE： 是的。但是，我不妨說，我的一位導師說過，每個問題可能都有一些運籌學（OR）。你知道，當你在麥當勞排隊時——那是他對我說這話的地方——選擇這條隊伍還是那條隊伍，你知道，當你排隊時。那是他的思考方式。

但回到正題，我認為妳描述的領域，材料、糧食分配、電力，作為優化專家，我們在那裡有很多可以貢獻的地方。事實上，我認為當涉及到具體考慮永續發展指標時，我們可以做得更多。我的意思是，我們談過那個。在優化時更明確地考慮再生能源等因素。所以我認為在那方面還有一些路要走。

第二，我認為優化和 AI 可以用於人類福祉。我舉一個例子。有各種排班系統，這實際上是我們開始研究的一個項目。你知道，你如何讓系統更有效率？你想降低成本，但仍要考慮，例如勞動法，以及優先考慮或考慮工會因素。

AI 可以幫助解決這個問題，你知道，去理解合約，理解細則，並提出對人也有好處的演算法、排班演算法。所以，例如，如果你考慮到司機的工作時數，你知道他們有這種長班。你如何優先考慮讓他們有足夠的休息，並更明確地考慮他們的福祉？這可以透過優化和 AI 的結合來實現。

最後且重要的是，我想說，OptiGuide 的前提和願景（這是我們一直在生成式 AI 與優化交叉領域研究的項目[1]）是讓我們擁有的所有這些用於做出更好決策的複雜工具……順便說一下，這不僅僅是，像我舉的優化演算法、整數線性規劃之類的例子，不僅僅是那些。想想在電力領域中，當你模擬電網之類的東西時，你擁有的非常先進的模擬工具。讓終端用戶、規劃者、業務營運者和必須做出決策的高管更容易使用它們。所以我認為這也是非常重要的一點，你知道，AI 可以幫助促進這一點。

BURGER： 人類，我們對快速變化感到非常適應，只要變化停止。就像我們可以吸收，你知道，如果天空出現了第二個月亮，每個人都會看著它說，喔我的天哪，有第二個月亮。

一週後，就會變成，是的，有兩個月亮。事情就是這樣，對吧？我們對此習以為常。所以我們都認為我們現在生活的社會是正常的，但它是一個歷史異常，你知道，人口指數級增長、農業、工業革命允許人口大規模增加。而我們的整個經濟模式某種程度上是基於由不可持續的化石燃料和資源推動的人口指數級增長。那是我們的生活水準。而世界上很大一部分人仍然非常貧窮。

所以我認為我們必須轉向不同的東西，也許我們只是獲得了足夠的材料來實現永續的未來。但正如你所說，這不僅僅是關於效率，因為這些是人類。我們建立的這些系統必須考慮到人類的福祉。這非常複雜。你不能僅靠量身定制的法規來做到這一點，你知道，法規很難，政策也很難。所以我的夢想是，我們可以使用這些非常複雜的系統來演化和學習那種平衡。我們真的能以一種滿足人類生存條件的方式管理社會及其複雜性嗎？我不知道這是否可能，但你知道，我們正在打這場仗，這真的很艱難。

所以對我來說，那是我的希望。Amy，妳將職業生涯的大部分精力都奉獻給了這個主題。妳的抱負是什麼？妳想解決什麼問題？如果我們在研究中能解決一個問題，那會是什麼，妳真正想看到什麼發生？妳的夢想是什麼？

LUERS： 嗯，為了回答這個問題，我想對你的願景做一點扭曲，因為我看待它的方式是，現在我們多年來建立了一個基於破碎系統的社會。我們的底層是化石燃料，還有破碎的基礎設施和世界上的不平等。

BURGER： 巨大的。

LUERS： 巨大的世界不平等。所以現在，每當我們在那個系統上放一個新東西，它只會產生更多排放，引發更多問題，因為我們採用的是相同的模式。

BURGER： 對。

LUERS： AI 的不尋常之處，以及我認為它如此有前途且如此可怕的原因，在於這是我們第一次擁有一個具有如此力量的工具，如果我們使用它來改變我們所建立、所基於的那個系統，它實際上可以改變那個系統。

BURGER： 是的。

LUERS： 所以，你知道，我認為我們需要把它集中在那些事情上。我寫過五個，現在變成了六個，但我寫過大約五件必須發生的事情，才能讓我們引導它改變那個系統。

第一是，是的，我們必須將 AI 用於永續發展，對吧。我知道這聽起來有點微不足道，但其實不然，因為大家常說，喔，那裡有很多潛力。我會說，是的，解決氣候危機就是找出潛力，然後將其變為現實。

第二是數據基礎設施，以及能夠解決這些問題的數據和數據基礎設施。

有很多……我們必須把那些數據公諸於世。第三是讓大家獲得清潔能源，減少我們的足跡並支持社區。我認為那些是基礎設施方面。

BURGER： 好的。

LUERS： 下一個是我所說的「為地球對齊（Earth alignment）治理 AI」。我們與來自世界各地的同事一起在《自然永續發展》（Nature Sustainability）上發表了一篇論文，概述了 AI 地球對齊原則的願景。我認為那是另一個。第五是技能培訓……提升世界的技能，就像你說的，讓它更容易獲得。

其中一些不一定是學習如何建立代理程式（agents），而是能夠理解如何將這些工具整合到你的生活中，以一種真正能推動這種改變的方式。我還想再加一個——可能更接近第三點而不是第六點——但我確實認為我們需要弄清楚不僅僅是如何與社區合作，還要讓資料中心的開發和 AI 營運與電網的需求和軌跡保持一致。我認為這不僅僅是透過優化應用 AI 來解決方案，還要以整合的方式思考這件事。

BURGER： 是的。Ishai，你有回應，然後我有一個問題要問你。

MENACHE： 是的。所以決策通常是由多方做出的，對吧。

所以，每一方都做出替代性決策，而且，你知道，他們會影響其他人可以做出的決定。就像他們本質上為其他人改變了決策環境。所以我的決策和你做出的決策之間存在依賴關係。

我認為 AI 也可以作為這種非常複合、非常複雜系統中的黏合劑，在那裡有分散式的決策。我認為透過 AI，透過所有這些代理式的工作流程，我們可以考慮到道德考量。顯然在能源領域也是如此。所以我看到在解決現實問題方面有很大的潛力，而不需要做太多的折扣，或者只是說，我只專注於我的小世界。透過先進分析和 AI 的結合，我們實際上可以在道德和更全球化的優化方面走得更遠，這對社會是有益的。

BURGER： 我們如何將所有這些決策、複雜系統、基礎設施和平衡，置於這些大規模運算結構的控制之下，而這些結構學到的東西現在對我們來說太複雜而無法理解，同時還能保留人類的主體性（human agency）？

MENACHE： 是的。嗯，這是一個難題。我沒想到會有這個問題。[笑聲]

BURGER： 喔，我下一個問題更糟。[笑聲]

MENACHE： 我們沒時間了。[笑聲]

你知道，我覺得這裡沒有完美的答案，但我認為這些系統、這些複雜系統的可解釋性（explainability）是 AI 可以解鎖的一部分。所以你得到了這些輸出，但你知道，作為 AI 的使用者，你也可以問為什麼？這實際上是我們在雲端供應鏈管理中一直非常關注的事情，比如，為什麼做出這些決策？你能向我解釋一下替代方案嗎？所以實際上，透過 AI，你可以非常快速地探索替代方案，並擁有這種自然語言界面，然後你可以更好地理解為什麼做出某些決策。

BURGER： Ishai，你知道，你是優化複雜系統方面的頂尖專家之一。你做了非凡的工作，我對你所做的工作及其產生的影響感到非常自豪。你有夢想嗎？如果你的工作可以規模化以解決一些問題或做一些智力上美麗的事情，比如，你會喜歡……當你回顧你的職業生涯並實現了 X，那會是什麼？

現在的問題是如此重要，有這麼多事情可以做。而我認為你正處於可能性的中心。

MENACHE： 你知道，我認為夢想是進入那些我們在幾年前認為不可能進入的領域。比如，「不，這不是你的專業知識可以發揮作用的地方——那不適合你。」……

BURGER： 是的。

MENACHE： 「這太複雜了。數據不在同一個地方。」之類的。所以我們在供應鏈方面做了一點嘗試，那裡的一個大挑戰就是數據。

所以我會說，至少從技術角度來看，利用 AI 優化、先進分析來本質上創建一個統一的決策智慧平台，在那裡天空才是極限，在那裡你可能有多次決策、多重考量。你甚至在開始時都不知道所有這些考量是什麼。

所以就像擁有一個更具互動性的系統，以持續的形式進行優化。而且，你知道，其中的一個方面，我認為這是一個巨大的挑戰，就是所有這些黑天鵝事件、罕見事件，優化很難考慮到它們。

所以，我們如何將優化融入實時環境，並讓它具有反應性，也許減少一點人為干預，但在可預見的未來，人類在驗證這些結果並對其充滿信心方面仍然是重要的一部分。我還想補充一點，其中一部分是教育那些可能在某些領域沒有相同專業知識水平的人。

這是我們必須思考的另一件事。我們如何向那些與業務有關的人解釋？我們如何向他們解釋，並讓他們對底層系統以及所有這些 AI 和所有這些複雜性所做的事情感到放心？

BURGER： 我剛才在聽，這真的是一個很美的答案。而且非常引人入勝。我試著重申一下。

第一，處理任何你可以定義的系統，無論多麼複雜，並根據某些標準（例如排放、管理能源網，或者配置多少再生能源容量，或者我應該解決哪些問題）將其驅動到接近最佳狀態。如果妳能實現這一點，那麼人類就有了一個神奇的工具來擠出所有這些浪費。我們談論過浪費的食物。那是一個你可以追求的巨大目標。所以僅僅是那種能力，任何系統都可以達到接近最佳。我們只需要定義它，然後挑選一個。

然後另一個我喜歡的是，如果你能推測出一些黑天鵝事件，你如何規劃韌性？我們知道這些事情會不斷發生，而且會變得更糟。

我們已經看到了牙買加的颶風，對吧？還有北卡羅萊納州，還有……所以我們如何利用這些快速變化建立社會韌性？這是一個優化問題。

LUERS： 嗯，但那是一個有趣的問題。我想知道你們兩位怎麼想，我的意思是，我認為有一個觀點認為優化和韌性並不總是相容的。所以，你知道，有一種觀點認為，自然界中的冗餘是關於韌性的。那是這些系統韌性的一部分。複雜性……

BURGER： 我們有兩個腎臟是有原因的。[笑聲]

LUERS： 是的，所以，你知道，我經常思考生態系統的韌性，你知道，對此有很多擔憂。當妳優化它時，我們是否實際上讓自己變得更缺乏韌性？我只是好奇。我知道我們快沒時間了，但當這個張力出現時，我在想你們在那個領域對於我們如何利用這些工具前進有什麼看法。

BURGER： 嗯，我先插話，然後交給 Ishai。我的意思是，我和我的團隊設計過必須具備韌性的大規模系統，你也不想要大規模的複製。所以這是一門藝術，要弄清楚在哪裡過度配置，以及如何聰明地做，以便在某些故障模型和拜占庭問題下獲得正確的結果。所以，韌性可以是：我要在到處放大量的食物、水和燃料以防萬一。但你也可以非常聰明地處理。所以這確實是一個優化問題。

LUERS： 但妳需要在優化標準中加入韌性。

BURGER： 沒錯。妳需要知道妳在預測什麼，以及妳試圖解決什麼。然後妳進行優化。這就是我試圖對 Ishai 說的。你圍繞著那個進行優化。

MENACHE： 所以我的第一個答案更像 Doug 的，是關於系統方面的。韌性肯定是被考慮在內的，你知道，耐用性，還有一些事情……

LUERS： 是的。

MENACHE： ……在某些系統、存儲系統中，Doug 已經研究了很多年。我應該說，在供應鏈和優化方面，韌性是一個大主題。

LUERS： 是的。

MENACHE： 而且，優化可以以正式的方式捕捉風險衡量標準，對吧。所以你不一定是在優化平均結果、平均利潤、平均成本。但在優化時，你可以明確考慮風險衡量標準，比如風險價值（value at risk）以及其他明確考慮風險的衡量標準。在優化中還有其他方式可以明確考慮不確定性，隨機優化（stochastic optimization），在那裡你試圖以分佈形式模擬不確定性，穩健優化（robust optimization）。

也許你沒有分佈，但你仍然在世界上有一些可能性的多胞體（polytope），你只是……實際上網路路由就是一個例子，你說，我不知道我具體會在哪裡，但我以一種無論我在哪裡、無論狀態如何揭示的方式進行優化，我都會做得相當好，對吧。

所以有辦法再次考慮到這一點，這取決於……而我關於 AI 所說的是，同樣，供應鏈規劃者、網路營運者，他們可能不熟悉這些正式術語。

LUERS： 對。

MENACHE： 所以我們如何讓他們更容易理解？比如他們現在必須定義目標。他們知道他們有一些想要考慮的風險。我們如何幫助他們以一種與他們實際需求相稱的方式來制定它？

LUERS： 是的。

BURGER： Amy，妳看起來想發表意見，然後我要結束今天的節目。

LUERS： 我想我是在想，這就是那個領域……你問過關於人類主體性和這種「人在迴路中」（human in the loop）而不是全自動的問題。但它還有另一面——這些系統如何可能不僅僅專注於優化而不考慮韌性。你知道……

BURGER： 對，對。

LUERS： ……如果妳將其嵌入系統中，那麼它可能會產生這種雙向影響，從而產生淨收益。

BURGER： 百分之百。

LUERS： 所以，你知道，我認為這是一個非常值得追求的有趣領域。

BURGER： 我可以告訴你們兩位，如果我在聽完這場討論後聽這個 Podcast……我想感謝你們兩位。這真的很有趣，我今天學到了很多，這很棒。

LUERS： 是的，我也是。

BURGER： 我今天早上起床時，賓果卡上可沒有寫著會有人說「多胞體」（polytope）。……我會非常好奇，甚至可能有點急切地想看看那份最重要的問題、優先事項清單是什麼，然後聽聽妳的看法，因為妳談到了它。所以也許如果妳在任何時候拿到了清單，我會把它和這集節目一起發布。然後 Ishai 會挑選哪一個開始研究？

MENACHE： 是的，我們來談談。[笑聲]

BURGER： 你知道，能有一些積極的結果會很棒。所以如果我們拿到了清單，如果你真的挑選了其中一個並取得了進展，你知道，我很樂意向大家報告。我希望我們今天建立的聯繫和進行的討論能導向那樣的結果……

MENACHE： 絕對的。

BURGER： ……讓地球變得更好。

LUERS： 太棒了。

MENACHE： 非常感謝。

LUERS： 非常感謝邀請我們。

MENACHE： 很有趣。

BURGER： 這真的很棒。謝謝你們兩位。

MENACHE： 是的，謝謝。

LUERS： 太好了。

[音樂]

標準結尾： 您剛才收聽的是《未來事物的形狀》，微軟研究院 Podcast。請在 aka.ms/researchpodcast 或 YouTube 及各大 Podcast 平台查看更多節目內容。

[音樂漸弱]

[1] OptiGuide 是一個由生成式 AI 驅動的框架，讓使用者可以透過自然語言設計、互動並理解複雜的優化演算法，以便使用者可以實時探索情境，增強決策能力。OptiMind 是幫助設計這些演算法並與之互動的小型語言模型。這兩項工具都是由 Menache 領導的機器學習與優化小組正在進行的工作的一部分。

了解更多：

這篇文章 我們能否透過 AI 走向更永續的世界？ 首先出現在 微軟研究院。

— Microsoft Research

相關文章

其他收藏 · 0