我们能靠 AI 走向更可持续的世界吗

视频播放需要同意Cookie设置。技术进步的速度如此之快，以至于定义我们正在为之努力的明天变得颇具挑战。在《未来的形状》中，微软研究院负责人Doug Burger与来自不同领域的专家共同梳理了当今技术专家、政策制定者、商业决策者及其他利益相关者面临的最棘手的AI问题。目标：加深共同理解，以构建一个AI转型带来净正效益的未来。在本期节目中，Burger与微软可持续发展科学与创新负责人Amy Luers以及微软研究院优化研究员Ishai Menache一起，探讨AI如何既加剧气候变化，又能帮助应对气候变化，强调需要将炒作与数据分开，并理解其真实影响。虽然数据中心在全球排放中占比很小，但其快速增长引发了本地基础设施方面的担忧，尽管AI为优化复杂系统和加速气候解决方案提供了强大工具。讨论将AI定位为一种关键但双刃的技术，必须谨慎引导，以支持可持续的未来。

《未来的形状》播客系列 订阅微软研究院播客：Apple Podcasts | Email | Android | Spotify | RSS Feed

[音乐]

DOUG BURGER：这里是《未来的形状》，微软研究院播客。我是主持人Doug Burger。在本系列中，我们将探索AI能力的前沿，深入基础原理，真正理解它们，并思考这些能力将如何改变世界——无论好坏。

在今天的播客中，我邀请了两位专家来探讨AI与可持续发展的未来。一位是Amy Luers，她是可持续发展以及可持续发展、技术与科学交叉领域的专家。另一位是Ishai Menache，他是全球知名的优化研究专家。我们将讨论技术如何优化系统，探讨AI是否有潜力帮助应对气候变化和可持续发展，以及AI带来的挑战程度。我们将努力触及问题的核心，因为这将决定未来的形状。

[音乐渐弱]

今天我非常高兴能邀请到两位杰出的嘉宾。我们有Amy Luers，她是微软可持续发展科学与创新的高级全球总监。还有Ishai Menache，他是微软研究院的合作伙伴研究经理。当然，今天的主题是AI与气候和可持续发展，我认为这是很多人关心的话题。你知道，我们正面临气候危机。我从1990年代起就一直关注气候问题。这是我非常担忧、也非常关心的事情。当然，Amy将她的职业生涯都奉献给了这个领域，所以我没什么可说的，但这确实是一个非常重要的问题。而现在，AI转型正在发生。整个科技行业正在大规模建设大型计算系统和巨型数据中心。世界上有很多人担心这可能会如何影响气候，这意味着什么。Amy，我们也会谈谈当地社区。我真的很想深入事实。这到底意味着什么？我们认为实际影响会是什么？让我们把数据与炒作分开，然后也谈谈未来的机遇，因为我确实认为我们能够做一些事情，这也是为什么我们请来了Ishai。所以，也许我先请Amy发言。你能告诉我们你在微软的工作，以及是什么让你进入这个领域吗？也许可以讲讲你的故事？

AMY LUERS：正如你所说，我在微软公司可持续发展团队领导可持续发展科学与创新工作，这意味着我可以与公司内外、世界各地的聪明人，包括微软研究院的人，一起为微软乃至世界塑造和提供可持续发展解决方案。其中一部分工作是领导我们在AI和可持续发展方面的战略。至于我是如何进入这个领域的，我一生都在从事可持续发展和气候方面的工作。我曾在科技行业工作，之前实际上在谷歌。也曾在白宫工作，在首席技术官办公室与环境、资源和能源的交叉领域。我还领导过一个国际研究机构，更确切地说是一个基于联合国的网络，专注于可持续发展。在离开谷歌后，我开始真正思考计算和数字工具在转型中的力量——这也是我被招入白宫从事交叉领域工作的原因——当我开始领导全球可持续发展研究网络Future Earth时，我真正带去了需要在这个领域思考创新和数字技术的需求。我要说的是，当时的可持续发展科学网络，大约十年前、八年前，对AI和技术在这个领域的应用有些抵触。我发起了一个名为“数字时代的可持续发展”的全球倡议，真正将数字技术和AI社区聚集在一起。会议在蒙特利尔举行，那里有庞大的AI社区，还有全球的可持续发展科学家。我们开始思考潜力是什么，风险是什么，并领导了一项大型国际研究，为该领域制定了一个研究和创新议程。这真正改变了我的方法，从我在谷歌时专注的“大型计算可以帮助解决问题”，转向了AI和机器学习在这个领域的角色。

BURGER：Ishai，你现在是机器学习和优化领域的全球知名专家。你发表了大量论文。我想你在研究界很有名。你对微软的业务也产生了广泛影响。你还在《哈佛商业评论》上发表过文章。所以，你有点博学多才，有时让我觉得有点压力。

ISHAI MENACHE：是的。[笑声]

BURGER：但我想听听你的背景，简单为听众介绍一下你的故事。

MENACHE：好的。我的背景实际上是工程学。然而，我的研究生学习，正如你提到的，是机器学习、强化学习，后来是分布式优化、博弈论，更偏向理论方面。我的故事是，当我在麻省理工学院做博士后时，大约2009年左右，云计算正在兴起。我对云产生了浓厚的兴趣。我最初对云的经济学感兴趣，比如定价，如何为云定价。我了解到微软研究院，因为那时麻省理工学院附近新开了一个实验室，微软研究院新英格兰。我对云着迷，不仅是它的经济方面，更根本的是，如何更有效地利用资源？这让我在2011年加入了微软研究院。我当时在新英格兰微软研究院做咨询，但后来在2011年搬到了雷德蒙德，加入了一个名为“极限计算”的实验室，该实验室实际上在处理云的未来。如果我可以提一下，Doug，你当时也是其中的一部分，所以……

BURGER：没错。

MENACHE：我认识你很久了。

BURGER：是的。

MENACHE：所以，我的切入点，可以说，有很多系统人员思考云的基础设施。而另一方面，有理论家。他们在思考下一波浪潮，或者在算法领域进行创新。但我认为缺少的是算法和云基础设施之间的桥梁。这就是我为自己，后来为我于2019年创立的团队，找到一个非常有趣的利基领域的地方。

BURGER：你最近宣布了一个名为OptiMind的系统。我在LinkedIn上发了一篇关于它的文章，因为我真的很兴奋。请告诉我们这个系统是做什么的，为什么它引起了这么多关注。然后也许我们可以为听众深入探讨一下优化。但之后我们得回到AI的话题。

MENACHE：当然。那么，稍微退一步。什么是优化或数学优化？优化或数学优化是一种使用数学在有许多选择和某些限制的情况下做出最佳决策的方法。再具体一点，在每个优化问题中，你首先需要描述要解决的问题。然后你有一系列决策，在数学术语中，这些是变量。你有一个目标。你的目标是什么？你想优化什么？可能是最大化某些东西，比如收入，也可能是最小化成本，所以有不同的目标。然后还有约束条件，意味着你不能为所欲为。有一些限制，比如云环境中的容量限制或其他因素，你必须考虑这些因素才能得出最佳决策。

BURGER：那么……也许举个简单的例子，开个玩笑。比如，我上班的路很复杂，有一天我发现我通常走的路被封了，而且我的刹车磨损严重，只能停两次。你的框架可能能找出哪条路能让我最省油。

MENACHE：对。这是一个例子。也许你因为某种原因不想付过路费，这限制了你可走的道路。还有限速等等。这些都是你必须考虑的约束条件。

BURGER：可能有一些测速摄像头，但如果路线短得多，我愿意经过测速摄像头。

MENACHE：也许吧。

BURGER：诸如此类。所以事情变得相当复杂，不是吗？

MENACHE：对。事情变得相当复杂，尤其是当你是一个单独的司机时，但在优化设置中，想想我们实际上在Dynamics 365中处理过的一些问题，也是在现场服务的背景下，这涉及大规模管理技术人员。所以想想不只是你一个人，而是成千上万的技术人员必须完成某些工单。那将是成千上万甚至数万个工单。然后你需要将技术人员分配到这些工单。并且有一堆约束条件。也许不是每个技术人员都能做每个工单。你必须考虑技术人员的出行，对吧。所以你不会派一个在斯波坎的技术人员去西雅图做某事，因为一整天都会浪费在路上。

BURGER：而且这不可持续。

MENACHE：这不可持续。[笑声] 而且，显然，还有汽油。所有这些考虑因素，你都可以正式地映射到数学优化中。然后有技术可以最优地解决这个问题。所以基本上有一些机制和专家可以处理这些问题并提出算法，但并非每个人都能做到。这需要一些专业知识。事实上，需要运筹学或算法、计算机科学类型算法方面的研究生水平专业知识。当生成式AI出现时，我们看到了一个机会，可以用生成式AI来民主化优化，即非专家可以定义他们想做什么。你举了上班的例子。也可以是简单的打包例子，比如我有一个行李箱，限重20磅。我有一堆东西要放进去，有些东西很重要。有些更关键，比如我的笔记本电脑等等。但还有一些很重的书，也许我还是想读。

BURGER：或者我经营一家航空公司，需要安排航班，想最小化燃油消耗。

MENACHE：是的，那也是。基本上，你希望能够用简单的英语描述你需要解决的问题，指定问题，说明决策是什么，就像我提到的，你的目标是什么，以及需要考虑哪些约束条件。你想使用AI来帮助你考虑所有这些因素，并基本上制定算法本身。所以写下配方，数学配方，以产生最优解。

BURGER：明白了。

MENACHE：这就是OptiMind的作用。它是一个小型语言模型，专门针对这类场景进行训练，即将自然语言映射到优化算法。

BURGER：这真的很棒，我想我们稍后会回到这个话题。现在我想回到Amy这里。当我们想到AI和行业正在建设的数据中心时，它们用水、用电，在一些社区中关于它们选址存在争议。如果我想以数据驱动和非常实事求是的方式来看待，那么从整体上看，我们认为这种转型对气候和可持续发展的实际影响是什么？这很复杂，对吧，因为排放源很多？发电是其中之一，但还有可再生能源。但建造这些东西需要材料。你能给我们一些框架来帮助我们理解吗？

LUERS：是的。首先，我认为当我们想到AI和气候时，很多人只想到基础设施方面。我认为从整体上思考这一点非常重要。我个人实际上相信，AI将成为决定我们气候未来的最具影响力的因素之一，无论好坏。但我也相信，我们实际上需要AI来解决气候危机。所以在这个背景下，让我们谈谈基础设施，记住我们必须真正考虑完整的背景。让我把这个放在背景中。从气候的角度来看，重要的是对世界的排放，温室气体的排放，吸热气体……

BURGER：对。

LUERS：……对气候的排放，不特指能源，对吧，因为能源可以有不同形式。

BURGER：对。是你往空气中排放了什么？

LUERS：你往大气中排放了什么？

BURGER：没错。

LUERS：所以，如果你从全球角度来看，世界使用的……能源本身约占所有排放到大气中的排放量的75%。

BURGER：哇，那很多。

LUERS：所以很多。但很多人认为这就是全部。所以还有其他不是能源的东西。[笑]

BURGER：好的，四分之三，四分之三……

LUERS：但在……的背景下，从气候的角度来看，截至2024年，数据中心约占所有排放量的0.5%，不到0.5%。

BURGER：好的。但它们正在增长？

LUERS：但它们正在增长。所以如果你在增长并且考虑到……有很多预测。正如你们所知，很难预测几年以后的情况，因为事情变化太快，无论是需求、效率，还是我们正在使用的东西。我们会使用小型语言模型吗？我们不知道未来会是什么样子。国际能源署预测，到2035年，电力使用量可能会翻倍。所以从电力使用量来看，实际上，数据中心约占全球电力的1.5%……

BURGER：嗯。

LUERS：……这可能会翻倍，可能在三到五倍之间，甚至更多。但根据他们的预测，这仍然不到全球排放量的1%。所以即使翻倍，从全球排放的角度来看，气候关心的是这个……

BURGER：对。

LUERS：……它仍然是一个很小的百分比。

BURGER：我能稍微回溯一下，分解一下吗？

LUERS：好的。

BURGER：所以，能源占四分之三，产生了四分之三的排放。但这包括燃烧燃料……

LUERS：是的。

BURGER：……交通。那么，在这四分之三中，或者说在总排放中，我们认为电力占多少？

LUERS：所以电力……

BURGER：发电……

LUERS：……大约占20%……或者，不，电力……生产的能源被消耗……其中大约20%作为电力消耗。

BURGER：明白了。

LUERS：现在，就排放而言，能源排放中大约35%来自电力。部分原因是电力……存在这种差异的原因是……

BURGER：有燃煤电厂。

LUERS：有燃煤电厂，而且燃煤电厂的效率不高。当你直接从太阳能到……在能源方面，你会获得效率，因为热电电厂会损失大量热量，对吧？所以那里存在效率问题。但是，大约35%的能源排放来自电力，而电力生产确实是关键问题。你知道，当今的关键问题是电力和数据中心，对吧？你如何获得足够的电力？你如何获得足够的清洁电力？这通常更像是一个基础设施问题，而不是实际的能源问题。我的意思是，两者都是真的。但关键是在正确的地点、正确的时间获得电力。这是一个大问题……

BURGER：这是一个大而混乱的问题。

LUERS：这是一个大而混乱的问题，我们可以稍微展开一下。因为我确实认为AI可以发挥巨大作用。

BURGER：也许甚至是一个优化问题。

LUERS：也许甚至是一个优化问题。没错。

MENACHE：也许吧。

BURGER：我们这里有这位专家。这很令人兴奋。

LUERS：所以我们应该展开讨论。但在我离开这个话题之前，我认为有两个相关的点。一件事是，那些没有花一生思考气候问题的人往往没有意识到，要解决气候问题，我们需要大量的电力。这是……我说我们有17万太瓦时[读作：太瓦时]的能源。要解决这个问题，大部分必须以电力的形式出现，因为这是最容易脱碳的。所以其中一个挑战实际上是更多的电力。

BURGER：明白了。所以让我再试着把它分解成一个简单的陈述。所以，大约35%的排放是由于电力使用……

LUERS：能源排放的35%。

BURGER：能源排放的35%，而能源排放占总排放的四分之三。所以我们可以做乘法。当然，随着我们使电力脱碳，有一个可能太慢但正在进行的向低碳排放发电的转型。你知道，你把燃煤电厂改造成天然气电厂，情况会好转。你把它改成太阳能、风能，情况会更好。但电力需求正在上升，部分由科技行业和建设数据中心及AI推动，但也因为我们不得不停止燃烧化石燃料。

LUERS：对。电动汽车，把我们的供暖全部变成电热——把一切……国际能源署说，我们正处于电力时代，对吧？

BURGER：所以，我们面临着巨大的电力需求压力。我们需要低碳发电，但无论有没有数据中心建设和AI建设，需求都会不断上升。但当然，这正在发生，希望我们可以用它来提供很多价值。

LUERS：是的。还有另一个非常重要的背景，那就是围绕电力和数据中心增长问题提出的其他担忧是在当地社区层面，对吧？

BURGER：对。

LUERS：所以数据中心在全球排放甚至电力方面贡献的百分比很小，但它们非常集中。它们是世界上最集中的行业之一。如果你想去查阅国际能源署关于能源和AI的最新报告，里面有一个很好的图表，显示了不同行业的集中度，钢铁在一边，占全球排放量的7%。而数据中心在另一边，就集中程度而言，它们非常接近。这之所以重要，是因为世界上某些地区确实有很多数据中心，而且它们不断进入这些地区。由于正在发生的动态变化，这种情况现在正在发生一些变化。但当这种情况发生时，在这些地区，是的，它们是主要的电力用户，对吧。当这些地区快速增长时，可能会……

BURGER：它会影响当地电网。

LUERS：……可能会给当地电网带来压力。因此，世界上某些地区对数据中心增长提出了担忧。我非常乐观地认为，这些主要是基础设施问题，是可以解决的。我们需要弄清楚如何做到这一点。这就是为什么我对一月份宣布的社区优先基础设施计划感到如此兴奋，我们真正专注于如何设计我们的数据中心开发，以确保这种快速增长对这些社区来说不是净负效益，而是净正效益。这包括承诺支付满足我们电力需求所需的所有价格，这样我们的数据中心就不会推高社区的价格。

BURGER：所以我可以看到我们如何达到净水平，比如，我们基本上不会推高当地价格……

LUERS：是的。

BURGER：……不会加剧当地水资源紧张，并以某种方式引入水资源。但如何使其成为净正效益呢？

LUERS：嗯，我认为，我们一直在说我们在全球范围内是净正效益，我认为我们正在将其转变为，我们在当地范围内所说的净正效益是什么意思？我认为在当地范围内，例如，数据中心用于冷却的水，可以在某种意义上实现净正效益，即我们实际上开始设计基本上使用零水进行冷却的系统。

BURGER：对。这是循环利用。是的。

LUERS：当然。所以我们可以，这并非在所有地方都实施，但现在正在发生。然后我们补充水，所以我们可以做一些事情……例如，事实证明，在许多地方——一些城市的水因管道泄漏而流失，而事实证明，AI可以帮助识别这些泄漏的管道。所以即使你只解决了一半，即使你只节省了一半，那也可能远远超过……数据中心的排放……损失……数据中心的水使用量只是我们节省量的一小部分。所以你可以放大并节省水资源，通常甚至可以通过使用AI，另一个优化问题，在很多方面。

BURGER：所以，这更像是公司的一种承诺，与社区合作，让他们变得更好。但当然，使用我们的全球计算能力，因为我们不会仅仅运行AI分析来改善数据中心内的管道，这可以……

LUERS：哦，不，不。

BURGER：对。但我们只是试图……是的……

LUERS：而且这不仅仅是……我们不仅仅是用AI来做。

BURGER：当然不是。当然不是。

LUERS：我们也在投资培训。我们正在投资非政府组织。真正的重点是真正理解那是什么样子。我的兴趣是，我们能否越来越多地共同设计？社区积极意味着什么？这都是新的，因为这种快速增长是第一次成为如此严重的问题。

BURGER：对，对。我很高兴你在这方面努力，我认为这对社区非常重要，因为如果我们能投入足够的关注和创新，使这些事情成为净正效益，我肯定会感觉好得多。回到排放问题。我今天邀请你们两位的原因之一是，Amy在我们的研究展示会上做了一个演讲，这真的启发了我。你谈到了很多排放是通过交通和我们一些大型非数字系统的低效管理产生的。我听到后想，哇，这可能是我们的一些研究可以提供帮助的地方。当然，这是我的工作，就是找到我们的研究人员可以放大他们工作效果的地方。所以，Ishai，也许非常简短地，你能谈谈你与供应链合作并应用优化技术的经历吗？这甚至在OptiMind之前，那时你可以用自然语言进行场景规划。你仅仅通过与我们的业务团队内部合作，就能实现什么样的效率提升？

MENACHE：是的，我给你举几个例子，但从你提到的交通开始。作为智能履行服务的一部分，我们实际上在考虑运输成本。而且，在运输本身中，可以更明确地考虑排放和可持续性因素，对吧？所以这是一种选择。

BURGER：所以我们可以说，保持相同的风险水平和交付时间，但你的目标只是努力降低排放。

MENACHE：正确。

BURGER：作为一个例子。

MENACHE：正确。还有其他相关的例子，比如当你需要满足需求时，使用什么样的硬件，例如，你想使用已经在仓库里放了很久的硬件。这也有一些影响。多年来，我们一直在研究各种系统，效率一直是我们的主要目标，但可持续性与效率密切相关，我可以通过具体的例子来说明。一个是虚拟机分配，它在非常快的时间尺度上运行。这是一个将虚拟机请求映射到物理服务器的过程。

BURGER：那是在我们的云中……

MENACHE：那是在我们的云中。正确。

BURGER：……当客户想使用某些东西时。再次，我们尽量保持不太技术化。

MENACHE：所以我们的目标之一是提高打包密度，这意味着我们希望将服务器的利用率提高到接近100%。实际上，众所周知，这是谷歌的一项研究。我想你熟悉它。实际上，当你提高打包密度时，你实际上会降低每单位有用计算能力的功耗，对吧？这是众所周知的。例如，我不记得确切的数字，但如果你的服务器利用率是50%，你仍然会消耗接近100%的功率。

BURGER：是的，你已经配置好了。它正在传输。你的芯片有泄漏，有静态功耗，所有这些东西，我以前研究过的东西。

MENACHE：实际上……Doug肯定比我更了解。那是他的研究领域。我们自2022年以来研究的另一个例子是机架放置。你有这些需求，你必须决定如何精确地放置这些服务器机架在数据中心内。你必须考虑电力、冷却、空间等等。通过我们的优化，我们能够实现的一件事是将电力碎片减少1%到2%。这里的1%是巨大的，不仅关乎成本节约、为公司省钱，还关乎需要建造更少的数据中心或以更有效的方式利用数据中心。本质上，另一种看待方式是，如果我们希望AI被地球上每个人使用，对吧？所以基本上，你用更少的资源可以做更多的事情，并让AI……扩大AI的覆盖范围，最终让全世界都使用它。

BURGER：我的意思是，我认为在公司内部，通过研究和与产品组的合作，你非常成功，因为你找到了在供应链和我们最大的业务之一中提高效率的方法，这很棒，对吧。但是，对于世界其他地方的人来说，他们关心的是，地球是否在可持续的轨道上，对吧？他们的电费是否在上涨？我们在竞争压力下这样做是为了提高我们的运营利润率，这对我们很好……

MENACHE：对，对。

BURGER：……但我们必须考虑世界。但我认为我们可以在这里做一些事情。现在回到Amy这里。在你的演讲中，你谈到了很多这些排放和机遇。你认为有没有几个大的方面，我们可以通过更聪明地管理复杂系统来解决？你认为规模有多大？

LUERS：早些时候我说过，我认为没有AI我们实际上无法解决气候危机。我认为AI为可持续发展过程带来了三种改变游戏规则的能力。其中之一是能够实现，我认为是优化，但也包括理解和预测复杂系统，这是我们用传统分析工具难以做到或实际上不可能做到的。

BURGER：对，对。

LUERS：另一个改变游戏规则的能力是加速新气候解决方案的发现、开发和部署。这当然是微软研究院做了大量工作的另一个领域。

BURGER：对。

LUERS：我认为AI为可持续发展带来的第三个改变游戏规则的能力是增强和提升机构、人力和劳动力的能力。我认为这三者都很重要，如果我们充分利用它们，它们可以改变游戏规则。具体到管理优化或复杂系统的优化，我认为我们真正必须面对的最大挑战是，正如我所说，转移……电气化一切，对吧？这在多个层面上都有优化、加速发现和第三条绿色路径的用武之地。它有不同的层面，但一部分是基础设施。国际能源署预测，到2050年，要实现全球气候目标的净零排放，我们需要将全球电力容量增加一倍以上。想想看，这是一项巨大的工程。因此，在气候不断变化、天气变得更加可预测的情况下，能够整合和管理一个系统，这成为一个挑战，如果我们做对了，我们可以整合更多。如果我们做不对，我们将非常缓慢地朝着这个目标前进。

MENACHE：是的，我实际上想……

BURGER：我看到你在座位上坐不住了。

MENACHE：是的，是的。我们谈了很多关于优化的问题，但AI本身也在帮助系统变得更高效。我们的团队做了很多工作，实际上是将AI预测技术与优化相结合，这非常强大。我举几个例子。例如，在虚拟机分配问题中，我们实际上预测了虚拟机的生命周期。比如，我们认为虚拟机将在系统中停留多久？所以有一些AI，互补的AI系统为我们做这个预测，这产生了更……更好的优化。直观地说，当你拥有更多知识或……

BURGER：更好的预测。

MENACHE：……更好的预测。它不必非常准确，但只要你有不错的预测，你就可以在打包方面做得更好。这是一个例子。在云供应链的背景下，预测，需求预测，至关重要，因为如果你的预测非常糟糕，那么你需要提前配置。就像我们讨论过的，你必须……

BURGER：你必须缓冲容量，你必须在系统中建立额外的容量，你有冗余——这很昂贵。

MENACHE：对。你不知道会发生什么。所以，优化帮助你自动化并找到最优选择。但如果你的需求预测很糟糕，你将不得不配置，过度配置这些热缓冲区。这也会对环境产生影响，以及成本影响。所以我认为这种AI和优化的融合，我认为这真的会推动事情向前发展。

BURGER：我想在这里小心一点，因为我们对这项技术非常兴奋，因为它具有如此大的颠覆性。对于听众来说，我是一个反炒作的人。我以前喜欢研究不热门的领域，因为社区会对某些东西过度兴奋。但我们看到的这些先进模型能够做的事情令人瞠目结舌。而且能力实际上发展得非常快。但这些也可能对社会产生不良后果。互联网有一系列后果。社交媒体有一系列后果。我们现在正走在一条不可持续的道路上，试图走上一条可持续的道路。这不仅仅是技术问题，这是人类文明的问题。所以我真的希望我们专注于，也许现在梦想一下，我们可以尝试引导这项技术，AI和所有这些计算能力，去解决一些真正能推动气候变化的重大问题。因为我自己的希望和目标，我想Amy，我们可能共享这个目标，事实上，我认为我们都共享，作为技术专家，引导技术以帮助人类并克服一些不良影响，因为任何新技术都会带来好坏两方面。那么，我们应该用这些东西来管理城市吗？我们应该建立模型来控制电网吗？控制不是指那种意思，而是能够优化。比如，五年后、两年后，我们能做哪些可能神奇且真正推动变革的事情？

LUERS：所以……

BURGER：你提到了三个。

LUERS：是的。

BURGER：也许我们可以把它们归类到那些里面。

LUERS：嗯，我有三个改变游戏规则的能力。所以我会把这些改变游戏规则的能力应用到问题上。首先，当我看到AI时，这是你可以应用于许多气候挑战、可持续发展挑战并真正产生巨大差异的东西。那么问题就是，三个大的挑战领域是什么，对吧？

BURGER：对。

LUERS：有很多挑战领域。我想，就……我们可以展开这些，但在高层次上，我会说，我们已经谈过这个，但第一个是，实现电气化一切，下面有各种子项。第二个我会说……我会强调工业材料和化学品，这是一个发现-开发-部署类型的事情。它像所有这些一样打包。你不能只是撒上AI就能解决问题，但它可以……

BURGER：这是真正的工作。

LUERS：这是真正的工作，对吧？但我认为在工业材料和化学品的第二个桶中，有一种不同的模式。我认为我至少设想的是，因为AI的存在，有一种不同的方法可以处理这个问题，如果你愿意，我们可以展开讨论。第三个，我会说，是建设……实现低碳、有韧性和安全的食品系统的发展。

BURGER：我明白了。

LUERS：食品系统约占排放量的三分之一。它也是气候变化本身最大的影响之一。脆弱性和粮食不安全的问题是一个巨大的问题。

BURGER：是化肥吗？

LUERS：是化肥。还有……

BURGER：水……

LUERS：……比如牛的甲烷……

BURGER：甲烷排放……

LUERS：……还有我们如何种植食物以及如何通过供应链分配食物。食物浪费约占排放量的8%。所以存在巨大的低效率。再次，我认为这三个改变游戏规则的能力可以……它们可以影响这三个桶中的每一个。

BURGER：在微软研究院，就在上个月，我们有团队使用遗传算法或神经进化设计了一个更好的X，其中X的效率提高了百分之几。这些不是大语言模型，但大语言模型可以在这方面发挥作用。我想知道如果我们去解决一系列问题，那么Ishai的工作可以考虑处理大型复杂系统，并找出如何更有效地运行它们。我认为你说的是，我们能否设计一个更好的风力涡轮机，在给定的风速下产生更多的电力，或者仅仅通过优化或……

LUERS：嗯，我的意思是，我认为那将是……

BURGER：……材料，比如用于直接空气捕获、碳捕获。你的清单上会有什么？

LUERS：是的。我认为在材料方面，一些例子，当然，水泥。一些材料，很多问题都与电力有关。所以是过程的优化。例如，对于钢铁，很多问题取决于你使用什么能源以及如何优化那个系统。但也有许多不同的材料可以使过程更有效，比如用于海水淡化的材料，可以减少大量电力，这也与脆弱性和安全性有关，我认为这是一个威胁。

BURGER：如果能用低能量实现，饮用水将是一个巨大的成就。

LUERS：是的，是的。所以，我梦想的一件事是，我们现在不能……我们过去有这些挑战，这些长达几十年的宏大挑战，我们会有登月计划。我觉得如果我们把AI集中在不同的挑战上，并说，让我们思考那些AI可以发挥作用的领域的宏大挑战，并说，让我们把它们视为工厂登月计划。换句话说，让我们说，我们将建立一个系统，能够……如果我们解决并解决了哪10种材料，它们真的会在能源、食品和所有……在社会中产生影响。

BURGER：我们需要这个清单。

LUERS：然后逐个勾选。并且让公私合作伙伴关系也一起做。但你必须同时做好准备，以便能够拥有那个系统，使它们能够进入社会，对吧。

BURGER：完全正确。我正要拿出一篇论文。微软研究院的Kristen Severson和她在华盛顿大学的三位同事——我想你知道这项工作——使用了一种机器学习形式，马尔可夫过程，来设计含有藻类的水泥，但强度相同，碳排放减少20%。现在水泥是一个巨大的部分。我不记得具体数字了。

LUERS：大约7%，6%到8%，取决于你如何衡量。

BURGER：是的，所以砍掉五分之一，突然之间，那就是1%到2%……占排放量的1%到2%。但当然，它看起来强度相同，具有所有正确的属性。但将其从论文，比如《细胞》杂志，推广到世界范围内的大规模生产，是一项巨大的工程。

LUERS：完全同意。

BURGER：所以，我们可以在本地解决这些问题，但然后将其规模化，特别是当你在一个不生产水泥的公司工作时，你如何做到这一点？这就是你的观点……

LUERS：对。这就是为什么你需要……你需要作为公私合作伙伴关系来做这件事。这应该被思考为，我们有一个使命，在接下来的多少年内实现其中的10个，而不是试图在接下来的几十年里只做一个登月计划，对吧？

MENACHE：所以我的清单是，第一是Amy说的一切，比如……

BURGER：那是一个很长的第一。[笑声]

MENACHE：是的。所以，不，但我应该说，我的一位导师说过，每个问题可能都有一些运筹学。你知道，当你站在麦当劳排队时——他就是在那里对我说的——你知道，是排这个队还是那个队。所以他是这样想的。但说到重点，我认为你描述的领域，材料、食品分配、电力，有很多我们可以作为优化者做出贡献的地方。事实上，我认为当涉及到具体考虑可持续性指标时，我们可以做得更多。我们谈过这个。更明确地考虑可再生能源等等。所以我认为在这方面还有一段路要走。第二，我认为优化和AI可以用于人类福祉。我举一个例子。有各种各样的调度系统，这实际上是我们开始研究的一个项目。你知道，如何使系统更高效？你想降低成本，但仍然考虑，例如，劳动法和优先级或工会方面的考虑。AI可以帮助做到这一点，实际上理解合同，理解细则，并提出算法，调度算法，也对人们有利，对吧。例如，如果你考虑司机的工作时长，他们有这种长班次。你如何优先考虑他们有足够的休息，并更明确地考虑他们的福祉？这可以通过优化和AI的结合来实现。最后但同样重要的是，我会说，OptiGuide的前提和愿景的一部分，这是我们一直在生成式AI和优化交叉领域研究的项目，是使所有这些复杂的、我们用于更好决策的工具……顺便说一句，不仅仅是优化算法、整数线性规划等等，还包括你在电力领域建模电网等时拥有的非常先进的模拟工具。让最终用户、规划者、业务运营者和需要做决策的高管更容易使用它们。所以我认为这也是AI可以帮助促进的非常重要的事情。

BURGER：人们，人类，只要变化停止，我们就会对快速变化感到非常舒适。我们可以接受，如果天空中出现了第二个月亮，每个人都会看着它说，哦，天哪，有第二个月亮。一周后，就会说，是的，有两个月亮。就是这样，对吧？我们对此习以为常。所以我们认为我们现在生活的社会是正常的，但这是一个历史异常现象，指数级的人口增长、农业、工业革命使人口大规模增长。我们整个经济模式在某种程度上是基于由不可持续的化石燃料和资源推动的指数级人口增长。那是我们的生活水平。世界上还有很大一部分人仍然非常贫穷。所以我认为我们必须转向不同的东西，也许我们只是达到……足够的材料来实现可持续的未来。但正如你所说，这不仅仅是效率问题，因为这些都是人。我们建立的这些系统必须考虑人类福祉。这非常复杂。你不能用定制的法规，法规很难，政策很难。所以我的梦想是，我们可以使用这些非常复杂的系统来进化并学习这种平衡。我们能否真正管理社会及其复杂性，以满足人类状况？我不知道这是否可能，但我们在打这场仗，而且非常艰难。所以我想对我来说，这是我的希望。Amy，你把你职业生涯的很大一部分奉献给了这个话题。你的抱负是什么？你想解决什么问题？如果有一个我们可以在研究中解决的问题，那会是什么？你真正希望看到什么？你的梦想是什么？

LUERS：嗯，我认为要回答这个问题，我想对你的愿景做一个转折……因为在我看来，我们现在已经建立了一个基于破碎系统的社会。我们有化石燃料在底层，以及破碎的基础设施和世界上的不平等。

BURGER：巨大的。

LUERS：世界上巨大的不平等。所以现在，每当我们在这个系统上添加新东西，它只会产生更多的排放，带来更多的问题，因为我们还在用同样的模式。

BURGER：对。

LUERS：AI的不寻常之处，以及我认为它如此有前途又如此可怕的原因，是我们第一次拥有如此强大的工具，如果我们用它来改变我们赖以建立的那个系统，它实际上可以改变它。

BURGER：是的。

LUERS：所以，我认为我们需要把它集中在那些事情上。我写过，现在是五个，现在变成了六个，但我写过大约五件必须发生的事情，以便我们能够引导它改变那个系统。第一，是的，我们必须将AI用于可持续发展。我知道这听起来有点微不足道，但这并不微不足道，因为每个人都说，嗯，那里有很多潜力。我说，是的，气候危机，解决气候危机就是找出潜力，然后将其变为现实。第二是数据基础设施，以及能够解决这些问题的数据和数据基础设施。有很多……我们必须让这些数据可用。第三是获得清洁能源，减少我们的足迹，并支持社区。我认为这些是基础设施方面。

BURGER：好的。

LUERS：下一个是我所说的为地球对齐而治理AI。我们与来自世界各地的同事一起，在《自然·可持续发展》上发表了一篇论文，大致概述了AI原则上实现地球对齐意味着什么的愿景。我认为这是另一个。第五是技能……提升世界的技能，就像你说的，让它更容易获得。其中一些不一定是学习如何构建agent，而是能够理解如何将这些工具整合到你的生活中，以实际推动这种变化。我会再加一个——可能更接近第三而不是第六——但我确实认为我们不仅需要弄清楚如何与社区合作，还需要使数据中心和AI运营的发展与电网的需求和轨迹保持一致。我认为这不仅仅是应用AI通过优化来解决问题，还要以综合的方式思考这个问题。

BURGER：是的。Ishai，你有回应，然后我有一个问题要问你。

MENACHE：是的。所以通常决策是由多方做出的，对吧。每一方都做出替代性决策，而且它们也会影响其他人可以……决定什么。它们基本上改变了其他决策者的设置。所以我做的决定和你做的决定之间存在依赖关系。我认为AI也可以帮助成为这种非常复杂、有分布式决策的系统的粘合剂。我认为有了AI，有了所有这些agent式工作流，我们可以考虑整体因素。显然，在能源领域也是如此。所以我认为在解决实际问题方面有很大的潜力，而无需做太多折扣，或者只是说，我只关注我的小世界。通过这种高级分析和AI的结合，我们实际上可以在对社会有益的、整体和更全局的优化方面走得更远。

BURGER：我们如何将所有这些，所有这些决策、复杂系统、基础设施和平衡，置于这些大规模计算结构的控制之下，这些结构学习的东西现在对我们来说太复杂而无法理解，同时保留人类能动性？

MENACHE：是的。我的意思是，这是一个难题。我没想到这个问题。[笑]

BURGER：哦，我的下一个问题更糟。[笑]

MENACHE：我们没时间了。[笑] 我觉得这里没有完美的答案，但我认为这些系统，这些复杂系统的可解释性，是AI可以解锁的一部分。你得到这些输出，但作为AI的用户，你也可以问为什么？这实际上是我们一直在云供应链管理中非常关注的事情，比如，为什么做出这些决定？你能向我解释一下替代方案吗？实际上，有了AI，你可以非常快速地探索替代方案，通过这种自然语言界面，然后你可以更好地理解为什么做出某些决定。

BURGER：是的。Ishai，你是优化复杂系统的顶尖专家之一。你做了非凡的工作，我为你所做的工作及其影响感到非常自豪。你有梦想吗？如果你的工作可以扩展到解决一些问题或做一些智力上美丽的事情，比如，当你回顾你的职业生涯并实现了X，那会是什么？现在的问题如此重要，有这么多事情可以做。我认为你正处于可能性的中心。

MENACHE：你知道，我认为梦想是进入我们几年前认为不可能的领域。比如，不，这不是你的专业知识能发挥作用的地方——这不适合你……

BURGER：是的。

MENACHE：这是，有遗留问题，而且太复杂了。数据不在一个地方。等等。我们在供应链方面做了一些工作，那里的一大挑战是数据。所以我会说，至少从技术角度来看，使用AI优化、高级分析来创建一个统一的决策智能平台，在那里天空才是极限，你可能有多个决策，多个考虑因素。你甚至不知道开始时所有这些考虑因素是什么。所以拥有一个更互动的系统，以连续形式进行优化。其中一个方面，我认为是一个大挑战，是所有黑天鹅事件，罕见事件，优化很难考虑它们。所以，我们如何实时整合优化，使其具有反应性，也许减少人工干预，但至少在可预见的未来，人类仍然是验证这些结果并对其充满信心的重要部分。我还要补充一点，教育那些可能在某些领域没有相同专业知识水平的人类。这是我们必须思考的另一件事。我们如何向那些与业务有关的人类解释？我们如何向他们解释，并让他们对底层系统在所有这些AI和复杂性下所做的事情感到舒适？

BURGER：我听着，这实际上是一个美丽的答案。而且非常引人注目。我试着重新表述一下。第一，接受任何你可以定义的系统，无论多么复杂，并将其驱动到接近最优，以满足某些标准——比如排放，管理电网，或者应该配置多少可再生能源容量，或者我应该解决哪些问题……所以，如果你能做到这一点，那么人类就拥有一个惊人的工具来……榨取所有这些浪费。我们谈论食物浪费。那是一个你可以追求的巨大目标。所以仅仅这种能力，任何系统都可以被带到接近最优。我们只需要定义它，然后选择一个。另一个我喜欢的点是，如果你能推测一些黑天鹅事件，你如何规划韧性？我们知道这些事情会继续发生，而且会变得更糟。我们看到了牙买加的飓风，对吧？还有北卡罗来纳州，等等。那么，我们如何在这些快速变化中建立社会韧性？这是一个优化问题。

LUERS：嗯，但这是一个有趣的问题。我想知道你们两位对此的看法是，我认为，有一种观点认为优化和韧性不一定总是兼容的。所以，有一种观点认为，韧性和……自然中的冗余是关于韧性的。那是这些系统韧性的一部分。复杂性……

BURGER：我们有两个肾脏是有原因的。[笑]

LUERS：是的，所以，我思考了很多关于生态系统的韧性，有很多担忧。当你优化它时，我们是否实际上让自己变得不那么有韧性？我只是好奇。我知道我们时间不多了，但既然这个张力出现了，我想知道你们对此有何看法，关于我们如何在这些领域使用这些工具向前发展。

BURGER：嗯，我先插一句，然后交给Ishai。我的意思是，我和我的团队设计过必须具有韧性的规模系统，你也不想要大规模的复制。所以有一种艺术是找出你在哪里过度配置，以及如何智能地配置，以便根据一些故障模型和拜占庭问题得到正确的结果。所以，韧性可以只是：我在任何地方都放大量的食物、水和燃料，以防万一。但你也可以非常聪明地做到这一点。所以它确实是一个优化问题。

LUERS：但你需要在你优化的标准中考虑韧性。

BURGER：没错。你需要知道你在预测什么，你在试图解决什么。然后你进行优化。这就是我想对Ishai说的。你围绕这个进行优化。

MENACHE：所以我的第一个答案更像Doug的，是从系统方面。当然，韧性被考虑在内，耐久性，还有……

LUERS：是的。

MENACHE：……在某些系统中，存储系统等等，Doug多年来一直在研究的东西。我应该说，在供应链方面和优化方面，韧性是一个大话题。

LUERS：是的。

MENACHE：而且，优化可以以正式的方式捕捉风险度量，对吧。所以你不是……不一定优化平均结果、平均利润、平均成本。但你在优化时可以明确考虑风险度量，比如风险价值，以及其他明确考虑风险的度量。在优化中还有其他方法可以明确考虑不确定性，比如随机优化，你试图以分布形式对不确定性进行建模，鲁棒优化。也许你没有分布，但你仍然有某种可能性的多面体，你只是……实际上，网络路由，例如，你说，我不确切知道我会在哪里，但我以一种无论我在哪里，状态向我揭示什么，我都会做得相当好的方式进行优化，对吧。所以有方法可以再次考虑这一点，取决于，我关于AI说的是，再次，供应链规划者、网络运营商，他们可能不熟悉这些正式术语。

LUERS：对。

MENACHE：所以我们如何让他们更容易使用？他们现在必须定义目标。他们知道他们有一些想要考虑的风险。我们如何帮助他们以一种与他们实际需要相称的方式制定它？

LUERS：是的。

BURGER：Amy，你看起来想发言，然后我将结束我们的讨论。

LUERS：我想我在想，这是你问过的人类能动性以及让人类参与循环而不是自动化的想法。但还有另一面——如何让这些系统可能帮助不仅仅专注于优化而不考虑韧性。你知道……

BURGER：对，对。

LUERS：……如果你把它嵌入系统中，那么它可能会有这种双向影响，可能带来净效益。

BURGER：百分之百。

LUERS：所以，我认为这是一个非常有趣的追求领域。

BURGER：我可以告诉你们两位，如果我在听完讨论后收听这个播客……我想感谢你们两位。今天非常有趣，我学到了很多，这很棒。

LUERS：是的，我也是。

BURGER：今天早上起床时，我的宾果卡上没有“多面体”这个词。……我会非常好奇，甚至可能有点坐立不安，想看看那些最重要的问题、优先事项的清单，然后从你那里，因为你谈到了它。所以也许如果你得到了，我会把它和这个一起发布。然后Ishai会选择哪一个并开始研究？

MENACHE：是的，我们谈谈。[笑声]

BURGER：如果能有一些积极的结果就好了。所以如果我们得到了清单，如果你选择了其中一个并取得了进展，我很乐意向大家报告。我希望我们今天建立的联系和讨论能导致这样的事情……

MENACHE：当然。

BURGER：……让地球变得更好。

LUERS：太好了。

MENACHE：非常感谢。

LUERS：非常感谢邀请我们。

MENACHE：非常有趣。

BURGER：这真的很棒。谢谢你们两位。

MENACHE：是的，谢谢。

LUERS：太好了。

[音乐]

标准结尾：您收听的是《未来的形状》，微软研究院播客。请访问 aka.ms/researchpodcast 或在YouTube和主要播客平台上查看该播客的更多剧集。

[音乐渐弱]

显示更多

[1] OptiGuide是一个由生成式AI驱动的框架，允许用户通过自然语言设计、交互和理解复杂的优化算法，以便用户可以实时探索场景以增强决策能力。OptiMind是帮助设计和交互这些算法的小型语言模型。这两个工具都是Menache领导的机器学习和优化小组正在进行的工作的一部分。了解更多：OptiGuide：用于供应链优化的生成式AI主页 | 微软赢得Franz Edelman奖，表彰其改造云供应链 | 微软信号博客 | 2026年4月 | OptiMind：具有优化专业知识的小型语言模型 | 微软研究院博客 | 2026年1月 | 生成式AI如何改善供应链管理 | 文章 | 2025年1-2月 | 建设社区优先的AI基础设施 | 微软问题博客 | 2026年1月 | 净零需要AI——五项行动实现其承诺 | 出版物 | 2025年8月 | 人工智能的地球对齐原则 | 出版物 | 2025年3月 | 可持续发展的AI转型 | 微软问题博客 | 2025年1月 | AI工具使用声音定位泄漏管道，节省宝贵饮用水 | 微软来源博客 | 2024年9月 | 可持续设计：推进AI的可持续性 | 官方微软博客 | 2024年4月 | AI会加速还是延迟净零排放的竞赛？ | 出版物 | 2024年4月 | 在新标签页中打开

文章《我们能否用AI走向一个更可持续的世界？》最初出现在微软研究院。