要避免最危险的气候变化情景，世界需要技术创新。
创新始于研究与开发（R&D），但并不止于此。AI可以通过将研发成果转化为气候行动来推动创新。
生成式AI在自然语言处理、数据合成与降尺度以及产品原型设计方面的能力，可以为气候领导者提供切实可行的工具。
世界正在对技术在气候危机中的作用进行大量押注。全球各地的科学家和技术专家都在推动气候适应与减缓领域的下一波突破。乐观的理由也确实存在：近年来已取得实质性进展，涵盖天气预报至工业脱碳。
历史表明，我们往往低估了科学与技术进步的速度，更多突破很可能即将到来。
但仅有突破还不够。气候危机不可能在实验室内解决：只有当技术与科学进展真正进入现实世界，才会产生影响。在纯科学研究与研发（R&D）之外，气候领导者必须关注可应用的成果，以及创新周期中的“下游”环节，例如产品原型设计、本地化和用户参与。
AI与气候变化
生成式AI（GenAI）的问世拓展了人们对AI能力的集体想象。我们已经知道AI能够推动科学突破，但它能否走得更远？领导者应探索AI如何在创新周期中充当下游催化剂，推动最新工具的采用和对最新科学的认知。以下是三个可以着手的方向：
1. 整理非结构化地球数据，并将模型降尺度至地方层面
由于地球系统复杂，且观测方法产生的数据杂乱，地球科学长期被视为“非结构化环境数据的难题。近来，此类数据的规模迅速激增，每天收集的卫星影像超过100TB。然而，这并未简化数据的非结构化特性。AI是组织这些海量数据并将其降尺度以用于地方应用的关键。
谷歌的Earth Engine是一个领先的地球科学平台，整合了各类卫星影像和地理空间数据，并具备分析能力。该平台使用户能够可视化和分析与森林覆盖、农业用地、地表水等相关的数据。从基本层面看，这些能力依托于机器学习算法，后者能够组织海量非结构化数据（具体而言，是通过对卫星影像中的像素进行分类）。越来越多的案例研究表明，AI有能力简化地球科学工作，将原始信息转化为洞见与影响。
AI还通过将全球模型降尺度应用于本地环境来增强地球科学，其方法是采用迁移学习，利用此前已掌握的某一区域信息，并改进特定地点的野火预测等任务。这在数据匮乏地区尤为关键，有助于弥合数据缺口，并使大量观测数据得以投入实际应用。
2. 构建“GPT”式界面，以通俗语言解读气候模型
计算机界面数十年来基本保持不变，依然依赖用户主动发起的操作，例如输入搜索词并查看结果。由大语言模型（LLM）驱动的生成式AI正通过支持对话式交互来变革这一局面。用户可以直接向ChatGPT等程序表达需求，这些程序随后执行任务并综合洞见，充当“副驾驶”的角色。
气候模型是理解复杂气候动态不可或缺的工具。它们包含多维方程，其代码量可能超过18,000页。对大多数用户而言，这些模型难以理解。然而，理解这些模型不仅对科学家至关重要，对企业领袖、政界人士和普通公民同样必不可少。
生成式AI可以通过提供类似GPT的界面来简化这一问题，使各种背景的用户都能与和自身需求相关的气候数据进行交互，例如监测当地海平面变化。这种方式可以让气候模型更易于获取，并增强人们对气候预测的信任。
3. 加快技术开发的原型设计阶段
AI正在包括气候变化在内的科学领域推动研发变革。然而，从基础研究到切实可行的气候解决方案之间的转化并不总是清晰的。深科技周期（即从研究到原型的路径）可能漫长且昂贵。这些担忧尤为紧迫，因为我们正处于突破关键升温阈值的“午夜前一分钟”。“午夜前一分钟”，即关键升温阈值即将被突破。
AI可以缩短深科技周期，尤其是在原型设计环节，从而加快关键技术的推出。在材料科学领域，AI加速了发现与设计，这对气候减缓至关重要（例如改进锂离子电池和太阳能电池）以及气候适应（例如开发耐火材料）都具有重要意义。传统方法需要从零开始计算材料特性，耗费大量时间、成本和计算资源。目前，全球超级计算能力的多达三分之一被用于材料科学。
AI如今无需进行繁复的初始计算即可预测新材料的特性。其做法是学习原子结构与其特性之间的关系，并推荐最优构型。尽管这一领域尚处于萌芽阶段且存在局限（例如，在发现过程中已有记录在案的“幻觉”现象），但其创新潜力巨大。例如，生成式AI正在应对“逆向设计问题”，即从所需特性（例如抵御极端天气的能力）出发，反向推导其设计方案。逆向设计问题，即从所需特性（例如抵御极端天气的能力）出发，反向推导其设计方案。
气候AI生态系统
AI发展速度很快。但底层技术发展迅速，并不意味着其应用也会随之迅速发展。当前以规模和通用知识为特征的AI发展范式（例如基于广泛数据训练的大语言模型）可能在基础研究以及其他依赖理论知识的领域找到自然的应用场景。然而，气候危机并非理论问题，而是客观的地球物理现实，它需要切实可行的工具和应用案例。
要落实本文所重点介绍的应用案例，需要一种生态系统式的方法。过去，生态系统已被证明能够成功应对多层面挑战，例如开发开源操作系统、修复臭氧层和绘制人类基因组图谱。上述所有富有开创性的努力都具有多方利益相关者参与、开放数据共享以及竞争前合作等特点。
因此，领导者必须挺身而出，构建AI与气候变化的生态系统。世界经济论坛的气候适应技术倡议通过汇聚大型科技企业、初创企业、学术界、政府及其他利益相关方等各方力量，助力营造这一必要环境。
该倡议的最新项目是行动工具包，它指导如何利用AI和其他先进技术开展具体的气候相关活动。未来，该倡议将继续促进合作，并展示技术在创新全周期（从研发到下游应用场景）中的潜力。AI very well可能正是气候变化所需的突破，但这仅仅是个开始。
