2019年12月30日，波茨坦氣候影響研究所（PIK）發表了《人工智慧：應用深度強化學習促進可持續發展》（Artificial Intelligence: Applying ‘Deep Reinforcement Learning’ for Sustainable Development）的文章，通過開發一個數學框架，首次將機器學習以一種特定方式用於可持續發展途徑的探索中，通過將最近開發的機器學習技術與計算機模擬全球氣候系統和全球經濟軌跡結合分析，尋找實現可持續發展的新途徑。相關的研究於12月下旬發表在《混沌:非線性科學跨學科》期刊上。

隨著計算機和人工智慧的發展，深度強化學習在AlphaGo等的計算機遊戲以及機器人導航等多個領域成功應用，並展示出了強大的潛力。越來越複雜的地球系統模型被用來描述地球生物物理系統和人類社會經濟和文化及其之間的相互作用。當需要考慮避免違反地球邊界和社會基礎方面的限制時，這個問題就特別困難。在這項工作中，文章建議將最近開發的機器學習技術（即深度強化學習，DRL）應用於地球系統中。該技術通常能夠在地球系統的可變管理環境模型中起作用並不斷學習。通過人工智慧的技術對碳排放徵稅和對可再生能源提供補貼的特定組合，對於找到長期可持續地球系統發展軌跡至關重要。模型為決策者和廣大公眾提供資訊以找出可持續發展的未來之路，例如緩解人為氣候變化途徑是氣候研究和更廣泛的地球系統科學領域一項具有挑戰性和廣泛研究的任務。

研究人員強調，該模型目前採用簡化版的“深度強化學習”方式模擬現實世界二氧化碳排放稅和可再生能源補貼的特定組合，但還不能直接在現實中使用。然而通過實驗結果表明，與傳統分析相比，科學家在機器學習的應用中確實找到了創新的途徑。因此，該研究具有重要的方法學價值。文章作者呼籲其他科學家將該工具應用於進一步研究的模型，以便更多地了解機器學習對可持續發展的潛力。

轉載本文請註明來源及作者：中國科學院蘭州文獻情報中心《資源環境科學動態監測快報》2020年第01期，牛藝博 編譯。