近日公佈的一段視訊讓"全球變暖"這一話題再度升溫。該視訊直觀地呈現出在過去35年間，北極圈內多年冰的面積急劇減少了95%。專家預測，以目前的溫室氣體排放水平，北極冰層將在2050年左右徹底消失，這將對全球氣候造成無法逆轉的影響。根據世界氣象組織（WMO）的資料，自工業化以來，全球平均氣溫已上升了，距的紅線已然不遠。

科技的進步將人類帶入工業時代，人類活動對地球環境的影響也愈發明顯。而現在，環境的問題是否也可以通過科技來解決呢？許多科學家和組織都在沿著這一方向探索,Google也是其中之一。

作為人工智慧和機器學習領域的領軍者，Google將AI技術應用於提升風力發電的可預測性和價值、以及降低資料中心能耗等領域，目前已取得積極進展。

小標題）預測風能：將風電價值提升兩成

風能和太陽能都是可再生的清潔能源。根據全球風能理事會（GWEC）的最新，自2014年起，全球每年新增的風電裝機儲量都超過50GW。但這些寶貴的能源大多未能得到充分利用。因為風的多變使之成為一種難以預測而"不大可靠"的能源，但對電網來說，可排程的能源（即可以在設定的時間輸送一定量的電能）才更有價值。

為了提升風電的可預測性和價值，Google聯合DeepMind，從2018年開始將機器學習演算法應用於位於美國中部的700兆瓦風力發電專案——這些風電場的總髮電量可以滿足一座中等城市的用電需求。

通過一個經"天氣預報資料"和"風力渦輪歷史資料"訓練的神經網路，DeepMind系統可以提前36小時預測風能輸出。基於這些預測，AI可以提前一天對"如何向電網做出最優的每小時交電承諾"給出建議，使這些風電得到更好的排程和使用。

雖然這一演算法還有很多優化的空間，但該應用已經取得了積極的成效。截至目前，機器學習已經將風能的價值提升了約20%。這不僅提升了風電的可靠性和價值，也對推廣風力發電、更科學地部署風力發電裝置具有積極意義。

【動圖請見圖片素材1】

圖注：AI預測的風能輸出情況（藍線）和實際的風能輸出（灰線）

圖注：Google位於荷蘭埃姆沙文的資料中心

圖注：風能發電場

小標題）智慧冷卻：讓資料中心算力提升七倍

如果沒有網際網路，我們大多數人或許將不知道如何度過一天。但每一次搜尋、每一封郵件，每一條發出的評論、每一個載入的視訊都需要經過龐大的資料中心：成千上萬個機架上嗡嗡執行的伺服器需要大量的能源來驅動。如果不及時控制，網際網路的普及速度有多快，資料中心對能源的需求量增幅就有多大。因此，提高資料中心的執行能效至關重要。

為了提高資料中心的執行能效，Google引入了人工智慧（AI）來直接控制資料中心的冷卻系統。Google首先利用資料中心裡數千個感測器收集到的溫度、功率、泵速、設定值等歷史資料對深度神經網路進行訓練，讓它可以預測電源使用效率和資料中心在未來一小時內的溫度和壓力。然後，每五分鐘，基於雲的 AI 會從資料中心冷卻系統的數千個感測器中提取一個快照，並將其饋入深度神經網路，以此預測不同的潛在動作組合會如何影響接下來的能源消耗。AI將識別出哪組動作可以在滿足安全的前提下實現最小能耗，然後把建議發回資料中心的本地控制系統，由本地系統驗證後執行。

AI有時甚至能帶來驚喜。"看到AI逐漸學會利用冬季條件生產出比平時更冷的水，來降低冷卻資料中心所需的能耗，這真的很棒！"Google某資料中心運營者Dan Fuenffinger感嘆。目前平均而言，Google資料中心的能源效率是一般典型企業資料中心的兩倍。與五年前相比，相同能耗下，Google資料中心的算力提升了七倍。

圖注：Google在芬蘭Hamina的資料中心，是Google最先進最高效的資料中心之一

圖注：Google資料中心