按年被提到
20192019 · 17 次2026
机器学习与深度学习›机器学习实践与反思·arXiv:1906.05433 · cs.CY

Tackling Climate Change with Machine Learning

用机器学习应对气候变化
David Rolnick, Priya L. Donti, Lynn H. Kaack, Kelly Kochanski, Alexandre Lacoste, Kris Sankaran, Andrew Slavin Ross, Nikola Milojevic-Dupont, Natasha Jaques, Anna Waldman-Brown, Alexandra Luccioni, Tegan Maharaj 等 22 人 · 2019

综述机器学习在减排与气候适应中可发挥作用的高影响领域

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 17 人首次 2019-06-14 · 最近 2022-10-05
17不同的人
9活跃月份
21讨论串
1,687被引(OpenAlex)

这篇长篇综述面向想为气候变化出力的机器学习从业者,说明机器学习如何成为减少温室气体排放和帮助社会适应气候变化的有力工具。从智能电网到灾害管理,作者指出了机器学习与其他领域合作可填补空白的高影响问题,建议既包含令人兴奋的研究问题,也包含有前景的商业机会,并呼吁机器学习社区加入全球应对气候变化的行动。

HN 为什么提它

2019 年发表时评论者纷纷推荐这份 97 页的综述,把它当作了解机器学习能为气候做什么的入口,并借它介绍相关项目和初创公司,例如测算个人碳排放的应用。

综述难度 2 / 5约 180 分钟经得起时间
读之前最好知道
1机器学习基础
2气候变化与温室气体排放的基本知识
3智能电网与能源系统的基本概念

学习路径

读这篇之前,按顺序读书架上的 5 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

先看深度学习本身的能耗代价与 Green AI 的效率立场,再看机器学习在气候相关任务里的具体用法(图像生成、物理建模),最后读这篇综述。

  1. 1
    Energy and Policy Considerations for Deep Learning in NLP深度学习用于 NLP 的能耗与政策考量 · 2019

    综述强调 ML 自身也有碳足迹,这篇给出训练 NLP 模型的能耗和碳排放估算。

    读各模型训练的碳排放对比表与结论;理解为什么要关心计算成本。

  2. 2
    Green AI绿色 AI · 2019

    提出以效率衡量 AI 研究的 Green AI 主张,与综述的减排立场相呼应。

    读Red AI 与 Green AI 的区别,以及报告 FLOPs 等效率指标的建议。

  3. 3

    物理信息神经网络,是 ML 与物理模型结合处理气候、流体类问题的代表方法。

    读如何把偏微分方程残差放进损失函数;只看方法思路,不必推导所有算例。

  4. 4
    Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks使用循环一致对抗网络的非配对图像到图像翻译 · 2017

    CycleGAN 是气候可视化应用所依赖的无配对图像转换技术。

    读循环一致性损失的思想;跳过具体实验指标。

  5. 5

    与目标论文同一批作者圈,用 CycleGAN 把气候后果可视化,是综述中沟通与教育类应用的实例。

    读任务设定(把洪水场景渲染到街景)与方法局限。

  6. 6
    Tackling Climate Change with Machine Learning用机器学习应对气候变化 · 2019 · 就是这篇

    目标论文:按领域梳理 ML 能在减排与适应中发挥作用的高影响方向。

    读先读引言和各领域的小标题(电力、交通、建筑、灾害管理等),挑自己关心的领域细读。

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐wintercarver · 2019-06

“if you want a nice summary of how climate change might be impacted by ML/DL applications, this is hot off the press”

推荐它,是 ML/DL 如何影响气候变化的最新总结
Ask HN: What can I do to accelerate scientific research?原评论 ↗
推荐martincollignon · 2019-06

“consider reading this paper [0]”

建议读它,了解 ML 应对气候变化的应用和项目
AI could help fight climate change原评论 ↗
推荐martincollignon · 2019-06

“encourage everyone to check this paper[0]”

鼓励大家看它,其中有 ML 气候项目,包括测量个人 CO2 的初创公司
Cement Produces More Pollution Than All the Trucks in the World原评论 ↗
推荐martincollignon · 2019-06

“encourage everyone to check this paper[0]”

鼓励大家看它,其中有 ML 气候项目,包括测量个人 CO2 的初创公司
The poisons released by melting Arctic ice原评论 ↗
推荐jamessb · 2019-10

“See this (97 page) review "Tackling Climate Change with Machine Learning": Tackling Climate Change with Machine Learning”

推荐这篇 97 页的 ML 应对气候变化综述
Ask HN: What are climate science problems approachable/solvable with AI and ML?原评论 ↗
引用martincollignon · 2019-06

“a paper called Tackling Climate Change with Machine Learning[0] just came out”

提到这篇刚发布的论文,涉及个人 CO2 排放初创公司等 ML 气候工具
Climate Change Library原评论 ↗
看全部 10 条 →
引用martincollignon · 2019-06

“a paper called Tackling Climate Change with Machine Learning[0] just came out”

提到这篇刚发布的论文,涉及个人 CO2 排放初创公司等 ML 气候工具
Temperature changes around the world – 1901-2018原评论 ↗
引用summerlight · 2019-12

“This paper seems relevant to the climate change part.”

认为它与气候变化部分相关,讲的是该做什么而非具体技术
Jeff Dean interview: Machine learning trends in 2020原评论 ↗
引用querez · 2022-08

“Sure, you can learn some AI and then look for climate-applications[0]”

引它说明可以先学 AI,再去寻找气候方面的应用
Ask HN: Working in tech for climate?原评论 ↗
引用jingxiangmo · 2022-10

“Research paper identifying high impact problems that can be solved by machine learning.”

称它找出了机器学习能解决的高影响问题
Tackling Climate Change with Machine Learning [2019]原评论 ↗
被提交为 story · 10 次