本文最初发布于 Undark。
在加州瓦列霍一个倾斜的后院里，尼古拉斯·斯帕达正在调整一件设备，这件设备看起来像是三脚架、公文包和风向标的混合体。这台光滑的机器，现在被放置在一个风化的凉亭和一个装满阳光漂白木材的爪足浴缸旁边，它被设计用于像这样的隐蔽地点，以便收集当地空气质量的长期信息。
斯帕达是加州大学戴维斯分校的气溶胶科学家和工程师，他最初为约 16 英里外的里士满的一个项目设计了这台机器。六个月里，研究人员将这套设备——包括一台相机、一个空气传感器、一个气象站和一个人工智能处理器——对准了穿过城市运输煤炭的铁轨，并训练了一个人工智能模型来识别火车及其对空气质量的影响。现在，斯帕达正在瓦列霍勘察传感器的潜在安装地点，他与关心空气质量的居民合作。
里士满的项目是斯帕达第一次使用人工智能。相关的论文于 2023 年 3 月发表，正值人工智能日益受到关注和担忧之际。科技领袖们对人工智能可能取代人类智能表示担忧；批评者则质疑该技术的潜在偏见和对公共数据的收集；同时，众多研究和文章也指出了处理算法数据所消耗的巨大能量和产生的温室气体排放。
但随着担忧的加剧，科学界对人工智能的潜在应用——包括在环境监测领域的应用——也日益感兴趣。从 2017 年到 2021 年，每年发表的关于人工智能与空气污染的研究数量从 50 篇跃升至 505 篇。发表在《公共卫生前沿》杂志上的一项分析部分归因于人工智能在更多科学领域的应用。根据斯帕达等研究人员的说法，应用人工智能工具可以赋权那些长期遭受污染但却缺乏数据来明确证明其直接来源的当地居民。
在里士满，深度学习技术——一种机器学习的类型——使科学家能够远程、全天候地识别和记录火车，而不是依赖于传统的人工现场观察方法。该团队的数据显示，当装载煤炭的火车经过城市时，会显著增加环境中的PM2.5浓度。PM2.5 是一种与呼吸道和心血管疾病以及过早死亡相关的颗粒物。即使是短期接触 PM2.5 也会损害健康。
论文的作者最初不确定这项技术是否适合他们的工作。“我不是人工智能的粉丝，”论文的首席作者、加州大学戴维斯分校的环境流行病学家巴特·奥斯特罗说。“但这个东西效果惊人，没有它我们是做不到的。”
奥斯特罗说，该团队的结果可以帮助回答一个很少有研究人员研究过的问题：煤炭设施以及它们之间的火车如何影响城市地区的空气？
这个问题在附近的奥克兰尤为重要，奥克兰围绕一个拟议的煤炭出口码头已经争论了近十年。在奥克兰于 2016 年通过一项停止该项目的决议后，一名法官裁定该市未能充分证明运输煤炭会严重危害公众健康。奥斯特罗和斯帕达的研究设计部分是为了提供与该项目相关的数据。
“现在我们有了一项研究，为我们提供了新的证据，”长期以来在湾区活动的活动家、反对码头项目的草根志愿组织“奥克兰无煤”成员洛拉·乔·福说。
福说，这项研究技术也可能在湾区以外的地方证明有用。该人工智能方法可以被其他希望更好地了解当地污染的社区采用。
“这非常令人震惊，”她说。
在美国，约有 70% 的煤炭通过铁路运输，从数十个矿山运往发电厂和航运码头。去年，美国——拥有世界上最大的煤炭储量——使用了约 5.13 亿吨煤炭，并向印度和荷兰等国出口了另外约 8500 万吨。
在美国煤炭被燃烧或运往海外之前，它通常通过敞顶火车运输，在高风和火车高速行驶时会释放出滚滚的尘土。过去，当科学家研究这些煤炭火车释放了多少尘土时，他们的研究依赖于人工识别火车经过，然后将其与空气传感器收集的数据进行匹配。大约十年前，随着国内天然气对美国煤炭设施造成压力，化石燃料和航运公司提议在俄勒冈州和华盛顿州建设一些出口码头，以将怀俄明州和蒙大拿州开采的煤炭运往其他国家。社区反对的声音迅速而强烈。华盛顿大学的大气科学家丹·贾菲开始着手确定对空气质量的影响。
在两项已发表的研究中，贾菲用运动传感相机记录了西雅图和哥伦比亚河谷的火车，识别出煤炭火车，并将其与空气数据进行匹配。研究表明，火车释放的煤尘增加了俄勒冈州和华盛顿州交界处的峡谷地区的颗粒物暴露。这些尘埃与柴油污染一起，也影响了城市西雅图的空气质量。（最终，没有一个计划中的码头建成。贾菲说，他希望自己的研究在这些决定中至少起到了部分作用。）
其他出口地点，特别是澳大利亚和加拿大的研究，也使用了视觉识别，并显示煤炭火车相关的颗粒物有所增加。
根据曾在澳大利亚气候行动网络担任战略家并为当地研究做出贡献的詹姆斯·惠兰的说法，无论哪里有煤炭设施，附近都会有社区组织起来表达对相关污染的担忧。“通常，接下来会进行一定程度的科学调查，并采取一些缓解措施，”他说。“但似乎很少有措施是足够充分的。”
一些专家认为，人工智能革命有潜力显著提高科学研究的可靠性。科学家们长期以来一直使用算法和先进的计算来进行研究。但数据处理和计算机视觉的进步使人工智能工具更加易于获得。
耶鲁大学数字伦理中心主任、哲学家卢西亚诺·弗洛里迪说：“借助人工智能，所有知识管理都变得无比强大、高效和有效。”
在里士满使用的技术还可以帮助监测其他历史上难以追踪的污染源。瓦列霍是一个位于旧金山东北约 30 英里处的海滨城市，在 20 英里半径内有五个炼油厂和一个造船厂，使得辨别污染源变得困难。一些居民希望更多的数据有助于吸引监管部门的关注，而他们自己的担忧却未能引起注意。
“我们必须先有数据，然后才能做任何事情，”退休的计算机工程师、瓦列霍公民空气监测网络创始人成员肯·舒图在市中心的一家咖啡馆与斯帕达坐在一起时说。“从我的角度来看，环境正义的基础就是监测。”
斯帕达这样的空气科学家一直依靠居民协助监测——为他们的设备开放后院，建议有效的地点，在里士满，甚至在附近的火车货场发现煤炭车厢时报警。
斯帕达和奥斯特罗最初并没有设想在里士满使用人工智能。他们计划的研究是使用普通的、运动检测的安防摄像头，由人工——包括一些社区志愿者——手动识别录像中是否显示火车以及它们载有什么货物，斯帕达说，这个过程可能需要和数据收集一样长的时间。但摄像头系统不够灵敏，无法捕捉到所有火车，而且收集到的数据量过大，导致服务器过载。几个月后，研究人员改变了策略。斯帕达注意到了人工智能的热潮，并决定尝试一下。
该团队安装了新的摄像头，并编程为每分钟拍摄一张照片。在收集了足够多的铁轨图像几个月后，加州大学戴维斯分校的学生们使用 PlayStation 控制器将图像分类为火车或非火车、白天或夜晚。斯帕达说，该团队创建了一个类似视频游戏软件，通过允许学生比使用鼠标或触摸板在电脑上点击图片来筛选更多的图像，从而加快了这一过程。然后，该团队使用这些照片和来自谷歌的开源图像分类器文件来训练模型和定制摄像头系统，以感应和记录经过的火车。接着，他们识别了录像中火车的类型（如果用人工智能来做这项任务，将需要更复杂、更昂贵的计算能力），并将信息与实时空气和天气测量数据进行匹配。
这个过程偏离了传统的环境监测。“我上学的时候，会坐在街角数有多少卡车经过，”斯帕达说。
斯帕达补充说，采用人工智能是一个“游戏规则的改变者”。之前关于北美煤炭火车的三个研究总共收集了不到 1000 列火车的数据。戴维斯的研究人员能够收集到超过 2800 列火车的数据。
2023 年 7 月初，奥克兰市和该市煤炭码头拟议开发商的律师在关于该项目未来的审判中提出了开庭陈词。奥克兰指控项目开发商错过了最后期限，违反了租赁协议条款。开发商则表示，任何延误都是由于该市设置了障碍。
如果奥克兰获胜，它将最终击败该码头。但如果该市败诉，它仍然可以采取其他途径来阻止该项目，包括证明该项目代表了重大的公共健康风险。该市在 2016 年通过一项阻止该项目进行的决议时，引用了这一风险——特别是与空气污染相关的风险。但在 2018 年，一名法官表示，该市未能提供足够的证据来支持其结论。裁决称，贾菲的研究不适用于该市，因为研究结果特定于研究地点，而且运输的煤炭成分不太可能相同，因为奥克兰计划接收来自犹他州的煤炭。法官还说，该市忽略了码头开发商计划要求公司使用火车篷布来减少煤尘。（在美国，这样的篷布很少见，公司反而会给煤炭涂上一种粘性液体来抑制尘埃。）
汉娜·贝斯特，斯帕达的前学生，在 PlayStation 控制器的帮助下对火车图像进行分类。贝斯特作为加州大学戴维斯分校学生团队的一员，对数十万张图像进行了分类，帮助训练了人工智能模型。图：Nicholas Spada/UC Davis 提供
达瓦尔·马吉西亚，斯帕达的前学生，帮助开发了运行用于捕捉和识别火车图像以及监测空气质量的设备的程序。该设备——包括一台相机、一个气象站和一个人工智能处理器——在部署到现场之前，在模型火车套装上进行了测试。图：Bart Ostro/UC Davis 提供
环保组织指出斯帕达和奥斯特罗等科学家的研究是需要更多监管的证据，一些人认为人工智能技术可以帮助加强立法工作。
尽管人工智能在研究方面具有潜力，但它也可能造成自身的环境破坏。由热门机器人 ChatGPT 背后的公司 OpenAI 在 2018 年进行的一项分析显示，用于深度学习的计算量每 3.4 个月翻一番，自 2012 年以来增长了 300,000 多倍。处理大量数据需要大量能源。2019 年，基于马萨诸塞大学阿默斯特分校的新研究，头条新闻警告说，训练一个人工智能语言处理模型所产生的排放量相当于五辆汽油车在其整个生命周期内的制造和使用。
研究人员才刚刚开始权衡算法的潜在好处与其环境影响。耶鲁大学的弗洛里迪认为人工智能的使用不足，但他很快指出，这项“令人惊叹的技术”也可能被过度使用。“它是一个很好的工具，但它也有代价，”他说。“问题是，这种权衡是否足够好？”
英国剑桥大学和澳大利亚拉筹伯大学的一个团队已经设计出一种量化这种权衡的方法。他们的绿色算法项目允许研究人员输入算法的属性，例如运行时间和位置。帮助构建该工具的计算生物学家洛伊克·兰内隆格告诉 Undark，科学家们接受的训练是避免在研究中浪费有限的财务资源，并相信环境成本可以被同等考虑。他建议在研究论文中要求披露环境信息，就像要求披露伦理信息一样。
回应 Undark 的问询，斯帕达表示他没有考虑在里士满使用人工智能的潜在环境影响，但他认为该项目的规模较小，模型运行所消耗的能源及其相关排放量将相对微不足道。
然而，对于那些遭受污染的居民来说，这项工作的结果可能具有深远意义。湾区的一些活动家希望这项研究能够成为煤炭火车经过的许多社区的榜样。
其他社区已经在权衡人工智能的潜力。在巴尔的摩，约翰霍普金斯大学的环境流行病学家克里斯托弗·希尼与 Curtis Bay 海滨社区的居民合作，该社区拥有包括煤炭码头在内的众多工业设施。在 2021 年发生煤仓爆炸后，希尼与居民合作安装了空气监测器，并正在考虑使用人工智能进行“高维数据降维和处理”，以帮助社区将污染物归因于特定来源。
舒图的公民空气监测小组也在急性事件后开始安装空气传感器；2016 年，附近一家炼油厂的漏油事故将烟雾吹向瓦列霍，导致了就地避难令，并导致一百多人住院。舒图说，他曾试图与当地的空气监管机构合作安装监测器，但在程序证明效率低下后，他决定联系斯帕达所在的加州大学戴维斯分校空气质量研究中心。两人从那时起就开始合作。
在斯帕达最近一次访问瓦列霍时，他和一名本科生与舒图会面，勘察潜在的监测地点。在后院，斯帕达在将设备对准附近的造船厂演示了设备的工作原理后，团队解构了设备，并将其运回斯帕达的普锐斯。当斯帕达打开后备箱时，一位邻居靠在自家车道上的汽车上，认出了这群人。
“空气怎么样？”他喊道。
Emma Foehringer Merchant 是一名报道气候变化、能源和环境的记者。她的作品曾刊登在《波士顿环球报》杂志、Inside Climate News、Greentech Media、Grist 等出版物上。
