技術進步的速度如此之快，以至於我們很難定義我們正在努力實現的「明天」。在《The Shape of Things to Come》中，Microsoft Research 領導者 Doug Burger 和來自不同領域的專家們，探討了當今技術人員、政策制定者、商業決策者和其他利害關係人所面臨最棘手的 AI 議題。目標是：擴大共同理解，以建立一個 AI 轉型能帶來正面效益的未來。 在本集節目中，Burger 與 Microsoft 永續科學與創新主管 Amy Luers，以及 Microsoft Research 的優化研究員 Ishai Menache 共同探討 AI 如何既可能助長也可能幫助解決氣候變遷，並強調需要將炒作與數據分開，以了解其真實影響。儘管資料中心在全球排放量中佔比很小，但其快速成長引發了當地基礎設施的擔憂，即使 AI 提供了強大的工具來優化複雜系統並加速氣候解決方案。這次討論將 AI 定義為一項關鍵但雙面刃的技術，必須謹慎引導以支持永續未來。 ## 逐字稿 [音樂] **DOUG BURGER：** 這裡是《The Shape of Things to Come》，一個 Microsoft Research 播客。我是你們的主持人 Doug Burger。在這個系列中，我們將深入探索 AI 能力的尖端，挖掘其基本原理，真正試圖理解它們，並思考這些能力將如何改變世界——無論好壞。 在今天的播客中，我邀請了兩位專家來對 AI 和永續發展的未來進行對話。一位是 Amy Luers，她是永續發展以及永續發展、科技與科學交叉領域的專家。另一位是 Ishai Menache，他是世界知名的優化專家。 因此，思考科技如何優化系統，我們將討論 AI 是否有潛力幫助應對氣候變遷和永續發展，以及 AI 所面臨的挑戰程度。我們將試圖深入問題的根源，因為這將決定未來的樣貌。 [音樂漸弱] 我對今天邀請的兩位傑出嘉賓感到非常興奮。我們有 Amy Luers，她是 Microsoft 永續科學與創新的資深全球總監。我們還有 Ishai Menache，他是 Microsoft Research 的合夥研究經理。 當然，主題是 AI、氣候和永續發展，我認為這在許多人心中。你知道，我們正在經歷一場氣候危機。我從 1990 年代起就是一位氣候倡議者。這是讓我非常擔心、非常關心的事情。當然，Amy 將她的職業生涯都奉獻給了它，所以我真的沒什麼好說的，但這是一個非常重要的議題。 現在，你知道，我們正在經歷這場 AI 轉型。我們整個科技產業正在大規模地建設大型、大型、大型運算系統，巨型資料中心。世界上有很多人擔心這可能會如何影響氣候，這意味著什麼。 Amy，我想我們也會談到當地社區。所以我真的很想深入探討事實。這到底意味著什麼？我們認為實際影響會是什麼？讓我們將數據與炒作分開，然後也談談未來的機會，因為我確實認為有些事情我們能夠做到，這就是我們邀請 Ishai 的原因。 所以也許我會先請 Amy 發言。你能告訴我們一些關於你在 Microsoft 的工作以及是什麼讓你進入這個領域，也許是你的故事的簡短版本嗎？ **AMY LUERS：** 正如你所說，我領導 Microsoft 公司永續發展團隊中的永續科學與創新部門，這意味著我可以與公司內部、世界各地、Microsoft Research 的許多聰明人合作，為 Microsoft 以及全世界塑造和提供永續解決方案。 其中一部分是領導我們在 AI 和永續發展方面的策略。我是如何進入這個領域的，我一生都在從事永續發展和氣候工作。我曾在科技領域工作，之前在 Google。也曾在白宮工作，負責 CTO 辦公室與環境、資源和能源的交叉領域。 我還領導了一個國際研究機構，一個以聯合國為基礎的網絡，專注於永續發展。在那個背景下，在我離開 Google 之後，我真正開始思考運算和數位工具在轉型中的力量——這也是我被帶入白宮在這個交叉領域工作的原因——當我開始領導全球永續發展網絡，研究網絡 Future Earth，我真正提出了在這個領域思考創新和數位技術的需求。 我會說，當時的永續科學網絡，你知道，那是十年前，也許八年前，對於在這個領域思考 AI 和技術有點抗拒。 我啟動了一項名為「數位時代的永續發展」的全球倡議，我真正將數位技術和 AI 社群聚集在一起。它在蒙特婁，那裡有很多大型 AI 社群，以及全球的永續發展科學家。並真正開始思考潛力是什麼，風險是什麼，並領導了一項大型國際研究，以在這個領域制定研究和創新議程。 這確實改變了我的方法，從我之前在 Google 真正專注的「大型運算可以幫助事情」轉變為 AI 和機器學習在這個領域的角色。 **BURGER：** 而 Ishai，你現在是機器學習和優化領域世界知名的專家。你知道，你發表了大量著作。我想你在你的研究社群中很有名。我想你產生了更廣泛的影響——你對 Microsoft 的業務產生了很大的影響。你還在《哈佛商業評論》上發表過文章。 所以，你知道，你有點像個博學家，有時對我來說有點令人生畏。 **ISHAI MENACHE：** 是的。[笑聲] **BURGER：** 你知道，但我想聽聽你的一些背景，只是，你知道，為聽眾簡短講述你的故事。 **MENACHE：** 是的。我的背景實際上是工程學。然而，我的研究生學習，正如你所提到的，是在機器學習、強化學習，後來是分散式優化、賽局理論，更多是理論方面。 所以我的故事是，當我在麻省理工學院 (MIT) 做博士後研究時，你知道，大約在 2009 年左右，雲端正在興起。我對雲端著迷。我最初的興趣實際上是雲端的經濟學，你知道，定價。你如何為雲端定價。我開始了解 Microsoft Research，因為，你知道，大約在那個時候，麻省理工學院旁邊開了一個新的實驗室，Microsoft Research New England。我對雲端著迷，你知道，不僅是它的經濟方面，更根本的是，你知道，你如何更有效率地利用資源？ 這就是讓我在 2011 年來到 Microsoft Research 的原因。所以我在 Microsoft Research New England 擔任顧問，但隨後於 2011 年搬到雷德蒙德，加入一個名為「極限運算組」的實驗室，該實驗室實際上處理雲端未來。 如果我可以提一下，Doug，你也是其中的一部分，所以…… **BURGER：** 沒錯。 **MENACHE：** 我認識你很久了。 **BURGER：** 是的。 **MENACHE：** 而且，你知道，所以我的，可以說，我進入那個領域的角度，當時有很多系統人員在思考雲端的基礎設施。然後在另一個極端，有理論家。他們在思考，你知道，下一波浪潮或者，你知道，在演算法領域進行創新。 但我認為當時有點缺失的是在，你知道，演算法和雲端基礎設施之間建立橋樑。這就是我為自己，以及後來為我在 2019 年創立的團隊找到一個非常有趣的利基市場的地方。 **BURGER：** 所以你最近宣布了一個名為 OptiMind 的系統。而且，你知道，我為它發了一篇 LinkedIn 貼文，因為我對它非常興奮。 請告訴我們這個系統是做什麼的，為什麼……它引起了很多關注。那麼這個系統是做什麼的？然後也許我們會為聽眾深入探討一下優化。但之後我們必須回到 AI。 **MENACHE：** 當然。所以，你知道，稍微退一步。那麼，什麼是優化或數學優化？優化或數學優化是一種利用數學在有許多選擇和一些限制的情況下做出最佳決策的方法。好的。 而且，你知道，更具體一點，所以在每個優化問題中，你首先要描述你需要解決的問題。然後你有一堆決策，這些決策在數學術語中實際上是變數。你有一個目標。你的目標是什麼？你試圖優化什麼？ 它可能是你正在最大化的東西，營收，但它也可能是你正在最小化成本，所以有不同的版本或不同類型的目標。然後還有限制條件，也就是說你不能隨心所欲。有一些限制，例如雲端環境中的容量限制或其他你必須考慮的因素，才能做出最佳決策。 **BURGER：** 那麼……那麼也許一個簡單的……只是為了開個玩笑，所以我有，你知道，一個複雜的上班路程，有一天我發現我通常走的路被堵住了，我的煞車磨損得很厲害，我只能停兩次。所以你的框架可能能夠找出，你知道，哪條路能讓我節省最多的汽油。 **MENACHE：** 沒錯。這是一個例子。也許你不想支付通行費，所以這限制了，你知道，你可以走的道路。你知道，有速度限制等等。這些都是你必須考慮的限制條件。 **BURGER：** 可能會有一些測速照相，但如果路線短得多，我願意經過測速照相。 **MENACHE：** 也許吧。 **BURGER：** 諸如此類的事情。所以它變得相當複雜，不是嗎？ **MENACHE：** 沒錯。它變得相當複雜，特別是當，你知道，也許你是一個單獨的司機，但在優化設定中，想想我們實際上與 Dynamics 365 合作的一些問題，這也與外勤服務有關，即大規模管理技術人員。所以想想不只是你，而是數千名技術人員必須完成或必須處理某些工作訂單。所以會有數千或數萬個工作訂單。 然後你需要將技術人員分配到這些工作訂單。並且有一堆限制條件。也許不是每個技術人員都能完成每個工作訂單。你必須考慮技術人員的行程，對吧。所以它……