{"text":[[{"start":8.16,"text":"安德烈亚斯•霍普纳(Andreas Hoepner)在都柏林大学学院(University College Dublin)共同领导“GreenWatch”团队，同时担任欧盟可持续金融平台(EU Platform on Sustainable Finance)数据科学中心负责人"}],[{"start":17.27,"text":"尽管多数评论人士认为，当前对AI的广泛应用会推高能源消耗，因而成为实现《巴黎协定》目标的障碍，但在我看来，这其中的机遇很可能大于风险。"}],[{"start":28.71,"text":"不过，我的观点并不是建立在大型语言模型(LLM)之上。LLM在无数次即时自动补全决策中并不具备任何类似人类的知识理解能力。我真正看重的是，AI有望显著加快电池技术的发展速度，而电池技术正是实现绿色能源转型的首要前提。"}],[{"start":48.54,"text":"中国哲学家孔子(Confucius)区分了获取智慧的三种途径：通过模仿学习（最容易）、通过经验学习（往往最痛苦）以及通过反思学习（最高尚）。第三种方式要求对“什么是知识”具有深入而类似人类的理解，也就是所谓的认识论。"}],[{"start":66.17,"text":"支撑当前由LLM推动的AI热潮的机器“学习”，几乎完全建立在神经网络之上——这是一种二进制计算系统，其命名灵感来自人脑。这些网络在极短时间内被训练成以二元、概率化的方式对信息进行分类。这种能力在模仿行为（“我们干吧”与“我们别干”）方面非常有用，也便于在极短时间内尝试海量可能性，例如蛋白质折叠或用于电池的新材料发现。"}],[{"start":94.4,"text":"但是，要通过反思来学习并形成一套认识论框架，所需的机制要比这种二元结果复杂得多。比如，人类学习者可以依据道德原则或启发式规则来推理什么行为是合适的，而神经网络只能在观察到大量人类行为之后，对这种行为进行模仿。"}],[{"start":113.44,"text":"事实上，当被问及自己是否拥有认识论时，六个主流大型语言模型中，除了Claude和ChatGPT之外，其余都予以否认。其中一个大型语言模型Meta AI格外坦率，表示自己并不像人类那样体验怀疑、辩护或真理。"}],[{"start":130.25,"text":"这种情况在量子计算引入后可能会发生变化。但在那之前，要在高频条件下将更复杂的结果函数层层叠加，其所需的计算能力几乎不可能获得。"}],[{"start":142.85,"text":"多数大型语言模型所使用的神经网络，在模仿语言方面速度极快，训练数据通常来自几乎整个互联网的抓取文本。它们能够判断在一段文本前后最有可能出现的字母。"}],[{"start":155.93,"text":"大型语言模型在几秒钟内就能完成数万亿次文本自动补全，为用户提供对提示词最可能且看似合理的回应。本质上，LLM就是超大规模驱动的自动补全机器。"}],[{"start":169.63,"text":"当你就某一主题提出比较笼统的问题，而LLM在该主题上拥有数以百万计可供模仿的文字时（例如企业净零排放目标），它的表现会非常出色。但如果问题更具体，而在该主题上它可模仿的文本语料要少得多，比如关于实际二氧化碳排放量的问题，输出效果就会大打折扣。"}],[{"start":191.15,"text":"例如，当向六个大型语言模型询问某家英国能源公司是否有净零排放目标时，它们都给出了正确答案。但当向同样的模型询问这家公司在2025年的范围1温室气体排放量时，不到五分之一的模型能给出正确数值，三分之二给出了错误数值，还有一个则婉拒作答。"}],[{"start":212.03,"text":"因此，尽管当前基于神经网络的LLM是速度最快的“代笔者”，并展现出令人印象深刻的艺术才能，但它们本身不太可能从根本上改变排放数据的获取或处理方式。事实上，那三分之二给出错误结果的LLM白白消耗了远多于人工的能量，却没有带来任何收益。鉴于能耗大幅增加，一些人据此认为，AI的兴起对绿色转型总体上是负面的。"}],[{"start":239.73,"text":"几家从事AI超大规模开发的公司计划主要依靠可再生能源来满足这类能耗需求，但多数公司似乎仍在使用平均能源结构。因此，当LLM在数据检索方面失败时，原则上可能会造成能源浪费。"}],[{"start":256.65,"text":"不过，即便如此，一家公司在购入能源发电环节产生的碳排放量（即“范围2”排放）仍然非常微小。"}],[{"start":264.96999999999997,"text":"或许最关键的是，AI能在短时间内作出大量二元筛选决策，这一能力为电池技术的发展带来了巨大希望，而电池技术大概是实现《巴黎协定》所要求电气化进程中最大的瓶颈。"}],[{"start":278.76,"text":"数以千万计的材料都有可能成为电池候选材料，其中许多尚未被探索。过去三年里，超大规模公司的团队与各实验室合作，将材料发现的速度提高到了以往的一百倍。"}],[{"start":292.57,"text":"谷歌DeepMind(Google DeepMind)科学家约翰•江珀(John Jumper)和德米斯•哈萨比斯(Demis Hassabis)爵士因开发出可预测复杂蛋白质结构的AI模型，获得了2024年诺贝尔化学奖的一半。"}],[{"start":303.55,"text":"也许DeepMind或其他超大规模公司的一支团队，能在《巴黎协定》所设定的2050年目标年前，以类似的速度在电池技术方面实现变革。时间十分紧迫，但我依然抱有乐观态度。"}],[{"start":null,"text":"