倡议发布：面向气候行动的人工智能原则
2022年4月26日，中国科学院自动化研究所人工智能伦理与治理研究中心、清华大学人工智能国际治理研究院、SPARK联合国开发计划署可持续发展创新实验室(成都)、新加坡管理大学人工智能与数据治理中心等多家国内外研究机构、组织共同发起的《面向气候行动的人工智能原则》倡议在“人工智能助力气候变化应对”国际研讨会上由中国科学院自动化研究所人工智能伦理中心主任、I-AIIG首席专家曾毅代表发布，现将全文转载如下，以飨读者。
面向气候行动的人工智能原则应对全球气候变化关乎人类和生态可持续的未来。人工智能科学与技术相关方应与气候变化、生态系统相关方深度协作，贡献于《联合国气候变化框架公约》、《巴黎协定》、《联合国教科文组织气候变化问题行动战略》等全球气候议程的稳健实施。以联合国教科文组织《人工智能伦理建议书》、联合国教科文组织《气候变化伦理原则宣言》等国际伦理原则为基础，这里提出的原则是跨领域的，人工智能促进气候行动的发展与伦理原则。本原则面向人工智能和气候行动的各个利益相关方，包括管理、研发、使用、部署、投资等，旨在通过技术、伦理与治理的深度协同，为相关方提供面向气候变化的人工智能发展与治理原则，助力全球气候议程的稳步推进。
价值观与原则对人类与生态有益人工智能技术及其应用不仅要服务于人类社会的发展，还应助力人与生态系统、环境的和谐共生。因此人工智能及其应用还应总体有益于对气候变化的控制和生态环境的改善，应作为赋能技术支持全球气候行动和气候议程总体目标的实现，贡献于碳达峰与碳中和目标的实现。
节约能源人工智能在发展和使用过程中应在满足特定需求的同时尽可能减少自身的能耗。高能耗的人工智能应用应本着必要的原则，并积极探索相对低能耗的方案，如采取在损失可接受的范围内对模型进行精简，对模型训练方法进行优化，通过软硬件协同设计实现高智能，低能耗。综合考虑电能类型及应用特点，规划合理使用，在适用的情况下，鼓励采用绿色电能，促进降低电能存储代价，鼓励在电能相对低价的地区进行人工智能模型算法训练和系统应用，尽可能采用服务器冷却耗费能源较少的方案。
保护隐私在推进人工智能服务于气候行动的应用与活动中，应确保尊重人的隐私权和知情同意，不能以控制气候的名义非法获取个人隐私数据。如果数据经合法手段获取并用于气候行动的目的，数据主体应保留对数据管理方式的选择和控制。
公平与公正人工智能在贡献于气候行动时应该保持透明和客观。在用于评估、分析、预测各国家、地区、行业对气候变化的影响时，应该考虑其特点和发展阶段，避免引入偏见。人工智能应贡献于关注和评估弱势群体在气候变化中受到的额外损害，以及评估新技术革命对气候变化产生的负面影响，以避免因气候变化加剧国家与地区、社会群体间的不平等。应促进控制气候变化相关的人工智能技术与系统的开源开放与共享。应积极为中低收入国家和人工智能技术不发达国家与地区进行人工智能技术赋能，加速全球气候目标的实现。
促进教育、培训和就业人工智能应助力气候变化与气候行动的教育与培训，促进政府、产业与公众意识，应促进气候行动政策的技术落地，应贡献于对因气候变化和气候行动影响其就业的人群的引导，人工智能应助力孵化绿色产业，促进再就业。
共享与协作气候变化是全球性的问题，全人类应该通过包括人工智能在内的技术赋能合作应对。气候行动需要建立数据与人工智能赋能的国际合作平台，促进全球协作。应推进全球气候变化数据平台、全球温室气体排放监测平台、全球实时碳交易数据平台、全球实时能源交易数据平台等的形成和使用。政府、学术界、产业界、用户、气候变化与人工智能及其他相关领域的专业人士应深度协作确保人工智能积极贡献于气候行动及全球目标的实现。
行动建议以下方向性的建议旨在促进人工智能赋能气候行动，为人工智能研究者、实践者和政策制定者提供参考。下述的行动建议应在全生命周期符合国家、地区以及具有国际共识的人工智能伦理、环境伦理以及本文件提出的价值观与原则。这些建议将随气候变化和气候行动的发展不断丰富。
促进气候分析与预测人工智能可用于协助监测气候变化的原因、状态，通过计算建模与模拟助力气候机理研究、预测气候变化趋势、辅助避免气候风险与危机。此类技术与服务特别应为中低收入国家提供预警气候灾害等方面的支持与帮助。可用于追踪温室气体来源及其影响，分析和预测气候变化及气候政策对经济、政治、民生的影响。
促进能源节约人工智能可助力节约能源。例如用于优化工业过程以提高物料和能源利用率，优化物流以减少车辆的空载率，优化城市照明与交通，根据人的作息时间优化建筑物空调与灯光的使用，智能远程工作平台可助力减少不必要的能源投入。
助力减少温室气体的排放人工智能可通过应用于流程优化与监测技术助力降低温室气体的排放，助力研发释放温室气体较少的新材料与新工艺。人工智能可贡献于优化品种与农业生产方式，减少在畜牧业与农业中产生的甲烷和氮氧化物。人工智能可用于垃圾自动分类以回收获得垃圾中的燃料、饲料、钢材等材料、工业原料等以实现再利用。
促进温室气体吸收与碳存储人工智能可用于监控、预测生态系统的温室气体产生，并贡献于干预过程。人工智能可用于促进温室气体回收技术的发展，并可用于保护森林、泥碳地、海洋等可以吸收与储存碳元素的生态系统。
减少气候变化带来的危害人工智能可对极端气候进行监测、模拟与预测以减少其危害，可助力对全球变暖情况下的农业进行合理规划并协助开发适应环境变化的作物，以减少农业受到的冲击。人工智能可用于协助城市规划以使其可以应对气候变化带来的冲击。人工智能可用于协助优化工业流程和工艺，助力企业符合绿色标准以实现可持续发展。
赋能能源体系的完善与发展人工智能可贡献于能源体系的完善与发展。优化能源系统和助力绿色能源发展。人工智能可以用于优化能源系统，提高能源效率，助力风电、光电、核聚变、地热能、沼气、电燃料等绿色能源技术的研发与使用，并通过智能电网控制等技术的发展，提高电能体系的稳定性和可靠性。
助力建立有益于控制气候变化的市场机制与政策人工智能可用于分析和预测各产业的碳足迹，助力建立科学有效的碳交易机制与实时能源定价体系，以促进建立有益于控制气候变化的市场机制。对有利于气候变化控制的人工智能相关项目，经过伦理审查，应给予充足的投资和完善的基础设施建设。
伙伴研究机构与组织中国科学院自动化研究所人工智能伦理与治理研究中心(发起单位)
清华大学人工智能国际治理研究院
慕尼黑工业大学人工智能伦理研究所
新加坡管理大学人工智能与数据治理中心
香港中文大学何鴻燊海量数据决策分析研究中心
香港中文大学博智感知交互研究中心
SPARK联合国开发计划署可持续发展创新实验室(成都)
非洲人工智能研究中心
面向可持续发展的人工智能合作网络
中国科学院自动化研究所类脑智能研究中心
清华大学中国科技政策研究中心
本原则英文版可通过以下地址访问：
https://ai-for-sdgs.academy/principles-on-ai-for-climate-action
人工智能导论
第一章1.作为计算机科学的一个分支，人工智能的英文缩写是（）。AI
2.人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门交叉科学，它涉及（D）。
A.自然科学B.社会科学C.技术科学D.A、B和C
3.人工智能定义中的“智能”，涉及到诸如（A）等问题。
A.B、C和DB.意识C.自我D.思维
4.下列关于人工智能的说法不正确的是（C）。
A.人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。
B.人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。
C.自1946年以来，人工智能学科经过多年的发展，已经趋于成熟，得到充分应用。
D.人工智能不是人的智能，但能像人那样思考，甚至也可能超过人的智能。
5.人工智能经常被称为世界三大尖端技术之一，下列说法中错误的是（B）。
A.空间技术、能源技术、人工智能
B.管理技术、工程技术、人工智能
C.基因工程、纳米科学、人工智能
D.人工智能已成为一个独立的学科分支，无论在理论和实践上都已自成系统
6.人工智能与思维科学的关系是实践和理论的关系。从思维观点看，人工智能不包括（A）。
A.直觉思维B.逻辑思维C.形象思维D.灵感思维
7.强人工智能强调人工智能的完整性，下列（C）不属于强人工智能。
A.（类人）机器的思考和推理就像人的思维一样
B.（非类人）机器产生了和人完全不一样的知觉和意识
C.看起来像是智能的，其实并不真正拥有智能，也不会有自主意识
D.有可能制造出真正能推理和解决问题的智能机器
8.被誉为“人工智能之父”的科学大师是（D）。
A.爱因斯坦B.冯·诺依曼C.钱学森D.图灵
9.电子计算机的出现使信息存储和处理的各个方面都发生了革命。下列说法中不正确的是（C）。
A.计算机是用于操纵信息的设备
B.计算机在可改变的程序的控制下运行
C.人工智能技术是后计算机时代的先进工具
D.计算机这个用电子方式处理数据的发明，为实现人工智能提供了一种媒介
10.Wiener从理论上指出，所有的智能活动都是（A）机制的结果，而这一机制是有可能用机器模拟的。这项发现对早期AI的发展影响很大。
A.反馈B.分解C.抽象D.综合
11.（B）年夏季，一批有远见卓识的年轻科学家在达特茅斯学会上聚会，共同研究和探讨用机器模拟智能的一系列有关问题，首次提出了“人工智能（AI）”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。
A.1946B.1956C.1976D.1986
12.用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机。下列（D）不是人工智能研究的主要领域。
A.深度学习B.计算机视觉C.智能机器人D.人文地理
13.人工智能在计算机上的实现方法有多种，但下列（B）不属于其中。
A.传统的编程技术，使系统呈现智能的效果
B.多媒体拷贝复制和剪贴的方法
C.传统开发方法而不考虑所用方法是否与人或动物机体所用的方法相同
D.模拟法，不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似
14.人工智能当前的发展具有“四新”特征，下面（A）不属于其中之一。新挑战
A.新能源B.新突破C.新动能D.新高地
15.通过总结人工智能发展历程中的经验和教训，我们可以得到的启示是（D）。
A.尊重发展规律是推动学科健康发展的前提，实事求是设定发展目标是制定学科发展规划的基本原则
B.基础研究是学科可持续发展的基石
C.应用需求是科技创新的不竭之源，学科交叉是创新突破的“捷径”，宽容失败是支持创新的题中应有之义
D.A、B和C
16.人工智能的发展突破了“三算”方面的制约因素，这“三算”不包括（C）。
A.算法B.算力C.算子D.算料
17.得益于人工智能技术的兴起，一些行业岗位将呈现出显着的增长趋势，但下面（C）不属于其中之一。
A.数据科学家B.机器学习工程师C.电脑维修工程师D.AI硬件专家
18.有研究指出，人工智能可能会给人类社会带来潜在威胁，包括（D）。
A.数字安全B.物理安全C.政治安全D.A、B和C
19.有研究者认为，让计算机拥有智商是很危险的，它可能会反抗人类。这种隐患已经在（B）中呈现过，其关键是允不允许机器拥有自主意识的产生与延续。
A.法律文件B.多部电影C.政府报告D.一些案例
第三章1.19世纪以来，当面临大量数据时，社会都依赖于采样分析。但是采样分析是（C）时代的产物。
A.电脑B.青铜器C.模拟数据D.云
2.长期以来，人们已经发展了一些使用尽可能少的信息的技术。例如，统计学的一个目的就是（C）
A.用尽可能多的数据来验证一般的发现
B.同尽可能少的数据来验证尽可能简单的发现
C.用尽可能少的数据来证实尽可能重大的发现
D.用尽可能少的数据来验证一般的发现。
3.因为大数据是建立在（A），所以我们就可以正确地考察细节并进行新的分析。
A.掌握所有数据，至少是尽可能多的数据的基础上的
B.在掌握少量精确数据的基础上，尽可能多地收集其他数据
C.掌握少量数据，至少是尽可能精确的数据的基础上的
D.尽可能掌握精确数据的基础上
4.直到今天，我们的数字技术依然建立在精准的基础上，这种思维方式适用于掌握（A）的情况。
A.小数据量B.大数据量C.无数据D.多数据
5.当人们拥有海量即时数据时，绝对的精准不再是人们追求的主要目标。当然，（C）。
A.我们应该完全放弃精确度，不再沉迷于此
B.我们不能放弃精确度，需要努力追求精确度
C.我们也不是完全放弃了精确度，只是不再沉迷于此
D.我们是确保精确度的前提下，适当寻求更多数据
6.为了获得更广泛的数据而牺牲了精确性，也因此看到了很多如若不然无法被关注到的细节。（B）。
A.在很多情况下，与致力于避免错误相比，对错误的包容会带给我们更多问题
B.在很多情况下，与致力于避免错误相比，对错误的包容会带给我们更多好处
C.无论什么情况，我们都不能容忍错误的存在
D.无论什么情况，我们都可以包容错误
7.以前，统计学家们总是把他们的兴趣放在提高样本的随机性而不是数量上。这时因为（C）。
A.提高样本随机性可以减少对数据量的需求
B.样本随机性优于对大数据的分析
C.可以获取的数据少，提高样本随机性可以提高分析准确率
D.提高样本随机性是为了减少统计分析的工作量
8.研究表明，在少量数据情况下运行得最好的算法，当加入更多的数据时，（A）。
A.也会像其他的算法一样有所提高，但是却变成了在大量数据条件下运行得最不好的
B.与其他的算法一样有所提高，仍然是在大量数据条件下运行得最好的
C.与其他的算法一样所有提高，在大量数据条件下运行得还是比较好的
D.虽然没有提高，还是在大量数据条件下运行得最好的
9.如今，要想获得大规模数据带来的好处，混乱应该是一种（D）。
A.不正确途径，需要竭力避免的
B.非标准途径，应该尽量避免的
C.非标准途径，但可以勉强接受的
D.标准途径，而不应该是竭力避免的
10.研究表明，只有（）的数字数据是结构化的且能适用于传统数据库。如果不接受混乱，剩下（C）的非结构化数据都无法被利用。
A.95%，5%B.30%，70%C.5%，95%D.70%，30%
11.寻找（B）是人类长久以来的习惯，即使确定这样的关系很困难而且用途不大，人类还是习惯性地寻找缘由。
A.相关关系B.因果关系C.信息关系D.组织关系
12.在大数据时代，我们无须再紧盯事物之间的（A），而应该寻找事物之间的（），这会给我们提供非常新颖且有价值的观点。
A.因果关系，相关关系B.相关关系，因果关系
C.复杂关系，简单关系D.简单关系，复杂关系
13.所谓相关关系，其核心是指量化两个数据值之间的数理关系。相关关系强是指当一个数据值增加时，另一个数据值很有可能会随之（C）。
A.减少B.显现C.增加D.隐藏
14.通过找到一个现象的（D），相关关系可以帮助我们捕捉现在和预测未来。
A.出现原因B.隐藏原因C.一般的关联物D.良好的关联物
15.大数据时代，专家们正在研发能发现并对比分析非线性关系的技术工具。通过（A），相关关系帮助我们更好地了解了这个世界。
A.探求“是什么”而不是“为什么”
B.探求“为什么”而不是“是什么”
C.探求“原因”而不是“结果”
D.探求“结果”而不是“原因”
第四章1.搜索是大多数人生活中的（B）。
A.稀罕情况B.自然组成部分
C.不可能出现D.大概率事件
2.搜索及其执行是人工智能技术的（C）。
A.一般应用B.重要应用C.重要基础D.不同领域
3.关于搜索算法，下面不正确或者不合适的说法是（D）。
A.利用计算机的高性能来有目的的穷举一个问题的部分或所有的可能情况，从而求出问题的解的一种方法
B.根据初始条件和扩展规则构造一颗“解答树”并寻找符合目标状态的节点
C.可以划分成两个部分——控制结构（扩展节点的方式）和产生系统（扩展节点）
D.主要是通过修改其数据结构来实现的
4.关于盲目搜索，下列选项中不正确或者不合适的选项是（A）。
A.又叫启发式搜索，是一种多信息搜索
B.这些算法不依赖任何问题领域的特定知识
C.一般只适用于求解比较简单的问题
D.通常需要大量的空间和时间
5.盲目搜索通常是按预定的搜索策略进行搜索，常用的盲目搜索有（C）两种。
A.连续搜索和重复搜索B.上下搜索和超链接搜索C.广度优先搜索和深度优先搜索D.多媒体搜索和AI搜索
6.状态空间图是一个有助于形式化搜索过程的（D），是对一个问题的表示。
A.程序结构B.算法结构C.模块结构D.数学结构
7.回溯算法是所有搜索算法中最为基本的一种算法，它采用一种“（A）”思想作为其控制结构。
A.走不通就掉头B.一走到底
C.循环往复D.从一点出发不重复
8.盲目搜索是不使用领域知识的不知情搜索算法，它有3种主要算法，下列（C）不属于其中。
A.深度优先搜索B.广度优先搜索
C.广度迭代搜索D.迭代加深的深度优先搜索
9.知情搜索是用启发法，通过（B）来缩小问题空间，是问题求解中通常是很有用的工具。
A.既不限定搜索深度也不限定搜索宽度
B.限定搜索深度或是限定搜索宽度
C.提高搜索算法智能化水平D.提高搜索算法的软件工程设计水平
10.爬山法是贪婪且原始的，它可能会受到3个常见问题的困扰，但下列（D）不属于这样的问题。
A.山麓问题B.高原问题C.山脊问题D.压缩问题
11.启发法是用于解决问题的一组常用指南。使用启发法，我们可以得到一个（A）的结果。
A.很有利但不能保证B.很有利且可以得到有效保证
C.不利且不能得到保证D.不明确
12.启发式搜索方法的目的是在考虑到要达到的目标状态情况下，（B）节点数目。
A.极大地增加B.极大地减少C.稳定已有的D.无须任何
13.有3种为找到任何解的知情搜索的特定搜索算法，但下列（C）不属于其中之一。
A.爬山法B.最陡爬坡法C.直接爬坡法D.最佳优先法
14.有一些搜索算法的设计灵感来自于自然系统，例如遗传、（D）等典型算法在图像边缘检测、图像分割、图像识别、图像匹配、图像分类等领域有广泛应用。
A.蚁群B.模拟退火C.粒子群D.A、B和C
第七章1.在线影片租赁服务商Netflix的主营业务是提供互联网随选流媒体播放，它所依赖的关键服务是（B）。
A.搜索引擎B.推荐引擎C.百度引擎D.谷歌引擎
2.下列（D）信息服务利用了人工智能的机器学习技术。
A.智能语音助手SiriB.Alexa个人助理客户端
C.Netflix电影推荐D.上述所有都是
3.机器学习最早的发展可以追溯到（A）。
A.英国数学家贝叶斯在1763年发表的贝叶斯定理
B.1950年计算机科学家图灵发明的图灵测试
C.1952年亚瑟·塞缪尔创建的一个简单的下棋游戏程序
D.唐纳德·米奇在1963年推出的强化学习的tic-tac-toe（井字棋）程序
4.学习是人类具有的一种重要的智能行为，社会学家、逻辑学家和心理学家都各有其不同的看法。关于机器学习，合适的定义是（D）。
A.兰利的定义是：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”
B.汤姆·米切尔的定义是：“机器学习是对能通过经验自动改进的计算机算法的研究”
C.Alpaydin的定义是：“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准”
D.A、B、C都可以
5.机器学习的核心是“使用（C）解析数据，从中学习，然后对世界上的某件事情做出决定或预测”。
A.程序B.函数C.算法D.模块
6.有三种主要类型的机器学习：监督学习、非监督学习和（B）学习，各自有着不同的特点。
A.重复B.强化C.自主D.优化
7.监督学习的主要类型是（A）。
A.分类和回归B.聚类和回归C.分类和降维D.聚类和降维
8.无监督学习又称归纳性学习，分为（D）。
A.分类和回归B.聚类和回归C.分类和降维D.聚类、离散点检测和降维
9.强化学习使用机器的个人历史和经验来做出决定，其经典应用是（C）。
A.文字处理B.数据挖掘C.游戏娱乐D.自动控制
10.要完全理解大多数机器学习算法，需要对一些关键的数学概念有一个基本的理解。机器学习使用的数学知识主要包括（D）。
A.线性代数B.微积分C.概率和统计D.A、B、C
11.机器学习的各种算法都是基于（A）理论的。
A.贝叶斯B.回归C.决策树D.聚类
监督学习的大部分算法基于回归理论。
12.在机器学习的具体应用中，（D）决定了学习系统基本结构的工作内容，确定了学习部分所需要解决的问题。
A.环境B.知识库C.执行部分D.A、B、C
以上解答若有错误之处，请及时留言错误处及修改后答案，我会及时更正。
doc版本下载地址：
https://wws.lanzous.com/iqpIbimdaeh