世界が最も危険な気候変動シナリオを回避するには、技術革新が必要です。
イノベーションは研究開発（R&D）から始まりますが、そこで終わるわけではありません。AIは、研究開発を気候変動対策へと転換することで、イノベーションを促進できます。
生成AIが持つ自然言語処理、データ統合・ダウンスケーリング、製品試作の能力は、気候変動分野のリーダーに実用的なツールを提供できます。
世界は、気候危機における技術の役割に大きな期待を寄せています。世界各地で、科学者や技術者が気候変動への適応と緩和における次の画期的進歩を推し進めています。そして楽観できる理由もあります。近年は、気象予報から気象予報から産業の脱炭素化に至るまで、意義ある進展が見られてきました。
歴史が示すように、私たちはしばしば科学技術の進歩のペースを過小評価しており、今後も画期的進歩が生まれる可能性があります。
しかし、画期的進歩だけでは不十分です。気候危機は研究室の中で解決できるものではありません。影響が生まれるのは、技術や科学の進歩が現実社会に届いたときです。純粋な科学や研究開発（R&D）と並行して、気候変動分野のリーダーは、応用可能な成果と、製品試作、現地化、ユーザーとの関わりなど、イノベーションサイクルの「下流」の段階に注力しなければなりません。
AIと気候変動
生成AI（GenAI）の登場により、AIにできることについての社会の想像力は広がりました。AIが科学的な画期的進歩を促せることはすでにわかっています。では、さらに先へ進めるでしょうか。リーダーは、AIがイノベーションサイクルの下流で触媒として機能し、最新のツールの導入と最新の科学への理解を促進できるかを検討すべきです。出発点として、次の三つの分野が挙げられます。
1. 非構造化された地球データの整理と、地域レベルへのモデルのダウンスケーリング
地球科学は、複雑な地球システムと観測手法から得られる「データが乱雑」という理由で、「非構造化された環境データ」を扱う難しい分野と見なされてきました。近年、このようなデータ量は100テラバイトを超える衛星画像が毎日収集されるなど、爆発的に増えています。それでも、そのデータの非構造的な性質が単純化されたわけではありません。AIは、この膨大なデータを整理し、地域での活用に向けてダウンスケーリングするための鍵となります。
GoogleのEarth Engineは、さまざまな衛星画像や地理空間データを分析機能と統合した、主要な地球科学プラットフォームです。このプラットフォームにより、ユーザーは森林被覆、農地、地表水などに関するデータを可視化し、分析できます。基本的なレベルでは、こうした機能は、膨大な量の非構造化データを整理する機械学習アルゴリズム（具体的には、衛星画像のピクセルを分類すること）によって実現されています。AIが地球科学を効率化し、生の情報を洞察と影響力へと変える力を、増え続ける事例が示しています。
AIは、地域環境向けに地球規模のモデルをダウンスケーリングすることによっても地球科学を強化します。これは、ある地域について既に学習された情報を活用する転移学習を用い、特定の場所での山火事予測などの課題を改善するものです。この手法は、データが不足している地域において極めて重要であり、データの欠落を埋め、大規模な観測データの運用化を支援します。
2. 気候モデルを平易な言葉に翻訳する「GPT」型インターフェースの構築
コンピューターのインターフェースは、何十年もの間ほとんど変わっておらず、検索語の入力や結果の確認など、ユーザー主導の操作が中心です。大規模言語モデル（LLM）を基盤とする生成AIは、対話型のやり取りを可能にすることで、これを変えつつあります。ユーザーは、ChatGPTのようなプログラムに自分のニーズを直接伝えることができ、プログラムはその後タスクを実行し、洞察をまとめ、「副操縦士」として機能します。
気候モデルは、複雑な気候の動態を理解するうえで不可欠です。これらは多次元方程式を含み、18,000ページ分のコードを超えることもあります。これらのモデルは、ほとんどのユーザーにとって理解が困難です。しかし、こうしたモデルを理解することは、科学者だけでなく、ビジネスリーダー、政治家、市民にとっても不可欠です。
生成AIは、GPTに似たインターフェースを提供することで、これを簡素化できる可能性があります。これにより、あらゆる背景を持つユーザーが、地域の海面水位変化の監視など、自分のニーズに関連する気候データとやり取りできるようになります。この手法は、気候モデルをより利用しやすいものにし、気候予測への信頼を築くことにつながり得ます。
3. 技術開発における試作段階の加速
AIは、気候変動を含む科学分野における研究開発に革命をもたらしています。しかし、基礎研究から具体的な気候変動対策への転換は、必ずしも明確ではありません。ディープテック・サイクル（研究から試作品に至る過程）は、長期化し費用もかさむことがあります。これらの懸念は、主要な温暖化閾値の突破まで「残り数分」という状況にあるため、特に切迫しています。
AIは、特に試作段階においてディープテック・サイクルを短縮し、不可欠な技術の導入を加速できます。材料科学において、AIは発見と設計を加速させ、気候変動の緩和にとって極めて重要（リチウムイオン電池や太陽電池の改良など）や適応（耐火性材料の開発など）に貢献します。材料の特性を一から計算する従来の手法では、多大な時間、費用、計算資源が必要です。世界のスーパーコンピューター能力の最大3分の1が、材料科学に利用されています。
AIは、事前に網羅的な初期計算を行わなくても、新たな材料特性を予測できるようになっています。これは、原子構造とその特性の関係を学習し、最適な構成を提案することで実現されます。この分野は発展途上であり限界もあります（例：発見プロセスにおける「ハルシネーション」の報告）が、イノベーションには大きな可能性があります。例えば、生成AIは逆設計問題に取り組んでおり、これは望ましい特性（例：極端気象への耐性）から出発し、その設計を逆算するものです。
気候AIのエコシステム
AIの開発は急速に進んでいます。しかし、基盤技術が急速に発展しているからといって、その応用も同様に発展するとは限りません。規模と汎用的知識（例：広範なLLM）を特徴とする現在のAI開発のパラダイムは、基礎研究や理論的知識に依存する他の分野で自然な応用先を見いだすかもしれません。しかし、気候危機は理論上の問題ではありません。それは地球物理学的な現実であり、実用的なツールとユースケースを必要としています。
本稿で示したユースケースを実現するには、エコシステム型のアプローチが必要です。過去にも、エコシステムは、オープンソースのオペレーティングシステムの開発、オゾン層の再生、ヒトゲノムの解読といった多面的な課題への取り組みで成功を収めてきました。これらの特筆すべき取り組みはいずれも、多様な利害関係者の参加、オープンなデータ共有、競争前協力を特徴としていました。
したがって、リーダーはAIと気候変動のためのエコシステムを構築するために一歩踏み出さなければなりません。世界経済フォーラムの気候適応のための技術イニシアチブは、大手テクノロジー企業、スタートアップ、学術機関、政府、その他の利害関係者を結集させることで、この不可欠な環境の実現を後押ししています。
同イニシアチブの最新プロジェクトであるアクションツールキットは、AIやその他の先端技術を、具体的な気候関連の活動にどのように活用できるかを示すものです。今後も本イニシアチブは、研究開発から下流のユースケースに至るまで、イノベーションサイクル全体にわたる協力を推進し、技術の可能性を示し続けていきます。AIは気候変動が必要としている画期的進歩となるかもしれませんが、これはまだ始まりにすぎません。
