维度网讯，华盛顿大学的研究团队开发出一套人工智能系统，能够自动估算不同电子设备在生产环节的环境影响。该系统利用多个AI代理（自主执行任务的程序）从公开数据中梳理信息并进行生命周期评估（LCA），其平均误差率在5%至19%之间，与人类专家完成的LCA准确度相近。相关研究成果于6月12日发表在学术期刊《自然·电子学》（Nature Electronics）上。

研究显示，消费者对更可持续的设备有更高支付意愿，但获取电子设备的详细环境影响数据目前十分困难。以一部手机为例，它由数百个芯片和其他组件构成，每个部件的生产排放量各不相同，且这些数据往往不公开甚至未被测量。人类专家手动收集LCA所需信息可能需要数天乃至数月。研究团队设计的多个AI代理可协同工作，自动从产品描述、图像和文件中提取电子部件信息，约在一分钟内给出可比较的估算结果。

该系统通过两个AI代理模拟LCA流程中的不同角色。一个扮演分析师，定义所需信息及整合方式，并审查结果准确性；另一个扮演工程师，从公开数据中抓取电子设备组件信息，包括筛选电子表格、查找设备内部图像以获取芯片信息，数据来源甚至包括FCC数据库和iFixit帖子等非常规渠道。两个代理循环工作，直至第一个代理确认信息完整，随后参考LCA数据库，将部件清单转换为碳排放估算。

团队还开发了一种“最近邻”方法，绕过详细数据收集直接估算碳足迹。对于笔记本电脑和智能手机等已有公开碳足迹报告的常见设备，他们发现屏幕尺寸和处理器等规格相似的产品碳值相近。因此，未知设备的碳足迹可表示为相似产品的加权平均值。该方法同样适用于估算LCA数据库中未包含的材料，如新型可持续塑料可根据具有相似性质和化学结构的塑料进行估算。在测试中，该方法的平均误差为23%，而人类专家的平均误差为143%。

研究团队强调，该系统旨在帮助整体减少碳排放，但运行AI模型本身需要能源。为此他们采取多项措施减轻影响，包括使用能耗低于通用模型的小型AI模型，以及通过先查询已有排放估算来避免重复运算。若系统确实需要调用AI模型，目前估算一个设备碳足迹的碳排放量约等于泡一杯茶产生的排放量。团队计划未来与公司合作，帮助自动化其工作流程。

该研究的资深作者、华盛顿大学保罗·G·艾伦计算机科学与工程学院助理教授Vikram Iyer（维克拉姆·艾耶）表示，人们愿意为更可持续的设备支付更高价格，但手机等产品由数百个芯片和其他组件构成，每个组件的生产排放数据不公开且难以获取，人类专家手工收集可能需要数天甚至数月，而他们设计的多个AI代理可协同工作并在一分钟内完成估算。第一作者、艾伦学院博士生Zhihan Zhang（张智涵）介绍，他们通过采访LCA专家并构建系统来模拟交互过程。其他合著者还包括：华盛顿大学艾伦学院的Alexander Metzger、Felix Hähnlein、Zachary Englhardt、Shwetak Patel（帕特尔），韦尔斯利学院的Yuxuan Mei（在华盛顿大学艾伦学院完成该研究时为博士生），圣母大学的Tingyu Cheng，东北大学的Gregory D. Abowd，以及布朗大学的Adriana Schulz（在华盛顿大学艾伦学院完成该研究时为助理教授）。本研究由亚马逊研究奖（Amazon Research Awards）和国家科学基金会（National Science Foundation）资助，Zhang得到谷歌博士生奖学金（Google PhD Fellowship）支持。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com