用人工智能守護地球健康 — 麻省理工學院Priya Donti教授的研究探索
麻省理工學院（MIT）助理教授Priya Donti專注應用機器學習技術，優化可再生能源的使用，致力於解決全球能源與氣候變化的挑戰。
Priya Donti從小對世界不平等現象有深刻體會，尤其是在多次到印度探親時，親眼見到生活條件的巨大差異。這種經歷讓她立志要解決社會不公，並且她在高中時期的生物老師更將氣候變化與可持續性問題帶入課堂，讓她明白氣候變化會加劇不平等，這點深深激發了她的熱情。
起初，Donti在大學時期計劃研究化學或材料科學，期望製造下一代太陽能電池板。但她後來轉向電腦科學，並發現英國學者的研究指出，人工智能和機器學習是將可再生能源整合進電網的關鍵。這讓她找到將兩者結合的興趣，並持續在這一領域深耕。
在卡內基梅隆大學攻讀博士期間，她結合電腦科學與公共政策，專注於開發可大規模管理依賴可再生能源的電網的算法與工具。她強調，研究必須根植於實際能源系統領域，並與相關專業人士合作，確保成果切實解決現實需求。
在攻讀博士的同時，Donti共同創辦了非牟利組織Climate Change AI，旨在促進氣候與可持續領域的專家、學者、實務工作者與政策制定者之間的交流與資源共享，推動跨領域合作以應對氣候危機。
2023年9月來到MIT後，Donti被校方致力於將電腦科學應用於解決重大社會與環境問題的理念所吸引。她指出，科技不應只追求短期商業利益，而應考慮長遠的社會與政策影響，科技、社會與政策必須協同發展。
Donti的研究利用深度學習模型，將物理法則和電力系統的嚴格限制納入考量，以提升可再生能源電力系統的預測、優化和控制能力。她表示，目前機器學習已廣泛應用於太陽能發電的預測，這是管理與平衡電網的基礎。她的焦點則是如何改進算法，更有效地應對多變的可再生能源，實現電網平衡。
其中一項重要突破是為電網運營者提供能夠基於電網真實物理狀況進行成本優化的解決方案，避免以往依賴簡化近似計算。該技術尚未全面部署，但運算速度比先前方案快十倍，成本更低，已引起電網運營方的關注。
此外，她的團隊致力於生成合成數據與基準測試，因為實際電力系統數據通常因商業機密或安全考量而難以獲取。這些合成數據有助於揭示現有系統效率的瓶頸，推動機器學習技術進步。她提問：「我們能否打造出足夠複雜的數據集，推動技術不斷突破？」
Donti的努力獲得美國能源部計算科學研究生獎學金與國家科學基金會研究生獎學金肯定。她也曾入選《MIT Technology Review》2021年「35位35歲以下創新者」與Vox 2023年「Future Perfect 50」名單。
明年春季，她將與專注生物多樣性及生態系統的EECS助理教授Sara Beery，以及專注氣候與地球科學的EECS及地球、大氣與行星科學系助理教授Abigail Bodner，共同教授「氣候行動中的人工智能」課程，三人皆對此充滿熱情。
對Donti而言，MIT提供的不僅是學術成就的環境，更是一個重視研究對社會實際影響的生態系統，這正是她選擇此地的重要原因。
—
評論與啟發
Priya Donti教授的研究與理念，正好呼應了當今社會對科技與環境可持續發展的迫切關注。她不單是技術的推動者，更是橋樑，連結了電腦科學、政策、社會需求與環境挑戰。這種跨領域的整合思維，是未來科技發展不可或缺的方向。
尤其在香港這樣高度依賴外來能源且面臨氣候挑戰的城市，Donti的研究提醒我們，應積極探索如何利用人工智能優化本地電網與可再生能源管理，並且推動政策與技術並行。香港的能源結構轉型需要更多類似Donti這樣具備技術與社會視野的專家投入。
此外，她對數據隱私與合成數據的重視，啟示我們在推動智能電網和智慧城市時，必須平衡技術創新與資訊安全、透明度。這是確保公眾信任與政策支持的關鍵。
最後，Donti從個人經歷出發，將對社會不平等的關注融入科研，展現了科技人文精神的實踐。這種以人為本的研究態度，是推動科技真正服務社會與環境的核心力量。對香港科研人員與政策制定者而言，這是值得深思與借鑒的典範。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
