数据科学研究（Data science research）为帮助人类应对和适应气候变化开辟了许多大有可为的途径，但数据中心（容纳服务器的结构）本身也是能源消耗大户，根据美国能源部的调查显示，数据中心消耗的能源约占美国能源供应的2%，而且其消耗量还在迅速增长。

据估计，到2030年，美国数据中心的能源需求将比2022年翻一番，而许多专家认为，人工智能正在推动这一增长。强大的计算能力需要耗费大量能源，在这点上，人工智能的可能性是巨大的。

为了避免迫在眉睫的能源危机，哥伦比亚大学（Columbia University）和长期合作的IBM公司计划开展四个独立的研究项目，以提高数据中心的效率。

IBM可持续计算首席科学家 Tamar Eilam是该计划的首席研究员，与数据科学研究所临时所长兼工业工程与运筹学Wai T. Chang教授、计算机科学教授Clifford Stein共同讨论如何合作解决这一问题。

Tamar Eilam表示，哥伦比亚大学的专业、技能和经验，与IBM的目标完美契合，IBM的目标是创建一个强有力的议程来解决可持续计算问题。产业界和学术界有必要走到一起，在这一领域创建标准并合作创新。

鉴于数据中心的复杂性，解决能耗问题有很多途径。

IBM和哥伦比亚大学正在关注专业领域，努力解决电力消耗以及与生产相关的碳排放，四条专业途径包括：根据不同的参数，模拟人工智能在不同硬件上的能耗表现，通过优化算法为系统找到最佳能源配置；设计更低功耗的芯片，特别是针对新的高需求用途；解决软件臃肿问题，以获得新内存和存储技术的必要优势；优化组件和系统的运行与调度。

同时，哥伦比亚大学和IBM正在努力解决的另一个问题是专用芯片，需要重点关注它们在不同速度和不同功率下的性能细节。合作团队希望开发出一种方法，可以改变算法中的设置，从而利用新的效率。

Clifford Stein表示，这个项目反映了数据科学的方法。可持续发展是一项挑战，需要在一定范围内进行干预，这超出了大多数人作为具有环保意识的个人所能做到的范围。

作为个人，你可以对气候变化产生真正影响的方法并不多。即使你想尽一切办法减少个人碳足迹，也可能无济于事。但是，如果你掌握了某些技能，你就有机会在更大范围内找出你能做的事情。作为一名数据科学家，我们有能力在更大范围内洞察事物，提出见解和建议，发现影响行业的运作方式。