改一条航线，能不能少造出飞机尾迹？

飞机尾迹不是发动机喷出的黑烟。在合适的湿冷空气里，飞机身后会拉出由冰晶组成的云，这些云会把热量留在大气中。The Information Bottleneck 公开的节目笔记介绍了 Google Fellow John Platt 的一场访谈。他领导 Google Research 的应用科学团队，也是 SMO 和 Platt scaling 的提出者。笔记把话题收成一条主线：这个团队怎样挑选科学问题，以及 AI 碰到真实物理系统时，哪些步骤已经能交出去，哪些还不能。

原始来源：John Platt (Google): AI for Climate and Science。中文深度整理，非逐字翻译。本文依据发布方的节目笔记与时间轴，不是 YouTube 字幕，也不是完整逐字稿。笔记中的数字均按发布方对访谈的归纳来写。

先问自己有没有比较优势

笔记把选题标准写成比较优势：不是所有气候或科学问题都该由这个团队做。时间轴里点名了一个没做成的项目，RNA 适配体，用来说明工具和问题对不上就会停。DNA、RNA 和 XNA 被放在同一段。公开笔记只给出这些题目，没有写失败实验的过程和放弃原因。能确定的是，团队把“我们是否更适合做这件事”当成过滤器，而不是见到气候问题就上模型。

尾迹约占人为增温的 1%

笔记里关于尾迹的表述比较具体。一小部分航班制造了大部分尾迹增温；所有飞机的尾迹加在一起，大约相当于人类活动所致增温的 1%。它被说成一个有机会用 AI 处理的问题，因为尾迹在哪里出现、会不会形成，可以从观测里学。

John 解释的做法是：从气象卫星上识别尾迹，并预测它们将在哪里形成。时间轴写着“三套用于避开尾迹的 AI 系统”，后面还提到云播种，以及云物理为什么难。公开笔记没有说明这三套系统分别做什么、用了哪些卫星通道、预测误差有多大。因此，“有三套系统”还不能理解成已经有一套可公开检验的业务产品。

笔记给出的试验结果是：在与美国航空公司的试验中，改航线使尾迹形成减少 62%，额外燃油几乎可以忽略。这是发布方对访谈内容的概括。页面没有写飞了多少班、怎样认定“出现了一条尾迹”、对照组如何选取，也没有第三方复核。62% 可以当作节目中转述的结果，不能单独当成已经结算的气候效益。

智能体拿走苦活，严谨还在人这边

时间轴后半段转到科学工作本身。笔记提到纳维-斯托克斯方程、风洞，以及仿真仍然会失败的地方。ERA 是 Google 的实证科研助手。John 的看法被概括为：智能体可以接手建立模型和整理数据这些重复劳动，品味、创造性和严谨仍然留在人这边。接下来十二个月，智能体能帮上的也主要是这种可以打分的任务。

笔记同时标出几条风险，但没有展开例子：过拟合、Kaggle 竞赛，以及一个“半像素 bug”；智能体在 Lean 这类证明系统里钻规则空子，也就是指标一旦变成目标，就不再是好指标。他怀疑不使用梯度的优化方法。SMO、支持向量机，以及神经网络里的合页损失，被放在同一段个人技术经历里。公开页面没有公式，也没有把那个半像素 bug 讲清楚。读者能知道他在提醒自动科研会为了分数走捷径，但无法凭这份笔记复核那个 bug 是什么。

把模型做大，会撞上电和机房

苦涩教训指的是，堆数据和算力往往胜过精巧的人工设计。笔记说，John 认为这条路会撞上能源和数据中心的物理限制。公开摘要里没有给出算力或电力上限的数字。往后的判断更直接：AI 不会只靠自己把气候变化解决掉。气候展望被放在超过 2°C 的情景里讨论。室温超导、聚变和高压直流输电被点名为相关问题，笔记同样没有展开技术路线。

他认为更实在的一条，是用物理世界里的 AI 把气候技术的制造成本打下来。这和“再训一个更大的气候模型”不是同一件事。硬件和制造如果仍然很贵，模型再准也铺不开。笔记还把 AI 的滥用风险单独列了出来，没有在摘要里举具体案例。

五十颗卫星，要在火还很小的时候看见

笔记最后落到 FireSat。满规模大约 50 颗卫星，目标是在野火还小、来得及扑灭时就发现它们。现有卫星被指不够完成这件事。时间轴还单列了这 50 颗卫星的经济账，以及误报。公开笔记没有写单颗成本、多久能再次扫过同一地点，或误报率是多少。FireSat 在这里更像一个问题定义：更早发现依赖于更密的轨道覆盖，而覆盖、费用和误报必须一起算。

这场访谈值得继续核对的，不是“AI 已经能管住飞机和山火”，而是几件笔记里已经说出、但还没给出边界的事：尾迹那 1% 怎样计算，62% 的试验怎样设计，三套避让系统会不会公开，以及 ERA 这类助手在真实课题里是不是只是加快了脏活。节目页面目前提供的是笔记和时间轴。上面这些数字都应视为发布方对对话的归纳。