数据科学研究开辟了许多有希望的方法来帮助人类应对和适应气候变化，但数据中心（容纳服务器的结构）本身也是能源消耗大户。据美国能源部调查显示，数据中心消耗的能源约占美国能源供应的2%，且其消耗量正在快速增长。据估计，到2030 年，美国数据中心的能源需求将比2022 年翻一番，许多专家认为人工智能正在推动这一增长。强大的计算能力会消耗大量的能源。在这一点上，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，哥伦比亚大学和长期合作伙伴IBM 计划启动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兼该计划的首席研究员Tamar Eilam 与数据科学研究所临时主任、工业工程和运筹学教授Wai T. Chang 教授Clifford Stein 讨论了如何合作解决这一问题。计算机科学教授。

Tamar Eilam 表示，哥伦比亚大学的专业知识、技能和经验与IBM 制定强有力的议程来解决可持续计算问题的目标完美契合。工业界和学术界需要共同制定标准并在该领域进行创新合作。鉴于数据中心的复杂性，有很多方法可以解决能源消耗问题。 IBM和哥伦比亚大学专注于专业领域，努力解决电力消耗和生产相关的碳排放问题。四大专业路径包括：根据不同参数模拟人工智能在不同硬件上的能耗表现，通过优化算法找到系统的最佳解决方案。优化能源配置；设计更低功耗的芯片，特别是针对新的高需求应用；解决软件膨胀问题，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和调度。

与此同时，哥伦比亚和IBM 正在努力解决的另一个问题是专用芯片，重点关注它们在不同速度和不同功率下如何执行的细节。协作团队希望开发一种方法来更改算法中的设置，以利用新的效率。克利福德·斯坦表示，该项目反映了数据科学方法。可持续性是一项挑战，需要的干预规模超出了大多数具有环保意识的人的能力。作为个人，您可以通过多种方式对气候变化产生真正的影响。即使您尽一切努力减少个人碳足迹，也可能无济于事。但如果你掌握了某些技能，你就有机会弄清楚你可以在更大范围内做什么。作为一名数据科学家，我们有能力从更大规模的角度看待事物，提出见解和建议，并发现影响行业的事物的运作方式。