5 мин. чтения
8/25/2023 4:24:50 AM

Исследователи предупреждают есть предвзятость данных, вызванная ошибочными предсказаниями климата

Article Preview Image Социальные структуры и коллективный интеллект обеспечивают эпистемические знания для AI Climate Action.Кредит: NPJ Climate Action (2023).Doi: 10.1038/s44168-023-00056-3

Исследователи предупреждают, что развивающиеся страны рискуют пропустить важные глобальные климатические действия из -за ненадежных прогнозов погоды, вызванных предвзятыми данными, введенными в инструменты искусственного интеллекта (ИИ).

Предвзятость в сборе климатических данных, на которые полагаются инструменты моделирования климата, управляемые AI, могут ограничить полезность таких новых технологий для климатологов, пытающихся предсказать будущие сценарии и направлять глобальные действия, согласно документу, опубликованной 17 августа в NPJ Climate ActionПолем

Компьютерные программы ИИ, используемые в науке о климате, адаптированы для трала с помощью сложных наборов данных в поисках шаблонов.

Но отсутствие информации из определенных мест, периодов времени или социальных групп создает «дыры» в данных, которые могут привести к неточным прогнозам климата и вводящим в заблуждение выводам, говорят исследователи.

Ведущий автор Рамит Дебнат, доцент кафедры вычислительных социальных наук в Кембриджском университете, США, говорит, что эти пробелы данных более выражены на глобальном юге из -за задач доступа к наборам данных для всех типов моделирования и аналитических целей.

«Разрыв в данных трудно точно определить, но общая тенденция-это большинство климатических компаний, возглавляемых A, базируются на мировом севере»,-сказал Дебнат Scidev.net.

Это означает, что есть «высокие шансы, что модели хорошо калиброваны и созданы для глобальных сценариев на севере, поскольку они уже имеют соответствующие данные и инфраструктуру мониторинга погоды», сообщает Дебнат.

Предвзятость может быть широко классифицирована на предвзятое программирование, смещенные наборы данных и предвзятые алгоритмы.В исследовании говорится, что программирование и алгоритмы легче исправить, поскольку они математические.

Предвзятые наборы данных являются самыми сложными, потому что данные не существуют, и им требуется значительные капитальные и человеческие инвестиции, чтобы построить их с нуля, говорят исследователи.

Например, многие случаи генеративного ИИ-Технологии, которые могут создавать контент, такой как текст и изображения,-это борется с темами вокруг глобального юга, особенно когда его спрашивают о местных контекстах в Африке к югу от Сахары, Индии или любым другим незападным западнымНации, объяснил Дебнат.

«Аналогичным образом, многие отчеты предполагают, что технологии искусственного интеллекта настоящего поколения часто демонстрируют предубеждения в результатах применения работы на основе имен, цвета кожи и т. Д.»,-добавил он.

«Такие предубеждения, хотя и не связаны с климатическим действием, показывают, что отсутствие репрезентативных наборов данных является проблемой в использовании инструментов ИИ для любой формы принятия решений».

По словам исследователей, последствием предвзятых климатических данных является то, что они обеспечат неточные прогнозы экстремальных погодных явлений.

Более бедные глобальные южные страны уже более уязвимы к воздействию изменения климата.Они утверждают, что неточные прогнозы, связанные с предвзятыми или отсутствием наборов данных, будут еще более замедлить усилия по смягчению и адаптации, что приведет к более вызванным климатическим ущербам для имущества, человеческого и социального капитала.

«Самым важным выводом нашего исследования является правосудие по данным может быть ключом к справедливости по климату», - сказал Дебнат, который также является научным сотрудником инициативы университета в Кембридже с ноль -климатом.

«Наша рекомендация заключается в том, что тот, кто строит ИИ климатического действия, должен знать о пробелах данных и встроенных предубеждениях и о том, какие усилия необходимы для уменьшения таких пробелов».

Авторы предполагают, что «отверстия данных» могут быть заполнены человеческими знаниями, используя так называемую дизайн человека в петле, чтобы предложить программы изменения климата искусственного интеллекта рукой для проверки надежности и контекста данных, используемых для повышения точности прогнозовПолем

В качестве примера они приводят модель AI Chatgpt, которая может задавать человеческие вопросы последующие вопросы, допускать ошибки, бросить вызов неправильным помещениям и отклонить неподходящие запросы.

Исследователи также рекомендуют укреплять инфраструктуру данных на глобальном юге и инвестировать в домашние стартапы данных, такие как Coco-Africa, платформа, предназначенная для преодоления разрыва в данных путем сбора и курирования местных и контекстных наборов данных из стран Африки к югу от Сахары Африки к югу от Сахары Африки к югу от Сахары.Полем

По словам Жоаба О. Одхиамбо, старшего преподавателя кафедры математики Университета науки и технологий Меру в Кении, ИИ имеет решающее значение для точного мониторинга погоды в Африке, особенно для предотвращения климатических бедствий.

«ИИ может революционизировать мониторинг погоды и управление стихийными бедствиями, повышая точность прогноза и обеспечивая своевременную реакцию на такие события, как засухи, наводнения и тепловые волны», - сказал он Scidev.net.

Однако он подчеркивает, что практичность точного мониторинга погоды и последующих вмешательств зависит от различных факторов, включая технологии, инфраструктуру, образование, финансирование и управление.

Обед Огега, ученый -климат и менеджер по программам в Африканской академии наук (AAS), говорит, что использование инструментов ИИ в прогнозах и адаптации или адаптации или смягчении смягчений все еще находится на стадии развития.

«Потребуется некоторое время, прежде чем мы сможем получить полное представление о точности [или] эффективности инструментов ИИ в области климатической науки и климатических действий», - сказал Огега Scidev.net.

Он отметил, что из-за более ограниченных данных об наблюдении в таких регионах, как Африка к югу от Сахары, которые можно использовать для «обучения» инструментов ИИ, «дыры», упомянутые в статье, могут быть там, и риск дезинформации большеПолем

«Как отмечалось в статье, существует необходимость в подходе« человека в петле »в использовании инструментов ИИ-и эта потребность еще более значима в развивающихся странах, где существуют значительные пробелы данных»,-сказал он.

Больше информации: Рамит Дебнат и др., Используя человеческий и машинный интеллект для климатического действия на планетарном уровне, NPJ Climate Action (2023).Doi: 10.1038/s44168-023-00056-3

Получи бесплатную еженедельную рассылку со ссылками на репозитории и лонгриды самых интересных историй о стартапах 🚀, AI технологиях 👩‍💻 и программировании 💻!
Присоединяйся к тысячам читателей для получения одного еженедельного письма

Подписывайся на нас:

Нашли ошибку в тексте? Напишите нам.

Добавляй ЛРНЧ в свою ленту Google Новостей.
Читайте далее 📖

Алгоритм обучения осознает метапластичность в искусственных и популярных нейронных сетях

9/2/2023 · 5 мин. чтения

Алгоритм обучения осознает метапластичность в искусственных и популярных нейронных сетях

Лучшие пути дают лучшее ИИ: улучшение ранее существовавших архитектур

9/1/2023 · 5 мин. чтения

Лучшие пути дают лучшее ИИ: улучшение ранее существовавших архитектур