Развивающиеся страны рискуют упустить важные глобальные климатические действия из-за ненадежных метеорологических прогнозов, являющихся результатом предвзятых данных, загружаемых в инструменты искусственного интеллекта (ИИ), предупреждают исследователи.
Предубеждения в сборе климатических данных, на которых основаны инструменты моделирования климата на основе ИИ, могут ограничить полезность таких новых технологий для климатологов, пытающихся предсказать будущие сценарии и направить глобальные действия, согласно статье, опубликованной 17 августа в npj Climate Action.
Компьютерные программы ИИ, используемые в климатической науке, настроены на просеивание сложных наборов данных в поисках закономерностей.
Однако отсутствие информации из определенных мест, периодов времени или социальных групп создает «дыры» в данных, которые могут привести к неточным климатическим прогнозам и вводящим в заблуждение выводам, утверждают исследователи.
Ведущий автор Рамит Дебнат, доцент кафедры вычислительных социальных наук в Кембриджском университете, Великобритания, говорит, что эти пробелы в данных более выражены в глобальном Юге из-за проблем доступа к наборам данных для всех видов моделирования и аналитических целей.
«Разрыв в данных трудно точно оценить, но общая тенденция заключается в том, что большинство компаний ИИ в области климата базируются в глобальном Севере», — сказал Дебнат SciDev.Net.
По его словам, это означает, что «высокие шансы, что модели хорошо откалиброваны и построены для сценариев глобального Севера, поскольку у них уже есть соответствующие данные и инфраструктура мониторинга погоды».
Предвзятость можно в целом классифицировать как предвзятое программирование, предвзятые наборы данных и предвзятые алгоритмы. В исследовании говорится, что программирование и алгоритмы легче исправить, поскольку они математические.
Однако предвзятые наборы данных — самые сложные, потому что данные не существуют, и для их создания с нуля требуются значительный капитал и человеческие инвестиции, утверждают исследователи.
Например, многие случаи генеративного ИИ, технологии, которая может генерировать контент, такой как текст и изображения, показывают, что она плохо справляется с темами о глобальном Юге, особенно когда речь заходит о местных контекстах в Африке к югу от Сахары, Индии или любых других незападных нациях, пояснил Дебнат.
«Точно так же многие отчеты свидетельствуют о том, что нынешнее поколение технологий ИИ часто демонстрирует предубеждения в результатах заявок на работу на основе имен, цвета кожи и т. д.», — добавил он.
«Такие предубеждения, хотя и не прямо связанные с изменением климата, показывают, что отсутствие репрезентативных наборов данных является проблемой при использовании инструментов ИИ для любых целей принятия решений».
Последствием предвзятых климатических данных является то, что они будут давать неточные прогнозы экстремальных погодных явлений, говорят исследователи.
Более бедные страны глобального Юга уже более уязвимы для воздействия изменения климата. Неточные прогнозы из-за предвзятых или отсутствующих наборов данных еще больше замедлят усилия по смягчению последствий и адаптации, что приведет к большему климатически обусловленному ущербу имуществу, человеческому и социальному капиталу, утверждают они.
«Самой важной находкой нашего исследования является то, что справедливость данных может быть ключом к климатической справедливости», — сказал Дебнат, который также является членом университетской инициативы по изменению климата Cambridge Zero.
«Наша рекомендация заключается в том, что любой, кто создает ИИ для борьбы с изменением климата, должен быть осведомлен о пробелах в данных и встроенных предубеждениях, а также о том, какие усилия необходимы для устранения таких пробелов».
Решения ИИ «человек в цикле»
Авторы предлагают заполнить «дыры» в данных человеческими знаниями, используя так называемую конструкцию «человек в цикле», чтобы предложить программам ИИ по изменению климата помощь в проверке надежности и контекста используемых данных для повышения точности прогнозов.
В качестве примера они приводят чат-бот ChatGPT, который может задавать пользователям уточняющие вопросы, признавать ошибки, оспаривать неправильные предпосылки и отклонять неуместные запросы.
Исследователи также рекомендуют укреплять инфраструктуру данных в глобальном Юге и инвестировать в местные стартапы данных, такие как COCO-Africa, платформа, предназначенная для восполнения пробела в данных путем сбора и курирования локальных и контекстных наборов данных из стран Африки к югу от Сахары.
По словам Джоаба 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 катастроф.
«ИИ может революционизировать мониторинг погоды и управление бедствиями, повышая точность прогнозов и обеспечивая своевременное реагирование на такие события, как засухи, наводнения и волны тепла», — сказал он SciDev.Net.
Однако он подчеркивает, что практическая ценность точного мониторинга погоды и последующих вмешательств зависит от различных факторов, включая технологии, инфраструктуру, образование, финансирование и управление.
Обед Огега, климатолог и менеджер программ Африканской академии наук (AAS), говорит, что использование инструментов ИИ в прогнозах изменения климата и стратегиях адаптации или смягчения последствий пока находится на стадии разработки.
«Потребуется некоторое время, прежде чем мы сможем полностью понять точность и эффективность инструментов ИИ в климатической науке и действиях в области климата», — сказал Огега SciDev.Net.
Он отметил, что из-за более ограниченных наблюдательных данных в таких регионах, как Африка к югу от Сахары, которые можно использовать для «обучения» инструментов ИИ, «дыры», упомянутые в статье, скорее всего, будут больше, а риск дезинформации — выше.
«Как отмечено в статье, существует необходимость в подходе «человек в цикле» при использовании инструментов ИИ, и эта потребность еще более значительна в развивающихся странах, где существуют значительные пробелы в данных», — сказал он.