論文の概要: AI for Global Climate Cooperation: Modeling Global Climate Negotiations,
Agreements, and Long-Term Cooperation in RICE-N
- arxiv url: http://arxiv.org/abs/2208.07004v1
- Date: Mon, 15 Aug 2022 04:38:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-16 14:55:48.018144
- Title: AI for Global Climate Cooperation: Modeling Global Climate Negotiations,
Agreements, and Long-Term Cooperation in RICE-N
- Title（参考訳）: 地球温暖化協力のためのai--米-nにおける地球温暖化交渉・合意・長期協力のモデル化
- Authors: Tianyu Zhang, Andrew Williams, Soham Phade, Sunil Srinivasa, Yang
Zhang, Prateek Gupta, Yoshua Bengio, Stephan Zheng
- Abstract要約: n個の戦略エージェントによる気候変動緩和に関する長期的な協力は、複雑なゲーム理論の問題を引き起こす。
地球温暖化と経済をシミュレートするマルチリージョン統合アセスメントモデルであるRICE-Nを紹介する。
本稿では,多エージェント強化学習を用いて理性エージェントをRICE-Nで訓練する方法について述べる。
- 参考スコア（独自算出の注目度）: 75.67460895629348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Comprehensive global cooperation is essential to limit global temperature
increases while continuing economic development, e.g., reducing severe
inequality or achieving long-term economic growth. Achieving long-term
cooperation on climate change mitigation with n strategic agents poses a
complex game-theoretic problem. For example, agents may negotiate and reach
climate agreements, but there is no central authority to enforce adherence to
those agreements. Hence, it is critical to design negotiation and agreement
frameworks that foster cooperation, allow all agents to meet their individual
policy objectives, and incentivize long-term adherence. This is an
interdisciplinary challenge that calls for collaboration between researchers in
machine learning, economics, climate science, law, policy, ethics, and other
fields. In particular, we argue that machine learning is a critical tool to
address the complexity of this domain. To facilitate this research, here we
introduce RICE-N, a multi-region integrated assessment model that simulates the
global climate and economy, and which can be used to design and evaluate the
strategic outcomes for different negotiation and agreement frameworks. We also
describe how to use multi-agent reinforcement learning to train rational agents
using RICE-N. This framework underpinsAI for Global Climate Cooperation, a
working group collaboration and competition on climate negotiation and
agreement design. Here, we invite the scientific community to design and
evaluate their solutions using RICE-N, machine learning, economic intuition,
and other domain knowledge. More information can be found on
www.ai4climatecoop.org.
- Abstract（参考訳）: 包括的グローバル協力は、世界的な気温上昇を制限し、経済発展を継続する上で不可欠であり、例えば、深刻な不平等を減らしたり長期的な経済成長を達成する。
n個の戦略エージェントによる気候変動緩和に関する長期的な協力は、複雑なゲーム理論の問題を引き起こす。
例えば、エージェントは交渉を行い、気候協定に達することができるが、これらの協定を遵守する中央の権限はない。
したがって、協力を促進するための交渉と合意の枠組みを設計し、全てのエージェントがそれぞれの政策目標を満たすことを許容し、長期的遵守を促進することが重要である。
これは、機械学習、経済学、気候科学、法、政策、倫理、その他の分野の研究者間の協力を求める学際的な課題である。
特に、機械学習はこの領域の複雑さに対処するための重要なツールであると主張する。
そこで本研究では,地球規模の気候・経済をシミュレートした多地域統合評価モデルであるライスンについて紹介する。
また、多エージェント強化学習を用いて理性エージェントをRICE-Nで訓練する方法についても述べる。
この枠組みは、気候変動交渉と合意設計に関するワーキンググループコラボレーションとコンペティションである、グローバル気候協力のためのものである。
ここでは,科学者コミュニティに対して,ライスnや機械学習,経済直観,その他のドメイン知識を用いたソリューションの設計と評価を依頼する。
詳細はwww.ai4climatecoop.orgを参照。
関連論文リスト
- Crafting desirable climate trajectories with RL explored socio-environmental simulations [3.554161433683967]
統合アセスメントモデル(IAM)は、社会、経済、環境シミュレーションを組み合わせて、潜在的な政策効果を予測する。
従来の解決法を置き換えるために強化学習(RL)を用いた最近の予備研究は、不確実でノイズの多いシナリオにおける意思決定において有望な結果を示している。
我々は、様々な利害関係者や国家間の複雑な相互作用の相互作用をモデル化するための予備分析として、複数の対話的RLエージェントを導入することにより、この研究を拡大する。
論文 参考訳（メタデータ） (2024-10-09T13:21:50Z) - Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。
最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。
道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
論文 参考訳（メタデータ） (2024-04-25T15:59:16Z) - Improving International Climate Policy via Mutually Conditional Binding
Commitments [0.03499870393443267]
条件付きコミットメントメカニズムは、国際気候政策における条件付き協力の形式化を目的としている。
本稿では,AI4ClimateCooperationのメカニズムの概要と,その性能について述べる。
論文 参考訳（メタデータ） (2023-07-26T15:53:26Z) - Explore the possibility of advancing climate negotiations on the basis
of regional trade organizations: A study based on RICE-N [0.0]
RICE-Nモデルに基づくこの研究は、既存の貿易グループに基づく気候交渉へのアプローチを提案した。
深層学習は、気候交渉に新たな理論的支援を提供する可能性がある。
論文 参考訳（メタデータ） (2023-07-26T14:48:25Z) - AI For Global Climate Cooperation 2023 Competition Proceedings [77.07135605362795]
国際機関が国際気候協定の遵守を保証できない。
RICE-NはAIエージェントを使用した地域意思決定のモデリングをサポートする。
IAMは、これらの決定の気候・経済的な影響を未来にモデル化する。
論文 参考訳（メタデータ） (2023-07-10T20:05:42Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - Towards Collaborative Question Answering: A Preliminary Study [63.91687114660126]
我々は、モデレーターによって調整された複数の専門家エージェントが協力して、単一のエージェントだけでは答えられない質問に答える新しいQAタスクCollabQAを提案する。
専門家に分散可能な,大規模な知識グラフの合成データセットを作成する。
専門家が完璧で均一でない限り,コラボレーション構造を導入することなく,この問題が解決可能であることを示す。
論文 参考訳（メタデータ） (2022-01-24T14:27:00Z) - CLIMATE-FEVER: A Dataset for Verification of Real-World Climate Claims [4.574830585715129]
気候変動関連クレームを検証するための新しいデータセットであるCLIMATE-FEVERを紹介する。
人工的に設計されたクレームの最大のデータセットであるFEVER [1]の方法論を,インターネットから収集した実生活クレームに適用する。
我々は、textscfeverフレームワーク内での現実世界の気候関連クレームをモデル化する、驚くべき、微妙な複雑さについて論じる。
論文 参考訳（メタデータ） (2020-12-01T16:32:54Z) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳（メタデータ） (2020-11-03T21:22:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。