論文の概要: Artificial Intelligence and Innovation to Reduce the Impact of Extreme
Weather Events on Sustainable Production
- arxiv url: http://arxiv.org/abs/2210.08962v1
- Date: Wed, 21 Sep 2022 06:52:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 21:01:39.540741
- Title: Artificial Intelligence and Innovation to Reduce the Impact of Extreme
Weather Events on Sustainable Production
- Title（参考訳）: 持続可能生産における極端気象事象の影響低減のための人工知能とイノベーション
- Authors: Derrick Effah, Chunguang Bai, and Matthew Quayson
- Abstract要約: 極度の天候の予測不可能は 持続可能な生産と 陸地での生活を危険にさらす
AI(Artificial Intelligent)、IoT(Internet of Things)、ブロックチェーン(ブロックチェーン)、3Dプリンティング(3Dプリンティング)、バーチャルおよび拡張現実(VRとAR)といった現代技術は、極端な天候のリスクと影響を減らすことを約束している。
しかし、これらの技術がどのように極端な気象の影響を減らすのに役立つかについての研究の方向性は明らかになっていない。
- 参考スコア（独自算出の注目度）: 1.290382979353427
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Frequent occurrences of extreme weather events substantially impact the lives
of the less privileged in our societies, particularly in agriculture-inclined
economies. The unpredictability of extreme fires, floods, drought, cyclones,
and others endangers sustainable production and life on land (SDG goal 15),
which translates into food insecurity and poorer populations. Fortunately,
modern technologies such as Artificial Intelligent (AI), the Internet of Things
(IoT), blockchain, 3D printing, and virtual and augmented reality (VR and AR)
are promising to reduce the risk and impact of extreme weather in our
societies. However, research directions on how these technologies could help
reduce the impact of extreme weather are unclear. This makes it challenging to
emploring digital technologies within the spheres of extreme weather. In this
paper, we employed the Delphi Best Worst method and Machine learning approaches
to identify and assess the push factors of technology. The BWM evaluation
revealed that predictive nature was AI's most important criterion and role,
while the mass-market potential was the less important criterion. Based on this
outcome, we tested the predictive ability of machine elarning on a publilcly
available dataset to affrm the predictive rols of AI. We presented the
managerial and methodological implications of the study, which are crucial for
research and practice. The methodology utilized in this study could aid
decision-makers in devising strategies and interventions to safeguard
sustainable production. This will also facilitate allocating scarce resources
and investment in improving AI techniques to reduce the adverse impacts of
extreme events. Correspondingly, we put forward the limitations of this, which
necessitate future research.
- Abstract（参考訳）: 極端な気象現象の頻発は、社会、特に農業関連経済における特権の低い人々の生活に大きな影響を及ぼす。
極端な火災、洪水、干ばつ、サイクロンなどの予測不可能さは、土地での持続可能な生産と生活を危険にさらす(SDG目標15)。
幸いなことに、AI(Artificial Intelligent)、IoT(Internet of Things)、ブロックチェーン、3Dプリンティング、バーチャルおよび拡張現実(VRとAR)といった現代技術は、私たちの社会における極端な天候のリスクと影響を減らすことを約束しています。
しかし、これらの技術が極端な天候の影響を減少させる方法に関する研究の方向性は明らかでない。
これにより、極度の気象圏内でのデジタル技術の展開が困難になる。
本稿では,delphi best worst method と machine learning approach を用いて技術プッシュ要因の同定と評価を行った。
BWMの評価では、予測性はAIの最も重要な基準と役割であり、大衆市場の可能性は重要でない基準であることがわかった。
この結果に基づいて,aiの予測ロルを回避すべく,publilclyが利用可能なデータセット上でのマシンリーニングの予測能力をテストした。
本研究は, 研究と実践に不可欠である, 管理的, 方法論的意義を提示する。
本研究で活用した手法は, 持続可能な生産を守るための戦略開発と介入を支援する。
これにより、不足するリソースの割り当てや、極端な出来事の有害な影響を減らすためにAI技術の改善への投資も促進される。
それに対応して,今後の研究を必要とする限界を提起した。
関連論文リスト
- Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。
第一に、計算要求がモデルの性能よりも早く増加し、不合理な経済要求と不均等な環境フットプリントにつながるため、持続可能ではない。
第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
論文 参考訳（メタデータ） (2024-09-21T14:43:54Z) - Misrepresented Technological Solutions in Imagined Futures: The Origins and Dangers of AI Hype in the Research Community [0.060998359915727114]
我々は、AIハイプの起源とリスクを、研究コミュニティや社会に広く検討する。
我々は、研究者、規制当局、そして一般市民がこれらのリスクを軽減し、この技術に関する根拠のない主張の頻度を減らすための一連の措置を提案する。
論文 参考訳（メタデータ） (2024-08-08T20:47:17Z) - Mapping the individual, social, and biospheric impacts of Foundation Models [0.39843531413098965]
本稿では,基礎モデルと生成AIの社会的,政治的,環境的側面を説明するための重要な枠組みを提供する。
リスクと害の14のカテゴリを特定し、それらの個人的、社会的、および生物圏的影響に応じてそれらをマッピングする。
論文 参考訳（メタデータ） (2024-07-24T10:05:40Z) - Control Risk for Potential Misuse of Artificial Intelligence in Science [85.91232985405554]
我々は、科学におけるAI誤用の危険性の認識を高めることを目的としている。
化学科学における誤用の実例を取り上げる。
我々は、科学におけるAIモデルの誤用リスクを制御するSciGuardというシステムを提案する。
論文 参考訳（メタデータ） (2023-12-11T18:50:57Z) - Artificial Intelligence in Sustainable Vertical Farming [0.0]
持続可能な垂直農業におけるAIの役割を包括的に探求する。
このレビューは、機械学習、コンピュータビジョン、IoT(Internet of Things)、ロボット工学を含む、AIアプリケーションの現状を合成する。
この影響は、経済的な可能性、環境への影響の低減、食料安全保障の向上など、効率の向上を超えて拡大している。
論文 参考訳（メタデータ） (2023-11-17T22:15:41Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Managing extreme AI risks amid rapid progress [171.05448842016125]
我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。
このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。
現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
論文 参考訳（メタデータ） (2023-10-26T17:59:06Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳（メタデータ） (2023-10-09T21:36:21Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - A Survey on AI Sustainability: Emerging Trends on Learning Algorithms
and Research Challenges [35.317637957059944]
我々は、AIの持続可能性問題に対処できる機械学習アプローチの大きなトレンドについてレビューする。
我々は、既存の研究の大きな限界を強調し、次世代の持続可能なAI技術を開発するための潜在的研究課題と方向性を提案する。
論文 参考訳（メタデータ） (2022-05-08T09:38:35Z) - Remote sensing, AI and innovative prediction methods for adapting cities
to the impacts of the climate change [0.0]
リモートセンシング画像からインジケータを抽出するのに有用なAIベースのフレームワークを提案する。
これは多くの科学者にとってオープンフィールドであり、現在進行中の研究であり、AIベースの手法の課題と限界について深く議論しています。
論文 参考訳（メタデータ） (2021-07-06T15:55:26Z)
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。