論文の概要: Philosophical Foundations of GeoAI: Exploring Sustainability, Diversity,
and Bias in GeoAI and Spatial Data Science
- arxiv url: http://arxiv.org/abs/2304.06508v1
- Date: Mon, 27 Mar 2023 14:01:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-16 21:38:09.158765
- Title: Philosophical Foundations of GeoAI: Exploring Sustainability, Diversity,
and Bias in GeoAI and Spatial Data Science
- Title(参考訳): GeoAIの哲学的基礎:GeoAIと空間データ科学における持続可能性・多様性・バイアスの探求
- Authors: Krzysztof Janowicz
- Abstract要約: 本章では、GeoAIと空間データ科学の哲学的基盤を形成する基本的な前提と原則について述べる。
それは、持続可能性、トレーニングデータのバイアス、スキーマ知識の多様性、そして、統一倫理的な視点からGeoAIシステムの中立性(潜在的に欠如している)といったテーマを強調している。
- 参考スコア(独自算出の注目度): 1.0152838128195467
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This chapter presents some of the fundamental assumptions and principles that
could form the philosophical foundation of GeoAI and spatial data science.
Instead of reviewing the well-established characteristics of spatial data
(analysis), including interaction, neighborhoods, and autocorrelation, the
chapter highlights themes such as sustainability, bias in training data,
diversity in schema knowledge, and the (potential lack of) neutrality of GeoAI
systems from a unifying ethical perspective. Reflecting on our profession's
ethical implications will assist us in conducting potentially disruptive
research more responsibly, identifying pitfalls in designing, training, and
deploying GeoAI-based systems, and developing a shared understanding of the
benefits but also potential dangers of artificial intelligence and machine
learning research across academic fields, all while sharing our unique
(geo)spatial perspective with others.
- Abstract(参考訳): 本章では、GeoAIと空間データ科学の哲学的基盤を形成する基本的な前提と原則について述べる。
この章は、相互作用、近所、自己相関を含む空間データ(分析)の確立された特性をレビューする代わりに、持続可能性、トレーニングデータのバイアス、スキーマ知識の多様性、ジオアイシステムの(潜在的に欠如した)中立性といったテーマを倫理的な観点から強調する。
私たちの専門職の倫理的意味を反映することで、潜在的に破壊的な研究をより責任あるものに実行し、GeoAIベースのシステムの設計、トレーニング、デプロイにおける落とし穴を特定し、また、学術分野における人工知能と機械学習研究の潜在的な危険性を共有化しながら、独自の(地質)空間的視点を他の人と共有するのに役立つでしょう。
関連論文リスト
- When Geoscience Meets Generative AI and Large Language Models:
Foundations, Trends, and Future Challenges [4.013156524547072]
生成人工知能 (Generative Artificial Intelligence, GAI) は、合成データと出力を異なるモードで生成することを約束する新興分野である。
本稿では,地球科学における生成型AIと大規模言語モデルの可能性について検討する。
論文 参考訳(メタデータ) (2024-01-25T12:03:50Z) - Artificial Intelligence and Human Geography [1.6135760596596367]
本稿では,人間地理学におけるAIの最近の進歩と応用について考察する。
これには、場所表現とモデリング、空間分析と予測マッピング、都市計画と設計を含む、マシン(ディープ)学習の使用が含まれる。
論文 参考訳(メタデータ) (2023-12-14T11:20:22Z) - Artificial Intelligence Studies in Cartography: A Review and Synthesis
of Methods, Applications, and Ethics [4.665390376528911]
我々はGeoAIと地図学を統合した研究の体系的な内容分析と物語合成を行う。
データソース,データフォーマット,マップ評価,および6つの現代GeoAIモデルなどの地図作成のためのGeoAI手法の次元を同定する。
地図学におけるGeoAIの統合に対処する必要がある5つの倫理的課題を提起する。
論文 参考訳(メタデータ) (2023-12-13T05:15:57Z) - Interpretable Geoscience Artificial Intelligence (XGeoS-AI): Application
to Demystify Image Recognition [11.12186767531391]
本研究では,地球科学における画像認識の謎を明らかにするための,解釈可能な地球科学人工知能(XGeoS-AI)フレームワークを提案する。
XGeoS-AIフレームワークは、人間の視覚のメカニズムにヒントを得て、画像全体の局所領域からしきい値を生成し、認識を完了させる。
論文 参考訳(メタデータ) (2023-11-08T01:54:56Z) - Predictable Artificial Intelligence [67.79118050651908]
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。
本稿では,予測可能なAIに関する疑問,仮説,課題を解明することを目的とする。
論文 参考訳(メタデータ) (2023-10-09T21:36:21Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳(メタデータ) (2023-09-14T05:43:36Z) - When Geoscience Meets Foundation Models: Towards General Geoscience
Artificial Intelligence System [5.8666339171606445]
地球科学基礎モデルは、地球系の力学をシミュレートし理解するために、大規模な学際データを統合する。
データ中心人工知能(AI)パラダイムとして、ペタバイト単位の構造化データと非構造化データの洞察を明らかにする。
現在の制限にもかかわらず、地球科学財団のモデルは、気候変動、自然災害、持続可能性といった問題に対する重要な洞察を提供することを約束している。
論文 参考訳(メタデータ) (2023-09-13T08:44:09Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - Empowering Local Communities Using Artificial Intelligence [70.17085406202368]
人中心の観点から、AIが社会に与える影響を探求する上で重要なトピックとなっている。
市民科学におけるこれまでの研究は、AIを使って研究に大衆を巻き込む方法を特定してきた。
本稿では,コミュニティ市民科学にAIを適用する上での課題について論じる。
論文 参考訳(メタデータ) (2021-10-05T12:51:11Z) - On the Opportunities and Risks of Foundation Models [256.61956234436553]
これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。
本報告では,基礎モデルの可能性とリスクについて概説する。
これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
論文 参考訳(メタデータ) (2021-08-16T17:50:08Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳(メタデータ) (2021-04-10T13:40:22Z)
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。