Fugu-MT 論文翻訳(概要): AI for Anticipatory Action: Moving Beyond Climate Forecasting

論文の概要: AI for Anticipatory Action: Moving Beyond Climate Forecasting

arxiv url: http://arxiv.org/abs/2307.15727v1
Date: Fri, 28 Jul 2023 17:32:59 GMT
ステータス: 翻訳完了
システム内更新日: 2023-08-01 19:46:18.235703
Title: AI for Anticipatory Action: Moving Beyond Climate Forecasting
Title（参考訳）: 予知行動のためのai: 気候変動予測を超えて
Authors: Benjamin Q. Huynh and Mathew V. Kiang
Abstract要約: 災害対応機関は、気象予報のパラダイムから予報行動へと移行している。機械学習モデルは、気候予測において非常に強力なものになりつつある。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Disaster response agencies have been shifting from a paradigm of climate forecasting towards one of anticipatory action: assessing not just what the climate will be, but how it will impact specific populations, thereby enabling proactive response and resource allocation. Machine learning models are becoming exceptionally powerful at climate forecasting, but methodological gaps remain in terms of facilitating anticipatory action. Here we provide an overview of anticipatory action, review relevant applications of machine learning, identify common challenges, and highlight areas where machine learning can uniquely contribute to advancing disaster response for populations most vulnerable to climate change.
Abstract（参考訳）: 災害対応機関は、気候予測のパラダイムから、気候がどのようなものかを評価するだけでなく、特定の人口にどのように影響するかを評価することで、積極的応答と資源配分を可能にしている。気候予報では機械学習モデルが非常に強力になっているが、予測行動を促進するという点では方法論的ギャップが残っている。ここでは、予測行動の概要、機械学習の関連応用のレビュー、共通の課題の特定、および機械学習が気候変動に最も脆弱な人口に対する災害対応に一意に貢献できる分野のハイライトを紹介する。

関連論文リスト

Addressing Climate Action Misperceptions with Generative AI [0.0]
気候に敏感な人でさえ、どの行動が二酸化炭素排出量を最も減少させるかについての誤解を抱くことが多い。気候知識を備えた大規模言語モデル(LLM)による気候行動の議論が,より正確な知覚を促進するかどうかを検討するため,1201名の気候意識者を募集した。パーソナライズされた気候 LLM は、気候行動の影響に関する知識が増大し、影響のある行動を採用する意図が強まった唯一の条件であった。
論文参考訳（メタデータ） (2026-02-26T03:03:01Z)
Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models [60.728124907335]
本研究では,気象適応型対向摂動最適化(WAAPO)を紹介した。 WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が大きな逸脱をもたらす可能性がある。
論文参考訳（メタデータ） (2025-12-09T17:20:56Z)
From Black Box to Insight: Explainable AI for Extreme Event Preparedness [6.583192288853322]
気候変動が山火事などの極端な出来事の頻度と深刻度を加速するにつれ、正確で説明可能な予測や行動可能な予測の必要性が高まっている。人工知能(AI)モデルはそのような事象を予測することを約束しているが、現実の意思決定への採用はブラックボックスの性質のために制限されている。本稿では、予測精度と極端な事象予測のための実用的な洞察とのギャップを埋める上での、説明可能なAI(XAI)の役割について検討する。
論文参考訳（メタデータ） (2025-11-17T18:57:15Z)
Do machine learning climate models work in changing climate dynamics? [3.912757881247533]
本研究は,様々なアウト・オブ・ディストリビューション(OOD)シナリオにおいて,最先端のMLベースの気候モデルを体系的に評価する。大規模なデータセットの実験では、シナリオ間での顕著なパフォーマンスのばらつきが示され、現在のモデルの強度と限界に光を当てている。
論文参考訳（メタデータ） (2025-09-15T17:12:49Z)
Multi-Hazard Early Warning Systems for Agriculture with Featural-Temporal Explanations [5.363664265121231]
気候の極端には農業へのリスクが増大する。従来の単一ハザード予測手法は、同時気候事象間の複雑な相互作用を捉えるには不十分である。本稿では、逐次的なディープラーニングモデルと高度な説明可能な人工知能(XAI)技術を組み合わせて、農業のためのマルチハザード予測フレームワークを導入する。
論文参考訳（メタデータ） (2025-07-30T05:16:35Z)
Robustness of AI-based weather forecasts in a changing climate [1.4779266690741741]
現状の機械学習モデルは、現在の気候における天気予報のために訓練されたものであり、様々な気候状態において熟練した予測をもたらすことを示す。現在の制限にもかかわらず、我々の結果は、データ駆動機械学習モデルが気候科学に強力なツールを提供することを示唆している。
論文参考訳（メタデータ） (2024-09-27T08:11:49Z)
Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文参考訳（メタデータ） (2024-09-11T19:31:56Z)
Performative Prediction on Games and Mechanism Design [69.7933059664256]
エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
論文参考訳（メタデータ） (2024-08-09T16:03:44Z)
Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文参考訳（メタデータ） (2023-12-18T09:05:28Z)
CMIP X-MOS: Improving Climate Models with Extreme Model Output Statistics [40.517778024431244]
自然災害リスクの予測を改善するために, エクストリームモデル出力統計(X-MOS)を導入する。この手法は, 気象観測所から得られた実測値にCMIPモデル出力を正確にマッピングするために, 深部回帰手法を用いる。これまでの研究とは対照的に,本研究では,将来の気候パラメータ分布の尾部推定の強化に重点を置いている。
論文参考訳（メタデータ） (2023-10-24T13:18:53Z)
What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文参考訳（メタデータ） (2022-06-13T21:31:06Z)
ClimateGAN: Raising Climate Change Awareness by Generating Images of Floods [89.61670857155173]
実画像上でのリアルな洪水をシミュレートする手法を提案する。本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
論文参考訳（メタデータ） (2021-10-06T15:54:57Z)
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)
Heterogeneous-Agent Trajectory Forecasting Incorporating Class Uncertainty [54.88405167739227]
本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
論文参考訳（メタデータ） (2021-04-26T10:28:34Z)
The Power of Language: Understanding Sentiment Towards the Climate Emergency using Twitter Data [0.0]
原油先物と気候危機に対する感情との間には関係があると推測できる。本研究は,気候危機時の会話を3つのトピックに分割することが可能であることを示す。
論文参考訳（メタデータ） (2021-01-25T19:51:10Z)
The Human Effect Requires Affect: Addressing Social-Psychological Factors of Climate Change with Machine Learning [2.0178765779788495]
我々は、気候変動に対する機械学習に基づく介入を強化するために、どのように影響を組み込むことができるかを調査する。本稿では, 気候変動とシミュレートされた気候変動社会ジレンマの両面において, 情緒的エージェントベース・モデリングを応用することを提案する。私たちは、感情的なMLを利用することで、介入をより強力なツールにし、緩和行動が広く採用されるようになることを期待しています。
論文参考訳（メタデータ） (2020-11-24T23:34:54Z)

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。