东方时讯网研究人员警告说，由于输入人工智能(AI)工具的数据存在偏差，导致天气预报不可靠，发展中国家可能会错过重要的全球气候行动。
根据8月17日发表在npjClimateAction上的论文，人工智能驱动的气候建模工具所依赖的气候数据收集中的偏差可能会限制此类新兴技术对试图预测未来情景和指导全球行动的气候科学家的有用性。
气候科学中使用的人工智能计算机程序经过专门设计，可以通过复杂的数据集寻找模式。
但研究人员表示，由于缺乏来自某些地点、时间段或社会群体的信息，数据中会产生“漏洞”，从而可能导致不准确的气候预测和误导性结论。
主要作者、英国剑桥大学计算社会科学助理教授拉米特·德布纳特(RamitDebnath)表示，由于为所有类型的建模和分析目的访问数据集面临挑战，这些数据差距在南半球国家更为明显。
Debnath告诉SciDev.Net：“数据差距很难准确量化，但总体趋势是大多数人工智能主导的气候公司都位于北半球。”
Debnath表示，这意味着“这些模型很有可能针对北半球情景进行了良好校准和构建，因为它们已经拥有适当的数据和天气监测基础设施”。
偏差可以大致分为偏差编程、偏差数据集和偏差算法。研究表明，编程和算法更容易纠正，因为它们是数学的。
然而，研究人员表示，有偏见的数据集是最困难的，因为数据并不存在，并且需要大量的资本和人力投资才能从头开始构建它。
例如，生成式人工智能(可以生成文本和图像等内容的技术)的许多实例表明，它在处理全球南方的主题时遇到了困难，特别是当被问及撒哈拉以南非洲、印度或任何其他非西方国家的当地背景时。德布纳斯解释道。
“同样，许多报告表明，当代人工智能技术经常在基于姓名、肤色等的工作申请结果中表现出偏见，”他补充道。
“这种偏见虽然与气候行动没有直接关系，但表明缺乏代表性数据集对于将人工智能工具用于任何形式的决策目的都是一个挑战。”
研究人员表示，气候数据存在偏差的后果是，它将提供对极端天气事件的不准确预测。
全球较贫穷的南方国家已经更容易受到气候变化的影响。他们认为，由于数据有偏差或缺乏数据集而导致的不准确预测将进一步减缓减缓和适应努力，从而导致气候对财产、人力和社会资本造成更多损害。
“我们的研究最重要的发现是数据正义可能是气候正义的关键，”黛布纳斯说，他也是该大学剑桥零气候变化倡议的成员。
“我们的建议是，无论谁正在构建气候行动人工智能，都必须意识到数据差距和嵌入的偏见，以及需要采取哪些努力来缩小这些差距。”
“人在环”人工智能解决方案
作者建议，“数据漏洞”可以通过人类知识来填补，使用所谓的人机交互设计，为人工智能气候变化项目提供帮助，检查数据的可靠性和背景，以提高预测的准确性。
他们以人工智能聊天机器人模型ChatGPT为例，该模型可以向人类用户提出后续问题、承认错误、挑战不正确的前提并拒绝不适当的请求。
研究人员还建议加强南半球的数据基础设施，并投资COCO-Africa等本土数据初创企业，该平台旨在通过收集和整理来自撒哈拉以南非洲国家的本地和上下文驱动的数据集来弥合数据差距。
肯尼亚梅鲁科技大学数学系高级讲师JoabO.Odhiambo表示，人工智能对于非洲准确的天气监测，特别是避免气候灾害至关重要。
他告诉SciDev.Net：“人工智能可以提高预测准确性并及时响应干旱、洪水和热浪等事件，从而彻底改变天气监测和灾害管理。”
然而，他强调，准确天气监测和后续干预措施的实用性取决于多种因素，包括技术、基础设施、教育、资金和治理。
非洲科学院(AAS)气候科学家兼项目经理ObedOgega表示，人工智能工具在气候变化预测和适应或缓解策略中的使用仍处于开发阶段。
“我们需要一些时间才能充分了解人工智能工具在气候科学和气候行动中的准确性和有效性，”Ogega告诉SciDev.Net。
他指出，由于撒哈拉以南非洲等地区可用于“训练”人工智能工具的观测数据较为有限，文章中提到的“漏洞”可能会更大，错误信息的风险也更大。
他说：“正如文章中指出的，在使用人工智能工具时需要采用‘人机交互’的方法，而这种需求在存在重大数据差距的发展中国家更为重要。”
更多信息：RamitDebnath等人，利用人类和机器智能促进行星