資料偏見加劇人工智慧氣候預測的不確保性，研究者警告
背景
2023 年 8 月 24 日，發表在 npj Climate Action 的一篇論文警告稱，由於存在資料偏見，開發中國家面臨錯誤的天氣預測，從而錯失重要的全球氣候行動機會。這些資料偏見影響了人工智慧（AI）驅動的氣候模擬工具所依賴的氣候資料收集，在氣候科學家試圖預測未來情景並指導全球行動方面，這些新興技術的實用性受到了約束。
資料偏見的影響
研究人員指出，氣候資料收集中的偏見會在資料中產生"漏洞"，從而導致不準確的氣候預測和誤導性的結論。這些偏見主要集中在全球南方地區，因為這些地區更難以獲得各類建模和分析目的所需的資料集。
研究顯示資料偏見可以廣泛分為程式程式設計偏見、資料集偏見和算法偏見。程式程式設計和算法偏見相對較容易解決，因為它們是數學性質的。然而資料集偏見則是最難解決的，因為這些資料不存在，需要巨大的資金和人力投資來從頭開始構建。例如，許多生成性 AI 技術在處理有關全球南方、非洲撒哈拉以南地區、印度或其他非西方國家的本地語境時存在困難。這種偏見雖然與氣候行動無直接聯動，但表明缺乏具有代表性的資料集對於使用任何形式的決策工具的 AI 技術來說都是一個挑戰。
偏見資料的後果
研究人員指出，偏見的氣候資料將提供不準確的極端天氣預測，這對貧困的全球南方國家已經更加脆弱於氣候變化的影響。由於偏見或缺乏資料集，預測失準將進一步減緩減緩和適應的努力，從而導致更多的氣候引起的財產損失和對人類和社會資本的破壞。
由劍橋大學計算社會科學助理教授 Ramit Debnath 擔任首席作者的研究團隊指出，他們的研究最重要的發現是：資料公正與氣候公義息息相關。他們建議建立氣候行動 AI 時，必須意識到資料缺口和嵌入的偏見以及需要採取什麼努力來減少這些缺口。
人機協同的 AI 解決方案
研究團隊提出，這些"資料漏洞"可以透過人類知識填補，使用所謂的"人機協同"設計，以提供 AI 氣候變化程式在檢查資料的可靠性和上下文方面提供幫助，以改善預測的準確性。
研究人員舉例 AI 聊天機器人模型 ChatGPT，該模型可以向人類使用者提出跟進問題，承認錯誤，挑戰不正確的前提和拒絕不適當的要求。他們還建議加固全球南方的資料基礎設施，並投資於像 COCO-Africa 這樣的本土資料初創企業，該平臺旨在收集和整理來自撒哈拉以南非洲國家的本地和上下文驅動的資料集。
肯亞梅魯科技大學數學系高級講師 Joab O. Odhiambo 表示人工智慧在準確的氣象監測方面對非洲至關重要，尤其是為了防止氣候災害的發生。然而他強調準確的天氣監測和相應的幹預的實際可行性取決於包括技術、基礎設施、教育、資金和治理等各種因素。
非洲科學院（AAS）氣候科學家和專案經理 Obed Ogega 表示 AI 工具在氣候變化預測和適應或減緩策略中的應用仍處於發展階段。他告訴 SciDev.Net 說："在我們完全理解到 AI 工具在氣候科學和氣候行動方面的準確性或有效性之前，還需要一些時間"。他指出，在撒哈拉以南非洲等地區，可用於"訓練"AI 工具的觀測資料相對較少，因此本文提到的"漏洞"可能在這些地區更加嚴重，錯報的風險更大。
結論
本研究的重要性在於提出了檢測和解決資料偏見的方法並提出理解決方案，以減少全球南方國家面臨的資料缺口。為實現資料公正和氣候公義，建議加固全球南方的資料基礎設施並投資於本土資料初創企業。此外人機協同設計也被提出作為一種解決資料偏見的方法，讓人類知識填補資料漏洞，以提高氣候預測的準確性。
然而值得注意的是，人機協同設計和資料基礎設施的改善只是解決問題的一部分。還需要相應的政策改革，以確保把資料公正和使用 AI 工具進行決策的目標與氣候公義的實現相結合。只有透過解決資料偏見問題，才能確保 AI 在氣候行動中的運用更加準確和公正，為全球南方國家的可持續發展做出貢獻。
