利用反事实应对气候变化：在数据增强中使用反事实预测不确定气候未来下的作物生长
人工智能
2021-04-30 v1
摘要
气候变化给人类带来重大挑战，尤其体现在对农业的影响上，这是负责任AI应应对的挑战。本文中，我们考察了一个CBR系统（PBI-CBR），该系统旨在通过准确的作物生长预测来支持草地管理，从而助力可持续奶牛养殖。随着气候变化，PBI-CBR的历史案例在预测未来牧草生长时变得用处渐失。因此，我们利用数据增强扩展PBI-CBR，具体采用一种（来自XAI的）反事实方法以应对破坏性气候事件。研究1表明，在历史气候 disrupted 时期，PBI-CBR倾向于使用历史上的极端气候事件（气候离群案例）来预测牧草生长。研究2表明，作为反事实在离群边界上生成的合成离群值，在2018年干旱期间提高了PBI-CBR的预测精度。该研究还表明，基于实例的反事实方法优于基准的约束引导方法。
引用
@article{arxiv.2104.04008,
title = {Handling Climate Change Using Counterfactuals: Using Counterfactuals in Data Augmentation to Predict Crop Growth in an Uncertain Climate Future},
author = {Mohammed Temraz and Eoin Kenny and Elodie Ruelle and Laurence Shalloo and Barry Smyth and Mark T Keane},
journal= {arXiv preprint arXiv:2104.04008},
year = {2021}
}
备注
15 pages, 6 figures, 3 tables