强化学习在环境政策应用中的权力与问责
计算机与社会
2022-07-01 v1 机器学习
摘要
机器学习（ML）方法已经渗透到环境决策中，从处理地球系统的高维数据到监测环境法规的合规性。在可用于应对紧迫环境问题（例如气候变化、生物多样性丧失）的 ML 技术中，强化学习（RL）可能既最具前景，也带来最紧迫的危险。本文探讨 RL 驱动的政策如何折射环境领域中现有的权力关系，同时也给确保公平和负责任的环境决策过程带来独特挑战。我们利用 RL 在气候变化减缓和渔业管理中的应用实例，探讨 RL 技术如何改变资源使用者、管理机构和私营行业之间的权力分配。
引用
@article{arxiv.2205.10911,
title = {Power and accountability in reinforcement learning applications to environmental policy},
author = {Melissa Chapman and Caleb Scoville and Marcus Lapeyrolerie and Carl Boettiger},
journal= {arXiv preprint arXiv:2205.10911},
year = {2022}
}
备注
2022 Conference on Neural Information Processing Systems