[論文レビュー] AI Explainability and Governance in Smart Energy Systems: A Review

Roba Alsaigh, Rashid Mehmood+1 more|arXiv (Cornell University)|Oct 24, 2022

Explainable Artificial Intelligence (XAI)被引用数 9

ひとこと要約

本稿は、スマートエネルギー制度におけるAIの説明可能性とガバナンスをレビューし、150篇以上の論文を分析するデータドリブンな「ディープジャーナリズム」アプローチを用いて15の主要なガバナンスパラメータを同定した。研究は、エネルギー分野におけるAIの説明可能性研究が散逸的で限定的であることを明らかにし、ステークホルダーがエネルギー制度におけるAIの導入、設計、リスク管理を改善するための包括的なランドスケープを提供する。

ABSTRACT

Traditional electrical power grids have long suffered from operational unreliability, instability, inflexibility, and inefficiency. Smart grids (or smart energy systems) continue to transform the energy sector with emerging technologies, renewable energy sources, and other trends. Artificial intelligence (AI) is being applied to smart energy systems to process massive and complex data in this sector and make smart and timely decisions. However, the lack of explainability and governability of AI is a major concern for stakeholders hindering a fast uptake of AI in the energy sector. This paper provides a review of AI explainability and governance in smart energy systems. We collect 3,568 relevant papers from the Scopus database, automatically discover 15 parameters or themes for AI governance in energy and elaborate the research landscape by reviewing over 150 papers and providing temporal progressions of the research. The methodology for discovering parameters or themes is based on "deep journalism", our data-driven deep learning-based big data analytics approach to automatically discover and analyse cross-sectional multi-perspective information to enable better decision-making and develop better instruments for governance. The findings show that research on AI explainability in energy systems is segmented and narrowly focussed on a few AI traits and energy system problems. This paper deepens our knowledge of AI governance in energy and is expected to help governments, industry, academics, energy prosumers, and other stakeholders to understand the landscape of AI in the energy sector, leading to better design, operations, utilisation, and risk management of energy systems.

研究の動機と目的

• スマートエネルギー制度におけるAIの説明可能性とガバナンスの欠如という増大する課題に対処すること。
• 150篇以上の論文を系統的レビューすることで、エネルギー制度におけるAIの現在の研究動向をマッピングすること。
• データドリブンなディープラーニングアプローチを用いて、エネルギー分野におけるAIのガバナンスのための15の主要パラメータを同定・分類すること。
• 政府、産業界、研究者らが、より透明性が高く信頼性があり、ガバナンス可能なAIシステムをエネルギー応用分野で設計するのを支援すること。
• AIドリブンのエネルギー制度におけるリスク管理とステークホルダーの信頼を向上させる基盤を提供すること。

提案手法

• 本研究は、スコパスデータベースから抽出した3,568篇の論文を、データドリブンな「ディープジャーナリズム」手法を用いて分析した。
• 「ディープジャーナリズム」アプローチは、ディープラーニングとビッグデータ分析を活用し、文献から横断的かつ多角的なインサイトを抽出する。
• エネルギー分野におけるAIガバナンスのためのテーマとパラメータは、研究動向の反復的分析を通じて自動的に同定され、検証された。
• 研究の時間的推移をマッピングすることで、AIの説明可能性とガバナンスのトピックが時間経過とともにどのように進化したかを追跡した。
• この手法により、技術的・倫理的・運用的次元にまたがる15の異なるガバナンスパラメータが同定された。
• 150篇以上の関連論文の定性的な統合的分析を実施し、研究の焦点、ギャップ、テーマクラスタを評価した。

実験結果

リサーチクエスチョン

• RQ1 スマートエネルギー制度におけるAIガバナンスの主要なテーマとパラメータは何か？
• RQ2 エネルギー制度におけるAIの説明可能性に関する研究は、時間の経過とともにどのように変化したか？
• RQ3 現在のエネルギー応用分野におけるAIの説明可能性研究における主なギャップと制限は何であるか？
• RQ4 『ディープジャーナリズム』のようなデータドリブンなアプローチが、エネルギー制度のような複雑な分野におけるガバナンスパラメータを効果的に同定できるか？
• RQ5 AIの説明可能性研究の散逸的傾向が、エネルギー制度におけるAIのガバナンスと導入に与える影響は何か？

主な発見

• エネルギー制度におけるAIの説明可能性に関する研究は、非常に断片的で、特定のAI特性や特定のエネルギー制度の問題に限定的に集中している。
• 本研究は、技術的・倫理的・運用的次元にわたる15の明確に区別されたガバナンスパラメータを同定した。
• 時間的分析から、ガバナンスと説明可能性に関する関心が高まっているが、テーマごとの進捗は不均一であることが示された。
• 技術的説明可能性と制度的・規制的ガバナンスを統合する包括的なフレームワークの欠如が見られた。
• 「ディープジャーナリズム」アプローチは、横断的なテーマを効果的に同定し、エネルギー分野におけるAIガバナンスの構造的ランドスケープを提供した。
• 研究結果は、信頼できるAIのエネルギー制度への導入を支援する統合的でマルチステークホルダー型のガバナンス機器の緊急の必要性を強調している。