[논문 리뷰] Reflections from the Workshop on AI-Assisted Decision Making for Conservation

Lily Xu, Esther Rolf외 22명|arXiv (Cornell University)|2023. 07. 17.

Species Distribution and Climate Change인용 수 6

한 줄 요약

이 화이트페이퍼는 2022년 AI 보조 보존 의사결정 워크숍의 통찰을 종합하여 자원 배분, 계획 수립, 영향 평가 분야에서 AI 응용 분야의 핵심 연구 격차를 규명한다. 실질적인 보존 과제를 해결하는 데 기여하는 인공지능 방법론을 발전시키기 위해 다학제적 협업을 촉구하며, 인과 추론, 불확실성 정량화, 사회적 및 재정적 지속 가능성에 기반한 구현을 강조한다.

ABSTRACT

In this white paper, we synthesize key points made during presentations and discussions from the AI-Assisted Decision Making for Conservation workshop, hosted by the Center for Research on Computation and Society at Harvard University on October 20-21, 2022. We identify key open research questions in resource allocation, planning, and interventions for biodiversity conservation, highlighting conservation challenges that not only require AI solutions, but also require novel methodological advances. In addition to providing a summary of the workshop talks and discussions, we hope this document serves as a call-to-action to orient the expansion of algorithmic decision-making approaches to prioritize real-world conservation challenges, through collaborative efforts of ecologists, conservation decision-makers, and AI researchers.

연구 동기 및 목표

• 자원의 고갈과 서식지 파괴가 심화되는 데 대비해 확장 가능하고 데이터 기반의 보존 전략을 통해 생물다양성 손실의 급증에 대응한다.
• 불확실성 하에서 보존 계획, 자원 배분, 영향 평가에 인공지능을 적용할 때의 핵심 연구 격차를 규명한다.
• 인공지능 연구자, 생태학자, 보존 현장 전문가 간의 협업을 촉진하여 방법론적으로 새로운, 실제 구현 가능한 해결책을 개발한다.
• 실제 보존 환경에서 사회적, 재정적, 생태적 트레이드오프를 고려한 인공지능 시스템의 필요성을 강조한다.
• 보존 의사결정에서 인과 추론, 불확실성 추정, 인간-인공지능 협업 분야의 방법론적 혁신을 촉진한다.

제안 방법

• 하버드 대학의 컴퓨팅 및 사회 연구 센터에서 개최된 2022년 AI 보조 보존 의사결정 워크숍의 토론과 발표 자료를 종합한다.
• 보존 과제를 세 단계로 분류한다: 지구 관측 및 인공지능을 통한 세계 이해, 최적화 및 계획 수립을 통한 세계에서의 행동, 인과 추론을 통한 영향 평가.
• 생물다양성 모니터링 및 개체 식별에 컴퓨터 비전, 딥 러닝, 확률 모델링 등의 인공지능 기법을 통합한다.
• 순차적 의사결정 프레임워크와 다중 에이전트 계획을 적용하여 레인저 순찰, 보호구역 설계, 사냥 방지 조치의 최적화를 도모한다.
• 임의 대조 실험(RCT)이 불가능한 상황에서 인과 효과를 추정하기 위해 도-계산법(do-calculus)과 반사적 추론(counterfactual reasoning)을 포함한 인과 추론 방법을 적용한다.
• 인간이 시스템에 참여하는 방식으로, 특히 패턴 인식 및 검증 작업에서 인간의 전문성과 인공지능의 효율성을 조합한다.

실험 결과

연구 질문

• RQ1 인공지능 기법은 기본적인 모니터링을 넘어서 보존 분야의 전략적 자원 배분과 행동 우선순위 설정을 지원하기 위해 어떻게 확장될 수 있는가?
• RQ2 불확실성, 모델 잘못 설정, 복잡한 제약 조건 하에서 강건한 인공지능 계획 수립을 가능하게 하기 위해 어떤 새로운 방법론적 발전이 필요한가?
• RQ3 임의 대조 실험(RCT)이 실현 불가능한 상황에서 인과 추론 기법은 어떻게 조정되어 실제 보존 간섭의 영향을 추정할 수 있는가?
• RQ4 정확도, 인간의 노력, 구현 비용을 균형 있게 고려하는 보존 환경에서의 인공지능 시스템 평가를 위한 어떤 지표와 평가 프레임워크가 필요한가?
• RQ5 인공지능 시스템은 어떻게 설계되어야 하며, 분포 외부 설정에서의 불확실성 추정을 효과적으로 소통하고 보존 전문가들 사이의 신뢰를 구축할 수 있는가?

주요 결과

• 인공지능 기반 의사결정은 컴퓨터 비전을 통한 모니터링 향상, 최적화된 행동 계획 수립, 인과적 영향 평가 지원을 통해 보존 분야에서 크게 기여할 수 있다.
• 개체 식별을 위한 인간-인공지능 하이브리드 시스템은 인공지능이 후보 매칭을 순위 매김함으로써 수동 검증 의존도를 감소시켜 인간의 노력은 줄이고 정확도는 유지했다.
• 실험적 통제가 불가능한 상황에서 보존 조치의 진정된 영향을 분리하기 위해 인과 추론 방법이 필수적이다. 예를 들어, 코끼리 개체군이 탄소 저장에 미치는 영향을 분석할 때 유용하다.
• 불확실성 정량화 및 불확실성 추정치의 효과적 소통는 특히 모델이 훈련 분포 외부에서 작동할 경우 신뢰와 안전한 구현을 위해 핵심적이다.
• 보존 분야에서 성공적인 인공지능 구현은 다학제적 협업과 지속적인 평가를 수반하는 단계적, 반복적인 배포가 필요하며, 이를 통해 사회적 및 재정적 트레이드오프를 관리할 수 있다.
• 현재 보존 분야의 인공지능 응용은 주로 패턴 인식에 국한되어 있다. 향후 발전을 위해서는 실제 제약 조건 하에서 최적화, 순차적 의사결정, 인과 모델링 분야의 방법론적 혁신이 필요하다.