A mesterséges intelligencia (MI) és a környezettudatosság – kérdések és válaszok a magyar büntetés-végrehajtás szemüvegén keresztül
Notice bibliographique
Résumé
Tény, hogy mesterséges intelligencia őrületben él a világ. Napjainkban előforduló számtalan problémára a mesterséges intelligenciát reméljük megoldásként. Felmerült tehát a kérdés, hogy – akár – szó szerint is jelenünk legégetőbb problémájában, a környezetvédelem kérdésében használható-e a mesterséges intelligencia és ha igen hogyan, hol és milyen módon Bár az ember alkotta találmányokat általában a környezetszennyezés mellett szoktuk felsorolni, az egyre gyorsabban fejlődő mesterséges intelligencia segítő kezet nyújthat nekünk abban, hogy sokkal hatékonyabban és rövidebb idő alatt tudjuk helyrehozni, vagy legalább is enyhíteni azokat a károkat, amelyeket a környezetünkben tettünk. Az elmúlt években a MI használatából fakadó eredmények nagyon meggyőzőek a természet megóvása, helyreállítása és védelme tekintetében. Alapgondolat már, hogy a MI megkönnyíti a természeti erőforrások jobb felhasználását, korábban ismeri fel a veszélyes szennyezést vagy felgyorsíthatja a fenntartható megoldások elterjedését. Azt is nyomon követhetjük évek óta, hogy a MI segítségével mentenek korallzátonyokat, jelentős eredményeket érnek el a hulladékkezelés és vízgazdálkodás területén is, láthatjuk hogyan vizualizálja az egyes területek klímaváltozás következtében várható változását a Mila (Montreal Institute for Learning Algorithms), vagy hogyan alkalmazza az IBM a mesterséges intelligenciát és a blokklánc-alapú megoldásokat annak érdekében, hogy átláthatóbb és alacsony széndioxid-kibocsátású ellátási láncot alakítson ki, továbbá azt is érdeklődően követtük ahogy a Jacobs mérnöki cég London vezetésének segített, és több milliárd adatpont elemzésével egy olyan közlekedési rendszer modelljét készítették el, amelyben az utazások 80 százalékához széndioxid-kibocsátásmentes közlekedési módokat használnak, de nem utolsó sorban a Samsung új, energiahatékony klímája is számos otthonban megtalálható már, ami komolyan épít a mesterséges intelligenciára is. Ezen megoldások példálózó bemutatására szorítkozik jelen tanulmány, kiemelten kezelve azon lehetőségeket, amelyek a magyar ambiciózus klímaterv támogatására szolgálhatnak.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,017 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».