SYMBIOSIS: Systems Thinking and Machine Intelligence for Better Outcomes in Society
Created by
- Haebom
Category
Empty
저자
Sameer Sethi, Donald Martin Jr., Emmanuel Klu
개요
SYMBIOSIS는 시스템 사고를 활용하여 사회적 문제를 해결하고 AI 시스템 개선에 도움이 되는 경로를 여는 것을 목표로 하는 AI 기반 프레임워크 및 플랫폼입니다. 지속 가능한 개발 목표(SDGs)와 사회적 주제별로 분류된 시스템 사고/시스템 다이내믹스 모델의 중앙 집중식 오픈소스 저장소를 구축합니다. 복잡한 시스템 표현(인과 루프 및 스톡-플로우 다이어그램 등)을 자연어로 변환(그리고 그 반대)하는 생성형 코파일럿을 개발하여 전문적인 기술 교육 없이도 모델을 탐색하고 구축할 수 있도록 지원합니다. 커뮤니티 기반 시스템 다이내믹스(CBSD)를 기반으로 하며, 사회적 맥락에 대한 커뮤니티 중심의 통찰력을 바탕으로 문제 이해의 격차를 해소하는 것을 목표로 합니다. 이는 ML 개발자가 문제 이해 및 공식화에 필수적인 커뮤니티 특유의 지식이 부족하여 발생하는 인식론적 불확실성에 의해 발생하는 격차를 해소하여, 잘못된 인과적 가정, 감소된 개입 효과 및 유해한 편향을 줄이고자 합니다. 시스템 사고 프레임워크를 더욱 접근 가능하고 사용자 친화적으로 만들어 책임감 있고 사회 중심적인 AI에 대한 미래 연구를 위한 기초 단계로서 기능하는 것을 목표로 합니다.
시사점, 한계점
•
시사점:
◦
시스템 사고 프레임워크의 접근성 향상을 통해 사회적 문제 해결 및 AI 시스템 개선에 기여할 수 있음.
◦
생성형 코파일럿을 통해 전문적인 기술 교육 없이도 시스템 모델을 탐색하고 구축 가능.
◦
커뮤니티 기반 시스템 다이내믹스를 활용하여 문제 이해의 격차를 해소하고, 더욱 사회에 맞는 효과적인 AI 시스템 개발 가능.
◦
인과 추론 및 귀납 추론에 대한 AI 연구의 기반을 마련.
•
한계점:
◦
플랫폼의 지속적인 유지 및 관리에 대한 어려움.
◦
다양한 사회적 주제 및 SDGs에 대한 포괄적인 모델 구축의 어려움.
◦
생성형 코파일럿의 정확성 및 신뢰성에 대한 검증 필요.
◦
커뮤니티 기반 시스템 다이내믹스의 데이터 편향 및 신뢰성 문제.
