3.11 Primjena umjetne inteligencije na vaš ekološki projekt

Ovaj modul prelazi s konceptualnog razumijevanja i analize studija slučaja na praktičnu primjenu. Osmišljen je kao vođena vježba u stilu radnog listića kako bi se polaznici osnažili da konceptualiziraju vlastiti mali ekološki projekt potpomognut umjetnom inteligencijom. Cilj nije proizvesti gotov projekt u okviru ovog tečaja, već razviti dobro promišljen, djelotvoran plan koji gradi samopouzdanje za poduzimanje sljedećih koraka u vlastitoj zajednici. Proces je podijeljen u pet ključnih faza planiranja, od kojih se svaka poziva na okvire i alate o kojima se raspravljalo u prethodnim modulima.

1. Definiranje vašeg pitanja: Moć specifičnosti

Najuspješniji projekti zajednice ne započinju s velikom ambicijom, već s određenim, odgovorivim pitanjem. Umjesto „Kako možemo zaustaviti zagađenje?“, učinkovitija početna točka je usmjereno istraživanje ukorijenjeno u vašem lokalnom kontekstu.

Zadatak za polaznike: Koje je jedno specifično ekološko pitanje ili izazov u vašoj zajednici kojim se strastveno želite baviti? Formulirajte ga kao jasno, provedivo pitanje.

Primjeri:

• „Gdje su najčešća ilegalna odlagališta otpada duž našeg lokalnog dijela rijeke?“
• „Koje autohtone biljke pogodne za oprašivače nestaju iz naših lokalnih parkova?“
• „Koje su glavne brige starijih članova naše zajednice o promjenama koje su vidjeli u lokalnoj klimi tijekom svojih života?“

2. Identificiranje vaših podataka: Koje priče možete ispričati?

S jasnim pitanjem, sljedeći korak je razmotriti koje vrste podataka bi mogle pomoći u odgovoru na njega. Ovi podaci mogu doći iz širokog spektra izvora, kako tradicionalnih tako i digitalnih. Ova faza uključuje kombiniranje različitih vrsta informacija, kao što su usmene predaje stanovnika, izvješća zajednice i znanstvena mjerenja.

Zadatak za polaznike: Razmislite o svim potencijalnim izvorima podataka koji bi se mogli odnositi na vaše pitanje. Razmišljajte široko o kvalitativnim i kvantitativnim informacijama.

Primjeri (povezani s gornjim pitanjima):

• Za ilegalno odlaganje: Geografski označene fotografije koje su snimili članovi zajednice tijekom šetnji, službena izvješća komunalnih službi, usmeni iskazi dugogodišnjih stanovnika o povijesnim mjestima odlaganja.
• Za biljke oprašivače: Fotografije biljaka u lokalnim parkovima, povijesni zapisi o sadnji od strane općine, intervjui s lokalnim vrtlarima ili botaničarima o promjenama koje su primijetili.
• Za brige starijih osoba: Snimljeni intervjui usmene povijesti, analiza arhiva lokalnih novina, povijesni vremenski podaci s obližnje postaje.

3. Odabir vaših alata: Usklađivanje tehnologije sa zadatkom

Ne zahtijeva svaki problem najsloženiju umjetnu inteligenciju. Ova faza uključuje odabir odgovarajućeg pristupa na temelju vašeg pitanja i dostupnih podataka, pozivajući se na alate i tehnike o kojima se raspravljalo u Modulima 3 i 4.

Zadatak za polaznike: Pregledajte tablice „Alati građanske znanosti potpomognuti umjetnom inteligencijom“ (Modul 3) i „Tehnike umjetne inteligencije za analizu podataka o okolišu“ (Modul 4). Na temelju vaših vrsta podataka, koji jedan ili dva alata ili tehnike se čine najprikladnijima za vaš projekt?

Primjeri:

• „Ako su moji primarni podaci fotografije ilegalnog odlaganja, mogao bih istražiti korištenje platforme građanske znanosti gdje korisnici mogu prenositi i mapirati te fotografije. Kasnije bih mogao koristiti računalni vid kako bih pokušao klasificirati vrste otpada na slikama.“
• „Ako imam transkripte intervjua s članovima zajednice, koristit ću alat za obradu prirodnog jezika za tematsku analizu kako bih identificirao najčešće brige.“
• „Ako želim pratiti biljke oprašivače, počet ću s korištenjem alata poput iNaturalista za identifikaciju i mapiranje opažanja.“

4. Primjena vašeg etičkog okvira: Gradnja na temelju povjerenja

Prije nego što se prikupi ijedan podatak, mora postojati etički okvir. Ovo je ključan korak za svaki projekt koji uključuje znanje zajednice ili osobne podatke. Iako ovaj tečaj ne sadrži eksplicitno posvećen modul o etici, načela suvereniteta podataka, informiranog pristanka i dijeljenja koristi ključna su za izgradnju povjerenja i osiguravanje da je vaš projekt poštovan i učinkovit.

Zadatak za polaznike: Navedite kako ćete se baviti ključnim etičkim pitanjima u svom planu projekta.

Primjeri:

• Suverenitet podataka: „Moj projekt će uspostaviti sporazum o podacima zajednice, navodeći da sve prikupljene fotografije i priče pripadaju grupi zajednice, a ne meni kao pojedincu.“
• Informirani pristanak: „Sastavit ću jednostavan, jasan obrazac za pristanak za svakoga koga intervjuiram, objašnjavajući točno kako se njihove priče mogu koristiti, uključujući za analizu umjetnom inteligencijom, i dat ću ga na pregled članovima zajednice.“
• Dijeljenje koristi: „Konačni rezultat projekta – karta žarišta ilegalnog odlaganja – bit će slobodno podijeljen s lokalnim odborom za okoliš i javnošću kako bi se zagovaralo za više resursa za čišćenje.“

5. Planiranje za „čovjeka u petlji“: Gdje je stručnost najvažnija

Umjetna inteligencija je alat, a ne zamjena za ljudsku stručnost, prosuđivanje i kontekst. Ova završna faza planiranja uključuje identificiranje kritičnih točaka gdje je ljudski nadzor nezaobilazan.

Zadatak za polaznike: Identificirajte najmanje tri točke u tijeku rada vašeg projekta gdje je „čovjek u petlji“ (engl. human-in-the-loop) neophodan.

Primjeri:

• „Ljudski stručnjak mora provjeriti sve identifikacije biljaka generirane umjetnom inteligencijom prije nego što se dodaju na našu konačnu kartu.“
• „Tematska analiza iz umjetne inteligencije bit će samo polazišna točka. Naš projektni tim mora provesti konačnu interpretaciju priča zajednice kako bi osigurao da razumijemo kulturni kontekst.“
• „Prije nego što objavimo bilo kakve vizualizacije generirane umjetnom inteligencijom, pregledat će ih članovi zajednice koji su pružili podatke kako bi se osiguralo da su točni i prikazi puni poštovanja.“

Završetkom ovog strukturiranog procesa planiranja, polaznici će transformirati opći interes u konkretan, etičan i tehnološki informiran koncept projekta, spreman za daljnji razvoj.