3.12 Будућност вештачке интелигенције и одрживости

1. Који је ефикасан први корак приликом концептуализације новог еколошког пројекта заснованог на заједници и потпомогнутог вештачком интелигенцијом?

1

а) Одабир најмоћнијег доступног AI алата.
б) Дефинисање специфичног, управљивог питања које је утемељено у локалном контексту.
в) Обезбеђивање великог буџета.
г) Тренутно започињање прикупљања великих количина података.

2. Који је главни ризик при коришћењу великих језичких модела (LLM) за задатке попут научне комуникације?

1

а) Модели пишу стилом који је превише сложен за јавност.
б) Модели одбијају да сажму контроверзне теме.
в) Модели могу „халуцинирати“, што значи да самоуверено износе измишљене информације или цитирају непостојеће изворе.
г) Модели могу приступити само информацијама објављеним у последњој години.

3. Који је кључни исход комбиновања локалних еколошких запажања са анализом квантитативних података вођеном вештачком интелигенцијом?

1

а) Замена локалног знања поузданијим подацима са сензора.
б) Стварање хибридних модела који могу генерисати нове увиде и ефикасније резултате него што би било који систем знања могао произвести сам.
в) Потврда да су локална запажања генерално превише анегдотска да би била корисна у научном моделирању.
г) Аутоматизација прикупљања података, уклањајући потребу за учешћем локалне заједнице.

4. Која AI техника је дизајнирана за анализу неструктурираног текста, попут транскрипата интервјуа, како би се идентификовале понављајуће теме?

1

а) Компјутерски вид (Computer Vision)
б) Предиктивна аналитика (Predictive Analytics)
в) Обрада природног језика (NLP – Natural Language Processing)
г) Генеративна визуализација (Generative Visualisation)

5. Шта значи принцип „човек у петљи“ (human-in-the-loop) за примене вештачке интелигенције?

1

а) AI системи би требало да буду дизајнирани да раде потпуно независно од људи.
б) Људи су потребни само за почетно програмирање вештачке интелигенције.
в) Неопходно је да људски стручњаци надгледају, валидирају и тумаче примену резултата генерисаних вештачком интелигенцијом.
г) Људи би требало да буду физички повезани са вештачком интелигенцијом путем неуронског интерфејса.

6. Која је кључна примена генеративне вештачке интелигенције у комуницирању утицаја климатских промена?

1

а) Да тачно израчуна угљенични отисак различитих земаља.
б) Да генерише прецизне научне прогнозе будућих временских догађаја.
в) Да креира емоционално резонанснe визуализације које чине потенцијалне климатске утицаје личнијим и непосреднијим.
г) Да аутоматски пише и усваја нове еколошке законе.

7. Који је значајан еколошки трошак повезан са радом великих AI модела?

1

а) Ризик да AI постане самосвесна.
б) Велика потрошња електричне енергије и свеже воде у дата центрима.
в) Потреба за ретким земним металима у свом AI хардверу.
г) Потенцијал да AI ствара пристрасну уметност.

8. Како вештачка интелигенција обично унапређује пројекте грађанске науке засноване на заједници који укључују идентификацију врста?

1

а) Аутоматским писањем истраживачких радова на основу прикупљених података.
б) Коришћењем компјутерског вида за предлагање идентификације врста са фотографија које су доставили волонтери.
в) Управљањем буџетима пројеката и алокацијом средстава.
г) Креирањем кампања на друштвеним мрежама за регрутовање нових волонтера.

9. Шта од наведеног представља пример примарне примене вештачке интелигенције у еколошким пројектима?

1

а) Лоббирање код влада за промене политика.
б) Спровођење кампања за прикупљање средстава за непрофитне организације.
в) Праћење еколошких проблема великих размера, попут крчења шума, коришћењем сателитских снимака.
г) Замена свих људских истраживача аутоматизованим системима.

10. Како вештачка интелигенција (AI) и локално еколошко знање могу најбоље да сарађују?

1

а) AI може заменити локално знање прецизнијим, на подацима заснованим предвиђањима.
б) Аналитичке способности вештачке интелигенције могу се комбиновати са контекстуалном мудрошћу локалног знања како би се створила робуснија еколошка решења.
в) Локално знање се може користити за ручну проверу резултата вештачке интелигенције, али не и за њено обучавање.
г) AI може дигитализовати локално знање у архивске сврхе, али се та два система не могу активно интегрисати.

ВИ у еколошком образовању

3.12 Будућност вештачке интелигенције и одрживости квиз

1. Који је ефикасан први корак приликом концептуализације новог еколошког пројекта заснованог на заједници и потпомогнутог вештачком интелигенцијом?

2. Који је главни ризик при коришћењу великих језичких модела (LLM) за задатке попут научне комуникације?

3. Који је кључни исход комбиновања локалних еколошких запажања са анализом квантитативних података вођеном вештачком интелигенцијом?

4. Која AI техника је дизајнирана за анализу неструктурираног текста, попут транскрипата интервјуа, како би се идентификовале понављајуће теме?

5. Шта значи принцип „човек у петљи“ (human-in-the-loop) за примене вештачке интелигенције?

6. Која је кључна примена генеративне вештачке интелигенције у комуницирању утицаја климатских промена?

7. Који је значајан еколошки трошак повезан са радом великих AI модела?

8. Како вештачка интелигенција обично унапређује пројекте грађанске науке засноване на заједници који укључују идентификацију врста?

9. Шта од наведеног представља пример примарне примене вештачке интелигенције у еколошким пројектима?

10. Како вештачка интелигенција (AI) и локално еколошко знање могу најбоље да сарађују?