本文介绍了地球观测所面临的机器学习等技术对于从原始数据到可用信息转化的必要工具和方法，并探讨了这些发展的挑战及其影响，包括计算机视觉、机器学习、高级处理和计算、以知识为基础的人工智能、可解释的人工智能和因果推断、物理感知模型、以用户为中心的方法以及与大规模使用机器学习技术相关的伦理和社会问题的讨论。

May, 2023

人工智能和地球观测技术的融合带来了前所未有的能力，特别是在环境监测、灾害响应和气候变化分析等全球性挑战中，人工智能对来自地球观测平台的数据分析具有重要影响。然而，快速整合人工智能需要仔细考虑其在这些领域中的应用所固有的责任维度。本文代表了在系统定义人工智能和地球观测交叉领域方面的开创性努力，重点关注负责任的人工智能实践。具体来说，我们从学术界和工业界的角度在地球观测领域确定了几个重要的方面：以社会公益为目标的人工智能和地球观测、减少不公平偏见、地球观测中的人工智能安全、地理隐私和隐私保护措施，以及基于道德原则指导人工智能使用。此外，本文还探讨了潜在的机遇和新兴趋势，为未来研究提供了有价值的见解。

May, 2024

人工智能对可持续发展目标的积极或消极影响需要得到评估，然而，应该通过适当的政策和监管支持其快速发展，否则，由于人工智能技术的透明度、问责制、安全性和道德标准等方面的缺陷，会对其发展和可持续应用产生不利影响。需要重视全球关于人工智能使用的辩论，并为基于人工智能的技术制定必要的监管洞察和监督。

Apr, 2019

本文分析了人工智能对可持续城市和社区 (SDG11) 的进展的贡献，并通过实证分析 AI 系统从 AIxSDG 数据库和 CORDIS 数据库中 (N = 29) 获得的结果，揭示出 AI 系统在废物管理、空气质量监测、灾害响应管理、交通管理等方面确实有助于推进可持续城市发展，但仍有许多项目在为公民而不是和公民一起工作，该文有助于我们对人工智能系统对社会公益的影响进行更成熟的系统和研究。

Feb, 2022

本研究利用 82000 多篇澳大利亚大学的出版物作为案例研究，通过相似度度量与 OpenAI GPT 模型将这些出版物与可持续发展目标（SDGs）进行映射，结果显示采用相似度度量的模型能够补充 GPT 模型进行 SDG 分类，此外，深度学习方法在处理敏感数据方面更加可靠，并且无需使用商业人工智能服务或部署昂贵的计算资源来运行大型语言模型。研究表明，两种方法的结合可以实现可靠的研究到 SDGs 的映射结果。

Nov, 2023

本文探讨了地球科学、遥感和人工智能领域近年来趋近的发展情况，强调了这些交叉学科的研究方向和挑战，提出了人工智能在遥感和地球科学领域中的应用，以及年轻研究人员应该如何应对这些挑战，从而推动遥感和地球科学的发展。

Apr, 2021

本研究探讨了人工智能在可持续发展的三大支柱（社会、环境、经济）中的影响，以及在农业、废物分类、智慧水管理和暖通空调系统等多个领域中的应用案例，并提出了基于人工智能的可持续发展目标策略。该框架可以减少人工智能的负面影响并促进其长期积极作用，尤其对像孟加拉国这样的发展中国家具有实际意义。

Apr, 2023

本文综述了 400 多个公共数据集，包括土地利用 / 覆盖、变化 / 灾害监测、场景理解、农业、气候变化和天气预报。通过对数据集进行系统分析，我们基于其属性提出了评估标准，并发布了用于评估深度学习方法的新平台 EarthNets，从而弥合了遥感和机器学习社区之间的差距。

Oct, 2022

本研究利用地球观测数据、机器学习和大数据方法开发应用程序，致力于监测共同农业政策（CAP）、食品安全及智能耐荒农业等领域，在解决机器学习模型训练的注释数据不足以及推导的价值落实到实际决策之间的差距等问题上取得了一定的方法创新和研究进展。具体来说，通过数据立方体、分布式学习和数据语义化等技术，不仅实现了农作物类型和生长状态估计的预测，也为应对实际农业问题提供了因果解释等机器学习技术支撑。

Nov, 2022

本文基于话题建模技术对 10 个不同国家或组织的现有 AI 建议进行分析，以确定这些战略文件参考联合国可持续发展目标的程度。该分析未发现这些文档与 SDG 有实质性区别。此外，缺少指导 AI 发展和使用对 SDG 5（性别平等）、SDG 10（不平等）以及 AI 发展和使用的环境影响，特别是对地球生命带来的后果的参考。

Oct, 2022