Towards Foundation-model-based Multiagent System to Accelerate AI for Social Impact

要約

AI for social Impact (AI4SI) は、公衆衛生、農業、教育、保全、公共の安全などの分野における複雑な社会的課題に対処するための大きな可能性をもたらします。
ただし、既存の AI4SI 研究は多くの場合、労働集約的でリソースを多く必要とするため、そのアクセシビリティとスケーラビリティが制限されています。
標準的なアプローチは、特定の AI4SI 問題に合わせて調整された (基本レベルの) システムを設計することです。
私たちは、このような基本レベルのシステムの開発を加速するように設計された新しいメタレベルのマルチエージェント システムの開発を提案します。これにより、計算コストと社会的影響ドメインの専門家や AI 研究者の負担が軽減されます。
基礎モデルと大規模言語モデルの進歩を活用して、私たちが提案するアプローチは、リソース割り当ての問題に焦点を当てており、問題の定式化からソリューション設計、影響評価に至るまで、AI4SI パイプライン全体にわたって支援を提供します。
私たちは、このようなシステムの導入に伴う倫理的考慮事項と課題を強調し、AI システムの責任ある効果的な適用を確実にするための人間参加型アプローチの重要性を強調します。

要約(オリジナル)

AI for social impact (AI4SI) offers significant potential for addressing complex societal challenges in areas such as public health, agriculture, education, conservation, and public safety. However, existing AI4SI research is often labor-intensive and resource-demanding, limiting its accessibility and scalability; the standard approach is to design a (base-level) system tailored to a specific AI4SI problem. We propose the development of a novel meta-level multi-agent system designed to accelerate the development of such base-level systems, thereby reducing the computational cost and the burden on social impact domain experts and AI researchers. Leveraging advancements in foundation models and large language models, our proposed approach focuses on resource allocation problems providing help across the full AI4SI pipeline from problem formulation over solution design to impact evaluation. We highlight the ethical considerations and challenges inherent in deploying such systems and emphasize the importance of a human-in-the-loop approach to ensure the responsible and effective application of AI systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google