Towards unearthing neglected climate innovations from scientific literature using Large Language Models

要約

気候変動は緊急の世界的脅威であり、革新的な解決策を迅速に特定して導入する必要があります。
私たちは、これらの解決策の多くはすでに科学文献に存在しているものの、十分に活用されていないのではないかと仮説を立てています。
このギャップに対処するために、この研究では、科学論文の包括的なリポジトリである OpenAlex から取得した厳選されたデータセットを使用しています。
OpenAI の GPT4-o などの大規模言語モデル (LLM) を利用して、科学論文のタイトルと要約のペアを 7 つの側面で評価し、気候変動緩和の可能性、技術開発の段階、展開の準備状況をカバーします。
次に、言語モデルの出力は人間による評価と比較され、有望だが見落とされている気候イノベーションを特定する際のその有効性が評価されます。
私たちの調査結果は、これらの LLM ベースのモデルが人間の専門知識を効果的に強化し、潜在的に影響力がありながらもはるかに優れた速度、スループット、一貫性を備えた気候ソリューションを明らかにできることを示唆しています。
ここでは英国を拠点とするソリューションに焦点を当てましたが、ワークフローは地域に依存しません。
この研究は、科学文献で無視されているイノベーションの発見に貢献し、気候変動対策戦略の強化における AI の可能性を実証しています。

要約(オリジナル)

Climate change poses an urgent global threat, needing the rapid identification and deployment of innovative solutions. We hypothesise that many of these solutions already exist within scientific literature but remain underutilised. To address this gap, this study employs a curated dataset sourced from OpenAlex, a comprehensive repository of scientific papers. Utilising Large Language Models (LLMs), such as GPT4-o from OpenAI, we evaluate title-abstract pairs from scientific papers on seven dimensions, covering climate change mitigation potential, stage of technological development, and readiness for deployment. The outputs of the language models are then compared with human evaluations to assess their effectiveness in identifying promising yet overlooked climate innovations. Our findings suggest that these LLM-based models can effectively augment human expertise, uncovering climate solutions that are potentially impactful but with far greater speed, throughput and consistency. Here, we focused on UK-based solutions, but the workflow is region-agnostic. This work contributes to the discovery of neglected innovations in scientific literature and demonstrates the potential of AI in enhancing climate action strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google