3.3 KiB
3.3 KiB
title, created, updated, type, tags, sources, confidence
| title | created | updated | type | tags | sources | confidence | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Climate Adaptation AI | 2026-07-02 | 2026-07-02 | concept |
|
|
medium |
Climate Adaptation AI
Climate adaptation AI は、気候予測、地域の行政知識、対策ガイドラインを組み合わせ、自治体や地域事業者が猛暑・豪雨・干ばつ・海面上昇などへの適応策を立案するための AI 支援を指す。単なる一般相談 chatbot ではなく、科学データと地域の意思決定をつなぐ civic-tech 的な道具として見るのが自然で、評価や説明責任の面では ai-evaluation-infrastructure とも接続する。
JAMSTEC、高知大学、Ridge-i の地域気候特化型 LLM はこの方向の具体例である。Llama 3.3 Swallow 70B Instruct v0.4 をベースに、A-PLAT の気候変動適応論文 338 編や IPCC 評価報告書で気候学に特化させ、RAG を使って地域の適応計画ガイドラインだけでなく d4PDF のアンサンブル気候予測データから数値を検索・抽出できるようにしている。熊谷市の PoC では、RCP8.5 シナリオの将来気温上昇から熱中症患者の増加数を推定し、グリーンカーテンや休息所の増設要件を平均的・楽観的・悲観的ケースごとに提示した。^[raw/articles/jamstec-regional-climate-llm-2026.md]
この事例で重要なのは、LLM が「専門家の代替」ではなく、専門知識と定量データを扱いにくい自治体実務者へ予備的な選択肢を出す点である。科学者、コンサルタント、自治体職員という役割を LLM にシミュレートさせ、効果、コスト、実現可能性を議論させる設計は、ai-research-automation のような分析支援と、公共サービスの inclusive-design の中間にある。
Design implications
- Domain-specific grounding: 汎用 LLM だけに任せると気候科学の誤答や hallucination が問題になるため、専門文献、IPCC 報告、地域ガイドライン、数値予測データを明示的に接続する必要がある。
- Quantitative retrieval: 気候リスクでは文章の要約だけでなく、予測データベースから数値を取り出し、計算過程を示すことが意思決定の信頼性になる。
- Local governance: 自治体ごとの制約、予算、住民合意を扱うため、AI は結論を押しつけるのではなく、複数シナリオと根拠を提示する補助者として設計すべきである。
- Equity risk: 専門人材や財源の少ない地域ほど支援価値が大きい一方、データ更新、地域差、説明責任を維持できないと適応能力の格差を逆に固定する危険がある。
Open questions
- 気候学特化ベンチマークの点数と、自治体が実際に使える計画品質をどう接続して評価するか。
- RAG の参照データを地域ごとに差し替えるとき、古いガイドラインや不完全な地域データをどう検出するか。
- 災害・熱中症対策のような公共性の高い提案で、AI の説明と人間の最終責任をどこで分けるべきか。