【哈佛大学博士论文】低质量数据的高风险决策：行星健康的人工智能决策制定

行星健康认识到人类健康与地球健康之间密不可分的联系。我们星球日益加剧的危机包括生物多样性的丧失，自1970年以来，动物种群数量平均下降了70%；以及产妇死亡率，在低收入国家，每49名女孩中就有1名死于妊娠或分娩并发症。克服这些危机需要有效地分配和管理我们的有限资源。 本论文提出了基于数据驱动的人工智能决策方法，旨在克服这些环境中普遍存在的杂乱数据。在这里，我们展示了在多臂赌博机、强化学习和因果推断领域的技术进展，解决了来自自然保护和产妇健康领域的实际挑战中产生的研究问题。这些方法使从业者能够采取有效且稳健的行动，从而实现行星健康的目标。具体来说，这项工作是与非政府组织（NGO）、政府机构及其他利益相关者紧密合作完成的，旨在将人工智能应用于生物多样性保护的现场干预工作，其中这些方法已经与全球1,200个保护区使用的系统相结合；同时，也与全球最大的移动健康计划合作，在印度减少产妇死亡率。