Advances in Engineering Innovation·9月3日 · 周四论文智慧农业 / 农业物联网阅读 0
Deep learning for sustainable development: cross-disciplinary applications and responsible AI
Zhenyu Lu
论文解读
0未达精选线
速览
系统综述深度学习在气候、能源、农业和城市领域的SDG应用，并提出负责任AI优化路径。
方法
系统文献综述，分析Google Scholar 2018-2026年文献，比较模
发现
识别数据鸿沟、可解释性、算法偏见和碳足迹四大瓶颈，提出绿色AI框架。
机会点
可探索联邦学习与边缘AI在农业分布式监测中的应用，解决数据隐私和实时性挑战。
影响力0
信息增量0
专业深度0
信源权威0
时效性0
主题为可持续发展综述，非三农或农业信息化核心内容，不进入精选。
原文摘要
全球气候变化、能源短缺、粮食安全危机与城市蔓延对可持续发展构成了多层面的治理挑战。深度学习凭借其从高维、异构数据中进行层次化表征学习的能力，已成为推进可持续发展目标（SDGs）的核心数字技术赋能者。本文采用系统性文献综述方法，基于谷歌学术（2018—2026年）开放获取文献，考察了深度学习在气候行动、可持续能源、智慧农业和智慧城市四个关键领域的应用。通过四张比较分析表，分别从模型适用性、数据类型、应用成效及挑战四个维度展开剖析，本研究从“负责任人工智能”（Responsible AI）视角识别出技术部署的关键瓶颈。研究归纳出三大行业趋势：物理-人工智能混合建模的大规模部署、深度强化学习在能源调度中主导地位的日益增强，以及联邦学习与边缘人工智能在分布式生态监测中的融合应用。当前实施工作仍受制于四大关键问题：区域数据鸿沟、模型可解释性缺失、算法偏见以及大规模模型带来的高碳足迹。通过勾勒相应的优化路径，本文为绿色人工智能与可持续数字治理提供了理论框架与实践指引。