原文：
www.kdnuggets.com/2019/12/artificial-friend-virtual-foe.html
评论
研究人员、企业家和政策制定者越来越多地使用人工智能来解决发展挑战。换句话说，利用人工智能实现更大的福祉是真实的。
已经进行了一些研究和原型测试，以证明人工智能在医疗保健（Chunara et al., 2012; Caicedo-Torres et al., 2016; Pathak and Kumar 2016; Robertson and DeHart 2010; Waidyanatha et al., 2013）或环境问题（Tehrany et al., 2014; Ferris, 2010; Tien Bui et al., 2012; Kapoor et al., 2010）等高影响领域的价值。然而，越来越清楚的是，人工智能既带来威胁也带来好处，尽管前者通常被忽视。
我不想在这篇简短的文章中深入讨论信任、责任或安全问题（如果你想，可以点击这里获取更多），但避免人工智能的负面影响是将一套伦理原则融入我们的技术开发过程中的重要原因。伦理学通过确保人工智能的法规能够发挥其潜力，同时减轻其风险（Taddeo and Floridi, 2018），在帮助我们理解如何负责任地使用这项技术方面发挥着关键作用。实际上，虽然人工智能可以提高效率、可及性和生产力，但另一方面，它也可能限制资源并增加不平等（Vinuesa et al., 2019）。
因此，人工智能是一种中性技术，它本质上同时具备好与坏（或者，如果你愿意，可以说它既不是好也不是坏），但我们需要确保正确框定它的应用和使用。在一篇开创性论文中，Floridi et al.（2018）强调了“良好人工智能社会”的二十个不同行动点。他们的分析重点关注欧洲，涉及政策和伦理问题，但为了使人工智能用于公益，我相信其中的一些点确实是基石。
评估那些不应委托给人工智能的任务；开发审计机制以识别不良后果并补偿人工智能造成的错误；提供财务激励以促进跨学科合作。论文中列出的一些挑战无论人工智能是否存在于我们的生活中都会出现，可能会通过不同的解决方案得到解决，但我刚提到的这些挑战与数据驱动应用的独特关联使其在社会应用中必须予以考虑。
然而，即使我们能够正确评分所有内容，并且不通过糟糕的不道德设计过程危害结果，仍然不能确定人工智能的应用会导致更好的社会或更健康的地球。我们首先需要克服其他瓶颈。
如果在发展中国家实施人工智能产品和服务的局限性是已知的（Ali et al., 2016; Hilbert, 2016），那么它们在这些地区的积极影响也相当明显（Dias and Brewer, 2009; Quinn et al., 2014）。机器学习确实可以用来提高数据的可靠性、为政策和决策者提供信息，并且可以“无中介”使用，因为它可以直接嵌入部署的系统中（De-Arteaga et al., 2018）。
那么，我们如何确保人工智能在解决一些世界上最紧迫的挑战时是有效的呢？
首先，我们需要消除复杂智能系统技术开发中的障碍。基础设施限制可能是发展中国家最常见和最广泛存在的问题。计算能力不足、由于长途旅行而难以修复系统和传感器、缺乏大型存储系统、互联网接入稀少以及整体财务资源有限，使得在这些国家使用人工智能变得极其困难。
第二大挑战涉及人才。缺乏可用且可及的专业人才以及强大的技术社区的缺失，使得任何数据驱动系统的有效使用变得复杂。最后，（优质）数据的缺乏是这一潜在灾难配方的最后一个因素。
但问题所在也蕴含机会。如果迁移学习、数据优先级排序或替代数据集在许多领域和成熟经济体中只是异国情调的学术努力，那么在发展中国家则是一种必需，这可能推动研究的边界向前发展。
如果我们能够克服这些问题，实现影响不仅在视野之内，而且将远远超过我们以前使用的任何工具。
我们现在唯一缺少的是理解在哪里可以应用人工智能。
可持续发展目标（SDGs）是保护地球和确保我们繁荣的全球号召。因此，将人工智能应用与这些原则联系起来是自然的，但始终要记住，人工智能既可以作为推动者，也可以作为抑制者，对每一个可持续发展目标产生影响。
因此，我在这里想要突出一些积极的例子，但也再次强调，AI 对每个可持续发展目标的影响在程度和方向上都不同——换句话说，AI 对环境的益处远多于其他领域，并且对社会的负面影响可能比经济或环境更强（Vinuesa et al., 2019）；
那么我们如何将 AI 应用于发展目标呢？以下是一些小例子：
-
**消除贫困：**利用卫星在偏远地区进行资源分配（Efremova et al., 2019）；
-
**零饥饿：**提高农业生产力以供养资源不足的地区；
-
**良好的健康与福祉：**实现更好的诊断和更快的药物发现，或预测和跟踪疫情爆发；
-
**优质教育：**通过个人偏好或不同学习节奏来个性化学习；
-
**性别平等：**减少性别偏见，了解偏见最初存在的地方；
-
**清洁水源与卫生设施：**利用 AI 检测危险细菌；
-
**可负担且清洁的能源：**通过创建数字风电场来优化风能；
-
**体面工作与经济增长：**提高生产力同时创造新就业机会（例如，数据标注员、模型训练师等）；
-
**产业创新和基础设施：**AI 可以实时定义新的交通路线或重新配置软件定义的网络组件；
-
**减少不平等：**AI 可以提供“智能增强”或帮助视力受损者；
-
**可持续城市与社区：**利用 AI 进行更好的城市规划、交通管理或智能房地产；
-
负责任的消费和生产：AI 驱动的智能回收设备；
-
**气候行动：**利用 AI 进行灾难恢复、地震预测或太阳能地球工程（Rolnick et al., 2019）；
-
**水下生命：**跟踪海洋生命迁徙并打击非法捕鱼；
-
**陆地生命：**打击非法偷猎并改善野生动物保护；
-
**和平、正义与强大机构：**利用 AI 打击犯罪和腐败；
-
**目标伙伴关系：**AI 可以促进传统上相距较远的参与者之间的互动；
虽然以上列表包含了所有的可持续发展目标，但它当然没有涵盖所有 AI 如何用于实现这些目标（或 McKinsey Global Institute, 2018 分类的有意义问题）的应用和例子；
扩大 AI 在解决社会和发展问题方面的应用并非易事，它必须克服多个瓶颈，并降低风险，以避免这一基础技术的负面影响；
许多大公司正积极致力于利用人工智能造福社会，但需要明确的是，无论机构参与者和科技巨头采取何种行动，每个人都必须在个人层面上提供帮助。因此，我们也许应该开始思考我们在日常生活中能做些什么来促进这些努力。
参考文献
Ali, A., Qadir, J., Rasool, R., Sathiaseelan, A., Zwitter, A., Crowcroft, J. (2016). “发展中的大数据：应用与技术”。《大数据分析》 1: 2。
Caicedo-Torres, W., Paternina, A., Pinzón, H. (2016). “早期登革热严重程度预测的机器学习模型”。《伊比利亚美洲人工智能会议》。施普林格：247–258。
Chunara, R., Andrews, J. A., Brownstein, J. S. (2012). “社会和新闻媒体使我们能够早期估计 2010 年海地霍乱疫情的流行模式”。《美国热带医学与卫生杂志》 86 (1): 39–45。
De-Arteaga, M., Herlands, W., Neill, D. B., Dubrawski, A. (2018). “发展中国家的机器学习”。《ACM 管理信息系统交易》，9 (2): 1–14。
Dias, M. B., Brewer, E. (2009). “计算机科学如何服务于发展中国家”。《计算机协会通讯》 52 (6): 74–80。
Efremova, N., West, D., Zausaev, D. (2019). “基于人工智能的可持续发展目标评估：以地球观测数据中的作物检测为例”。
arXiv:1907.02813。
Ferris, E. (2010). “自然灾害、冲突与人权：追踪其联系”。布鲁金斯学会。
Floridi, L., Cowls, J., Beltrametti, M. 等 (2018). “AI4People——良好 AI 社会的伦理框架：机遇、风险、原则与建议”。《思想与机器》，28: 689。
Hilbert, M. (2016). “发展中的大数据：承诺与挑战的回顾”。《发展政策评论》 34 (1): 135–174。
Kapoor, A., Eagle, N., Horvitz, E. (2010). “人、地震和通信：从电话动态推断地震事件及其对人群的影响”。见于《AAAI 春季研讨会论文集：发展中的人工智能》。
麦肯锡全球研究院 (2018). “应用人工智能以造福社会”。讨论文件。
Pathak, S., Kumar, B. (2016). “一种基于诊断意见的参数阈值的稳健自动白内障检测算法，适用于远程医疗应用”。《电子学》 5 (3): 57。
Quinn, J., Frias-Martinez, V., Subramanian, L. (2014). “计算可持续性与发展中国家的人工智能”。《人工智能杂志》 35 (3): 36–47。
Robertson, J., DeHart, D. (2010). “一种敏捷且可访问的贝叶斯推断医学诊断适应方法，适用于乡村健康扩展工作者”。见于《AAAI 春季研讨会论文集：发展中的人工智能》。技术报告 SS-10–01。
Rolnick, D., 等 (2019). “用机器学习应对气候变化”。arXiv:1906.05433。
Taddeo, M., Floridi, L. (2018). “人工智能如何成为一种善意的力量”。《科学》 361 (6404): 751–752。
Tehrany, M. S., Pradhan, B., Jebur, M. N. (2014). “使用新型集成证据权重和支持向量机模型进行洪水易发性制图”。《水文学杂志》512: 332–343。
Tien Bui, D., Pradhan, B., Lofman, O., Revhaug, I. (2012). “利用支持向量机、决策树和朴素贝叶斯模型评估越南的滑坡易发性”。《工程中的数学问题》: 1–26。
Vinuesa, R., Azizpour, H., Leite, I., Balaam, M., Dignum, V., Domisch, S., Fellander, A., Langhans, S., Tegmark, M., Fuso Nerini, F. (2019). “人工智能在实现可持续发展目标中的作用”。arXiv:1905.00501
Waidyanatha, N., Sampath, C., Dubrawski, A., Prashant, S., Ganesan, M., Gow, G. (2013). “快速检测和缓解新兴疾病的经济实惠系统”。《医学、电子健康和通信技术的数字进展》: 271。
简介: Francesco Corea 是一位基于英国伦敦的决策科学家和数据战略师。
原文。经许可转载。
相关:
-
AI 知识地图：如何分类 AI 技术
-
分布式人工智能：多智能体系统、基于代理的建模和群体智能的概述
-
人工智能简史
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT 需求