Kaip dirbtinis intelektas ir ML gali padidinti socialinę gerovę ir tvarumą

Sveikatos, švietimo, aplinkosaugos ir ekonomikos sritys – tai tik kelios sritys, kurias dirbtinis intelektas (DI) ir mašininis mokymasis (ML) gali visiškai pakeisti. Siekiant pagerinti žmonių ir aplinkos gerovę, jie taip pat gali būti naudojami socialiniam gėriui ir tvarumui didinti. Nagrinėsime galimą dirbtinio intelekto ir mašininio mokymosi naudą tvarumui ir socialiniam gėriui, taip pat jų keliamus sunkumus ir galimybes.

Dirbtinis intelektas ir mašininis mokymasis socialiniam gėriui

„Socialinio gėrio” idėja – tai visuomenės, ypač pažeidžiamų ir nepalankioje padėtyje esančių gyventojų, gerinimas. Siūlydami kūrybiškus atsakymus į kai kurias sudėtingiausias dabartinio pasaulio problemas, tokias kaip skurdas, badas, ligos, nelygybė ir neteisybė, dirbtinis intelektas ir mašinų mokymasis gali prisidėti prie socialinio gėrio pažangos. McKinsey pasaulinio instituto analizėje teigiama, kad dirbtinis intelektas gali padėti šimtams milijonų žmonių tiek išsivysčiusiose, tiek besivystančiose šalyse, spręsdamas klausimus, susijusius su visais JT darnaus vystymosi tikslais.

Keletas dirbtinio intelekto ir mašininio mokymosi pavyzdžių socialinei gerovei

Sveikatos priežiūra

Dirbtinis intelektas ir mašininis mokymasis, ypač mažai išteklių turinčiose aplinkose, gali pagerinti įvairių ligų diagnozavimą, gydymą ir prevenciją. Dirbtinio intelekto panaudojimo pavyzdžiai: maliarijos nustatymas iš kraujo nuotraukų, tuberkuliozės diagnozavimas iš krūtinės ląstos rentgeno nuotraukų, širdies ir kraujagyslių ligų rizikos prognozavimas iš EKG signalų ir individualių gydymo schemų rekomendavimas vėžiu sergantiems pacientams.

Švietimas

Dirbtinis intelektas ir mašininis mokymasis gali pagerinti švietimo kokybę, lygybę ir prieinamumą, ypač nepalankioje padėtyje esantiems ir nepakankamai atstovaujamiems studentams. Dirbtinis intelektas, pavyzdžiui, gali būti naudojamas kuriant personalizuotą ir pritaikomą mokymosi aplinką, teikiant mokytojams ir mokiniams grįžtamąjį ryšį ir nurodymus, verčiant kalbas ir atpažįstant kalbą, taip pat skatinant mokymąsi visą gyvenimą ir įgūdžių tobulinimą.

Aplinka

Ypač klimato kaitos ir biologinės įvairovės nykimo srityje dirbtinis intelektas ir mašininis mokymasis gali padėti stebėti, saugoti ir atkurti aplinką. Pavyzdžiui, dirbtinis intelektas gali būti naudojamas šiltnamio efektą sukeliančių dujų išmetimui stebėti ir mažinti, maksimaliai naudoti atsinaujinančius energijos šaltinius, nustatyti ir sustabdyti brakonieriavimą ir miškų kirtimą, modeliuoti ir prognozuoti aplinkosaugines situacijas.

Žmogaus teisės

Dirbtinis intelektas ir mašininis mokymasis, ypač marginalizuotoms ir engiamoms gyventojų grupėms, gali remti ir ginti žmogaus teises. Dirbtinis intelektas gali sustiprinti socialinius judėjimus ir pilietinį aktyvumą, atskleisti neapykantos kalbą ir dezinformaciją ir su jomis kovoti, surasti ir išgelbėti prekybos žmonėmis ir seksualinio išnaudojimo internete aukas, pagerinti galimybes kreiptis į teismą ir gauti teisinę pagalbą.

Dirbtinis intelektas ir mašininis mokymasis tvarumo labui

Tvarumo idėja – tenkinti dabartinius poreikius nekeliant pavojaus ateities kartų galimybėms patenkinti savo poreikius. Dirbtinis intelektas ir mašininis mokymasis, padėdami veiksmingiau ir efektyviau naudoti žmogiškuosius ir gamtinius išteklius ir mažinti žalingą žmogaus veiklos poveikį aplinkai ir visuomenei, gali padėti siekti tvarumo. PwC analizėje teigiama, kad dirbtinis intelektas gali padidinti pasaulio BVP 5,2 trilijono JAV dolerių ir leisti iki 2030 m. 4 proc. sumažinti šiltnamio efektą sukeliančių dujų išmetimą.

Keletas dirbtinio intelekto ir mašininio mokymosi pavyzdžių tvarumo labui

Išmanusis žemės ūkis

Maisto gamybą ir vartojimą galima optimizuoti naudojant dirbtinį intelektą ir mašininį mokymąsi, ypač atsižvelgiant į gyventojų skaičiaus didėjimą ir nepakankamą aprūpinimą maistu. Dirbtinis intelektas gali pagerinti maisto saugą ir atsekamumą, taip pat numatyti ir išvengti derliaus nuokritų ir maisto švaistymo. Jis taip pat gali būti naudojamas stebėti ir kontroliuoti pasėlių augimą, drėkinimą ir kenkėjų valdymą.

Išmanusis mobilumas

Ypač urbanizacijos ir eismo kontekste dirbtinis intelektas ir mašininis mokymasis gali pagerinti žmonių ir produktų judėjimą. Pavyzdžiui, dirbtinis intelektas gali palengvinti dalijimąsi automobiliais ir automobiliais be vairuotojų, pagerinti kelių eismo saugą ir saugumą, sumažinti degalų sąnaudas ir išmetamųjų teršalų kiekį, optimizuoti eismo srautus, maršrutus ir automobilių stovėjimo vietas

Išmanioji gamyba

Industrializacijos ir inovacijų kontekste dirbtinis intelektas ir mašininis mokymasis gali pagerinti gamybos procesų ir produktų našumą ir kokybę. Dirbtinis intelektas gali būti naudojamas tiekimo grandinėms ir logistikai tobulinti, automatizuoti ir papildyti žmogaus darbą, stebėti ir prižiūrėti įrenginius ir įrangą, skatinti atliekų mažinimą ir žiedinę ekonomiką.

Išmanioji energetika

Visų pirma per visą energetikos perėjimo ir dekarbonizacijos procesą dirbtinis intelektas ir mašinų mokymasis gali padėti didinti švarios ir atsinaujinančiosios energijos pasiūlą ir paklausą. Dirbtinis intelektas gali padėti atlikti keletą užduočių, pavyzdžiui, integruoti ir valdyti paskirstytus energijos išteklius, numatyti ir subalansuoti energijos gamybą ir vartojimą, nustatyti sukčiavimą ir nuostolius energijos srityje bei užkirsti jiems kelią ir sudaryti sąlygas išmaniųjų tinklų ir mikrotinklų kūrimui.

Dirbtinio intelekto ir mašininio mokymosi potencialas ir sunkumai siekiant tvarumo ir socialinės gerovės

Nors dirbtinis intelektas ir mašininis mokymasis teikia daug vilčių tvarumui ir socialiniam gėriui, jie taip pat susiję su daugybe pavojų, kuriuos reikia apsvarstyti ir sumažinti. Pagrindiniai sunkumai ir pavojai yra šie:

Duomenys ir privatumas

Dirbtinio intelekto ir mašininio mokymosi modeliams apmokyti ir išbandyti reikalingi dideli ir įvairūs duomenų rinkiniai, todėl gali kilti problemų, susijusių su duomenų saugumu, prieinamumu, kokybe ir prieinamumu. Be to, dirbtiniam intelektui ir mašininiam mokymuisi renkant ir tvarkant privačius ir neskelbtinus duomenis gali būti pažeista žmonių ir grupių teisė į privatumą ir sutikimą, todėl jiems gali kilti rizika ir gali būti piktnaudžiaujama.

Šališkumas ir teisingumas

Dirbtinis intelektas ir mašininis mokymasis gali atspindėti ir padidinti šališkumą ir išankstines nuostatas, esančias duomenyse, algoritmuose ir sistemose, todėl gali sukelti neteisingus ir diskriminacinius rezultatus ir pasekmes tam tikriems asmenims ir grupėms, ypač nepalankioje padėtyje esantiems ir marginalizuotiems asmenims ir grupėms. Be to, dėl dirbtinio intelekto ir mašininio mokymosi skaidrumo ir atskaitomybės nebuvimo gali būti sunkiau nustatyti ir ištaisyti šališkumą ir klaidas.

Etika ir vertybės

Dirbtinis intelektas ir mašininis mokymasis gali kelti abejonių ir prieštarauti socialinio gėrio ir tvarumo tikslams, kurie grindžiami tokiais principais kaip žmogaus orumas, autonomija, teisingumas ir solidarumas. Be to, dėl dirbtinio intelekto ir mašinų mokymosi gali kilti etinių galvosūkių ir kompromisų tarp veiksmingumo ir lygybės, inovacijų ir reguliavimo bei trumpalaikių ir ilgalaikių interesų.

Aplinka ir visuomenė

Nenumatytas ir žalingas dirbtinio intelekto ir mašininio mokymosi poveikis aplinkai ir visuomenei gali apimti didesnį išteklių ir energijos suvartojimą, taršą ir elektroninių atliekų gamybą, žmonių darbo jėgos ir įgūdžių praradimą, institucijų ir socialinių normų sutrikdymą.

Norint spręsti šiuos pavojus ir iššūkius bei visapusiškai panaudoti dirbtinį intelektą ir mašininį mokymąsi socialinei gerovei ir tvarumui, būtinas visapusiškas ir bendras požiūris, apimantis įvairias suinteresuotąsias šalis ir požiūrius, įskaitant mokslininkus, kūrėjus, naudotojus, įstatymų leidėjus, pilietinę visuomenę ir plačiąją visuomenę. Tarp esminių šios strategijos sudedamųjų dalių yra šios:

Informuotumas ir švietimas

Suinteresuotosios šalys ir plačioji visuomenė turi geriau suprasti dirbtinio intelekto ir mašininio mokymosi galimybes ir apribojimus siekiant tvarumo ir socialinio gėrio, taip pat etines ir socialines pasekmes bei pareigas. Tai galima padaryti keliais būdais, įskaitant žiniasklaidą, kampanijas, renginius ir mokymo programas

Įtraukimas ir dalyvavimas

Norint kurti, plėtoti, diegti ir vertinti dirbtinį intelektą ir mašininį mokymąsi siekiant socialinio gėrio ir tvarumo, taip pat prižiūrėti ir valdyti šias technologijas, būtina užtikrinti įvairių reprezentatyvių ir įvairių suinteresuotųjų šalių ir bendruomenių dalyvavimą ir įsitraukimą. Šiam tikslui pasiekti galima taikyti daugybę metodų, įskaitant bendrą kūrimą, konsultacijas, grįžtamąjį ryšį ir įgalinimą.

Inovacijos ir reguliavimas

Siekiant skatinti socialinę gerovę ir tvarumą, dirbtinio intelekto ir mašininio mokymosi inovacijos ir reguliavimas turi būti suderinti su poreikiu koordinuoti ir suderinti šias technologijas su esamais ir būsimais įstatymais ir reglamentais. Šiam tikslui pasiekti galima naudoti daugybę priemonių, įskaitant sistemas, auditą, taisykles ir paskatas.

Vertinimas ir poveikis

Siekiant skatinti tvarumą ir bendrąjį gėrį, būtina įvertinti ir stebėti dirbtinio intelekto ir mašininio mokymosi veiksmingumą, taip pat nustatyti ir sumažinti bet kokią riziką ar neigiamą poveikį. Rodikliai, matavimai, lyginamieji standartai ir poveikio vertinimai – tai kelios iš priemonių, kurios gali būti naudojamos šiam tikslui.

Apibendrinant

Žmonių ir aplinkos gerovės didinimo tikslus galima pasiekti pasitelkiant tvarumą ir socialinį gėrį, kuriuos pasiekti leidžia dirbtinis intelektas ir mašininis mokymasis – dvi galingos technologijos. Dirbtinis intelektas ir mašininis mokymasis gali iš esmės pagerinti opiausių pasaulio problemų, įskaitant skurdą, badą, ligas, nelygybę ir neteisybę, sprendimą. Jie taip pat gali padėti efektyviau ir veiksmingiau naudoti žmogiškuosius ir gamtinius išteklius ir sumažinti žalingą žmogaus veiklos poveikį aplinkai ir visuomenei.

Duomenys ir privatumas, išankstinis nusistatymas ir teisingumas, etika ir vertybės, aplinka ir visuomenė – tai tik keletas rimtų pavojų ir problemų, kurias kelia dirbtinis intelektas ir mašininis mokymasis. Šiuos klausimus būtina spręsti. Norint įveikti šias kliūtis ir pavojus bei visapusiškai išnaudoti dirbtinio intelekto ir mašininio mokymosi potencialą ir privalumus socialinei gerovei ir tvarumui, reikės visapusiško ir bendro požiūrio, apimančio įvairius suinteresuotuosius subjektus ir požiūrius, įskaitant mokslininkus, kūrėjus, naudotojus, įstatymų leidėjus, pilietinę visuomenę ir plačiąją visuomenę. Švietimas ir informuotumas, dalyvavimas ir įtrauktis, inovacijos ir reguliavimas, vertinimas ir poveikis yra svarbūs šios strategijos komponentai.