Jak AI i ML mogą zwiększyć dobro społeczne i zrównoważony rozwój

Dziedziny zdrowia, edukacji, środowiska i gospodarki to tylko niektóre z obszarów, w których sztuczna inteligencja (AI) i uczenie maszynowe (ML) mogą całkowicie się zmienić. Aby poprawić dobrostan zarówno ludzi, jak i środowiska, można je również wykorzystać dla dobra społecznego i zrównoważonego rozwoju. Przeanalizujemy potencjalne korzyści płynące ze sztucznej inteligencji i uczenia maszynowego dla zrównoważonego rozwoju i dobra społecznego, a także trudności i możliwości, jakie one stwarzają.

Sztuczna inteligencja i uczenie maszynowe dla dobra społecznego

Idea „dobra społecznego” polega na poprawie społeczeństwa, szczególnie w przypadku słabszych i pokrzywdzonych populacji. Oferując kreatywne odpowiedzi na niektóre z najtrudniejszych kwestii, przed którymi stoi dzisiejszy świat, takich jak ubóstwo, głód, choroby, nierówność i niesprawiedliwość, sztuczna inteligencja i uczenie maszynowe mogą przyczynić się do rozwoju dobra społecznego. Analiza McKinsey Global Institute twierdzi, że sztuczna inteligencja ma potencjał, aby pomóc setkom milionów ludzi zarówno w krajach rozwiniętych, jak i rozwijających się, zajmując się kwestiami związanymi ze wszystkimi celami zrównoważonego rozwoju ONZ.

Kilka przykładów sztucznej inteligencji i uczenia maszynowego dla dobra społecznego

Opieka zdrowotna

Zwłaszcza w środowiskach o niskich zasobach, sztuczna inteligencja i uczenie maszynowe mogą usprawnić diagnozowanie, leczenie i zapobieganie różnym chorobom. Przykłady wykorzystania sztucznej inteligencji obejmują wykrywanie malarii na podstawie zdjęć krwi, diagnozowanie gruźlicy na podstawie zdjęć rentgenowskich klatki piersiowej, przewidywanie ryzyka chorób sercowo-naczyniowych na podstawie sygnałów EKG oraz zalecanie zindywidualizowanych schematów leczenia dla pacjentów chorych na raka.

Edukacja

Jakość, równość i dostępność edukacji może ulec poprawie dzięki sztucznej inteligencji i uczeniu maszynowemu, szczególnie w przypadku uczniów znajdujących się w niekorzystnej sytuacji i niedostatecznie reprezentowanych. Sztuczna inteligencja może być na przykład wykorzystywana do projektowania spersonalizowanych i elastycznych środowisk uczenia się, przekazywania nauczycielom i uczniom informacji zwrotnych i wskazówek, tłumaczenia języków i rozpoznawania mowy oraz promowania uczenia się przez całe życie i rozwoju umiejętności.

Środowisko

W szczególności w odniesieniu do zmian klimatycznych i utraty różnorodności biologicznej, sztuczna inteligencja i uczenie maszynowe mogą pomóc w monitorowaniu, ochronie i przywracaniu środowiska. Sztuczna inteligencja może być na przykład wykorzystywana do monitorowania i obniżania emisji gazów cieplarnianych, maksymalizacji wykorzystania odnawialnych źródeł energii, identyfikowania i powstrzymywania kłusownictwa i wylesiania oraz symulowania i przewidywania sytuacji środowiskowych.

Prawa człowieka

Sztuczna inteligencja i uczenie maszynowe mogą wspierać i bronić praw człowieka, zwłaszcza w przypadku zmarginalizowanych i uciskanych populacji. Sztuczna inteligencja ma potencjał do wzmacniania ruchów społecznych i zaangażowania obywatelskiego, ujawniania i zwalczania mowy nienawiści i dezinformacji, lokalizowania i ratowania ofiar handlu ludźmi i wykorzystywania seksualnego w Internecie oraz poprawy dostępu do wymiaru sprawiedliwości i pomocy prawnej.

Sztuczna inteligencja i uczenie maszynowe na rzecz zrównoważonego rozwoju

Idea zrównoważonego rozwoju polega na zaspokajaniu bieżących potrzeb bez narażania zdolności przyszłych pokoleń do zaspokajania ich własnych. Ułatwiając bardziej efektywne i wydajne wykorzystanie zasobów ludzkich i naturalnych oraz minimalizując szkodliwy wpływ działalności człowieka na środowisko i społeczeństwo, sztuczna inteligencja i uczenie maszynowe mogą przyczynić się do osiągnięcia zrównoważonego rozwoju. Analiza PwC twierdzi, że sztuczna inteligencja może zwiększyć globalny PKB o 5,2 biliona dolarów i umożliwić 4% spadek emisji gazów cieplarnianych do 2030 roku.

Kilka przykładów sztucznej inteligencji i uczenia maszynowego dla zrównoważonego rozwoju

Inteligentne rolnictwo

Produkcja i konsumpcja żywności może zostać zoptymalizowana przy użyciu sztucznej inteligencji i uczenia maszynowego, szczególnie w świetle wzrostu liczby ludności i braku bezpieczeństwa żywnościowego. Sztuczna inteligencja ma potencjał do poprawy bezpieczeństwa żywności i identyfikowalności, a także przewidywania i unikania awarii upraw i marnotrawstwa żywności. Może być również wykorzystywana do monitorowania i kontrolowania wzrostu upraw, nawadniania i zwalczania szkodników.

Inteligentna mobilność

Zwłaszcza w kontekście urbanizacji i ruchu ulicznego, sztuczna inteligencja i uczenie maszynowe mogą usprawnić przepływ ludzi i produktów. Sztuczna inteligencja może na przykład ułatwić korzystanie z samochodów współdzielonych i bezzałogowych, poprawić bezpieczeństwo na drogach, obniżyć zużycie paliwa i emisję spalin oraz zoptymalizować przepływ ruchu, wyznaczanie tras i parkowanie.

Inteligentna produkcja

W kontekście industrializacji i innowacji, sztuczna inteligencja i uczenie maszynowe mogą poprawić wydajność i jakość procesów produkcyjnych i produktów. Sztuczna inteligencja może być wykorzystywana do usprawniania łańcuchów dostaw i logistyki, automatyzacji i uzupełniania pracy ludzkiej, monitorowania i konserwacji obiektów i sprzętu oraz promowania redukcji odpadów i gospodarki o obiegu zamkniętym.

Inteligentna energia

W szczególności, w całym procesie transformacji energetycznej i dekarbonizacji, sztuczna inteligencja i uczenie maszynowe mogą pomóc zwiększyć podaż i popyt na czystą i odnawialną energię. Sztuczna inteligencja może pomóc w kilku zadaniach, takich jak integracja i zarządzanie rozproszonymi zasobami energii, przewidywanie i równoważenie produkcji i zużycia energii, wykrywanie i zapobieganie oszustwom i stratom energii oraz umożliwianie inteligentnych sieci i mikrosieci.

Potencjał i trudności sztucznej inteligencji i uczenia maszynowego dla zrównoważonego rozwoju i dobra społecznego

Chociaż sztuczna inteligencja i uczenie maszynowe są bardzo obiecujące dla zrównoważonego rozwoju i dobra społecznego, niosą ze sobą również wiele zagrożeń, które należy wziąć pod uwagę i ograniczyć. Do głównych trudności i zagrożeń należą

Dane i prywatność

Duże i zróżnicowane zbiory danych są niezbędne dla sztucznej inteligencji i uczenia maszynowego do trenowania i testowania swoich modeli, co może stwarzać problemy z bezpieczeństwem, dostępnością i jakością danych. Co więcej, gromadzenie i przetwarzanie prywatnych i wrażliwych danych przez sztuczną inteligencję i uczenie maszynowe może naruszać prawo ludzi i grup do prywatności i zgody, narażając ich na potencjalne ryzyko i nadużycia.

Stronniczość i sprawiedliwość

Sztuczna inteligencja i uczenie maszynowe mogą potencjalnie odzwierciedlać i zwiększać uprzedzenia i uprzedzenia obecne w danych, algorytmach i systemach, prowadząc do niesprawiedliwych i dyskryminujących wyników i konsekwencji dla niektórych osób i grup, zwłaszcza tych znajdujących się w niekorzystnej sytuacji i marginalizowanych. Co więcej, brak przejrzystości i odpowiedzialności w sztucznej inteligencji i uczeniu maszynowym może utrudnić identyfikację i naprawę uprzedzeń i błędów.

Etyka i wartości

Cele związane z dobrem społecznym i zrównoważonym rozwojem, które opierają się na zasadach takich jak godność ludzka, autonomia, sprawiedliwość i solidarność, mogą zostać zakwestionowane i skonfliktowane przez sztuczną inteligencję i uczenie maszynowe. Co więcej, sztuczna inteligencja i uczenie maszynowe mogą powodować etyczne dylematy i kompromisy między wydajnością a równością, innowacjami a regulacjami oraz interesami krótko- i długoterminowymi.

Środowisko i społeczeństwo

Niezamierzone i szkodliwe skutki sztucznej inteligencji i uczenia maszynowego dla środowiska i społeczeństwa mogą obejmować zwiększone zużycie zasobów i energii, zanieczyszczenie i produkcję odpadów elektronicznych, utratę ludzkiej pracy i umiejętności oraz zakłócenie instytucji i norm społecznych.

Aby sprostać tym zagrożeniom i wyzwaniom oraz w pełni wykorzystać sztuczną inteligencję i uczenie maszynowe dla dobra społecznego i zrównoważonego rozwoju, wymagane jest kompleksowe i oparte na współpracy podejście obejmujące różne zainteresowane strony i punkty widzenia, w tym naukowców, programistów, użytkowników, prawodawców, społeczeństwo obywatelskie i ogół społeczeństwa. Wśród podstawowych elementów tej strategii znajdują się

Świadomość i edukacja

Większe zrozumienie możliwości i ograniczeń sztucznej inteligencji i uczenia maszynowego dla zrównoważonego rozwoju i dobra społecznego, a także etycznych i społecznych konsekwencji i obowiązków, musi być rozpowszechniane wśród zainteresowanych stron i ogółu społeczeństwa. Można to zrobić na kilka sposobów, w tym za pośrednictwem mediów, kampanii, wydarzeń i programów nauczania.

Włączenie i uczestnictwo

Aby projektować, rozwijać, wdrażać i oceniać sztuczną inteligencję i uczenie maszynowe dla dobra społecznego i zrównoważonego rozwoju, a także nadzorować i zarządzać tymi technologiami, konieczne jest zagwarantowanie zaangażowania szerokiego grona reprezentatywnych i zróżnicowanych interesariuszy i społeczności. W tym celu można wykorzystać liczne techniki, w tym współtworzenie, konsultacje, informacje zwrotne i wzmocnienie pozycji.

Innowacje i regulacje

Aby promować dobro społeczne i zrównoważony rozwój, innowacje i regulacje w zakresie sztucznej inteligencji i uczenia maszynowego muszą być zrównoważone z potrzebą koordynacji i dostosowania tych technologii zarówno do obecnych, jak i przyszłych przepisów ustawowych i wykonawczych. W tym celu można wykorzystać liczne narzędzia, w tym ramy, audyty, zasady i zachęty.

Ocena i wpływ

Aby promować zrównoważony rozwój i wspólne dobro, konieczna jest ocena i śledzenie skuteczności sztucznej inteligencji i uczenia maszynowego, a także identyfikacja i ograniczenie wszelkich zagrożeń lub negatywnych skutków. Wskaźniki, pomiary, benchmarki i oceny wpływu to tylko niektóre z instrumentów, które można w tym celu wykorzystać.

Podsumowując

Cele poprawy dobrostanu ludzi i środowiska można osiągnąć poprzez zrównoważony rozwój i dobro społeczne, które są możliwe dzięki sztucznej inteligencji i uczeniu maszynowemu, dwóm potężnym technologiom. Sztuczna inteligencja i uczenie maszynowe mają potencjał, aby znacząco poprawić najbardziej palące kwestie na świecie, w tym ubóstwo, głód, choroby, nierówności i niesprawiedliwość. Mogą również ułatwić bardziej efektywne i wydajne wykorzystanie zasobów ludzkich i naturalnych oraz zmniejszyć szkodliwy wpływ działalności człowieka na środowisko i społeczeństwo.

Dane i prywatność, uprzedzenia i sprawiedliwość, etyka i wartości, środowisko i społeczeństwo to tylko niektóre z poważnych zagrożeń i obaw, jakie niosą ze sobą sztuczna inteligencja i uczenie maszynowe. Kwestie te muszą zostać rozwiązane. Pokonanie tych przeszkód i zagrożeń oraz pełne wykorzystanie potencjału i zalet sztucznej inteligencji i uczenia maszynowego dla dobra społecznego i zrównoważonego rozwoju będzie wymagało kompleksowego i opartego na współpracy podejścia obejmującego różne zainteresowane strony i punkty widzenia, w tym naukowców, programistów, użytkowników, prawodawców, społeczeństwo obywatelskie i ogół społeczeństwa. Edukacja i świadomość, zaangażowanie i integracja, innowacje i regulacje, ocena i efekty są ważnymi elementami tej strategii.