ink="http://www.w3.org/1999/xl 导读
Foreword
人工智能作为跨领域通用技术，正迅速渗透社会各领域。但是，利用人工智能的项目需结合研究成果，有效融入，并进行严格评估。麻省理工学院的研究人员评估了其在提升社会项目影响力方面的实践，发现人工智能在消除贫困与应对气候变化上蕴藏着巨大的潜力，可通过改进目标定位、增加服务获取、提高一线人员效率、减少偏见、提升资源效率等五种方式发挥作用。不过，人工智能对劳动力市场的影响仍然有待观察，需依靠严格的影响力评估体系，设计基于证据的项目来引导其发展。
插图：卡罗琳·加蒙（Caroline Gamon）
人工智能（AI）可能会彻底改变我们的生活。与互联网一样，这是一种跨领域的通用技术，应用范围广泛，增加用户的边际成本低廉，并且技术本身在持续改进。科技公司正在迅速部署并推出功能更强大的人工智能模型，这些模型在逐步渗透到我们的个人生活与工作中。
人工智能也在迅速渗透社会领域。政府、社会企业和非政府组织正在将人工智能融入各类项目中，同时公共财政和捐赠者也在努力探索与此相关的投资方向。例如，人工智能正被用于改进健康诊断、绘制洪灾高发地区的地图以优化救灾资源的分配、批改作文以释放教师时间用于与学生互动、协助政府检测税务欺诈行为，以及为农业推广人员提供定制化建议。
但是，在过去二十年里，社会领域也充斥着许多被寄予厚望却未能达成预期效果的、与先进技术相关的案例 ，比如“一童一电脑”计划（One Laptop Per Child）、服药提醒短信和旨在减少室内空气污染的无烟炉。为了避免类似的失败，利用人工智能技术的项目需要吸纳多年来通过严格的影响力评估而积累出的研究成果，并在实施过程中开展同步评估 （co再基于证据扩大规模 。
具体而言，此类项目的实施者需要关注三个关键要素。首先，他们必须利用研究成果确定人工智能在哪些领域可能产生最大的社会影响力。 经过数十年的研究，通过随机对照试验和其他严谨的实证研究，我们已经获得了关于人工智能在各个领域如何，以及为何能够在社会项目中发挥最大效用的重要洞见。
其次，他们必须借鉴已有研究经验，以有效地将人工智能融入社会项目。 我们对技术在社会领域何时以及为什么成功或失败进行了数十年的研究，这些经验能够为人工智能的采用者（如政府、社会企业和非政府组织）、科技公司和捐赠者提供指引，帮助他们避开陷阱，并设计出切实有效的项目。
第三，我们必须推动社会领域对人工智能的严格评估，以传播关于其有效性和局限性的可靠信息。 我们需要激励采用者、科技公司和捐赠者对社会各领域内有潜力的人工智能应用程序进行独立、严谨且同步的影响力评估 （包括对工人本身的影响）；从多项研究中获得洞见；并广泛传播这些见解，以最大限度地发挥人工智能的优势，同时理解其潜在危害，并将其降至最低。采取这些措施还有助于在社会部门的各方参与者和更广泛的项目受众中建立对人工智能的信任。
▍ 五条路径
好消息是，包括麻省理工学院阿卜杜勒·拉蒂夫·贾米尔贫困行动实验室（J-PAL）在内的研究人员，已经对全球范围内利用机器学习和人工智能工具提升社会项目影响力的实践进行了评估。根据这些不断积累的证据，我们确信人工智能在消除贫困和应对气候变化方面蕴藏着巨大潜力 。具体而言，我们认为，人工智能至少可以通过以下五种方式有效推动这些工作。 改进目标定位和需求预测 ｜社会项目使用各种工具来确定参与者应该是谁，无论他们是资源的接受者还是创业课程的潜在学员。问题是，这些工具（如调研和贫困阈值）往往存在不精确、昂贵或低效的问题。而人工智能可以通过海量数据分析，帮助识别最需要支持的人群，或最可能从项目中受益的个体，从而缓解这些问题。例如，在印度，偏远地区的低收入家庭极易受到洪水的影响，不仅扰乱或破坏生活，还会造成高昂的损失。每次发生洪灾，恒河下游都会有超过900万人受到影响，但哪些社区最需要支持并不总是显而易见的，且灾后的援助资源和能力也往往短缺。通过与谷歌合作，J-PAL的研究人员正在比哈尔邦评估一个洪水预测人工智能模型，该模型可预测洪水发生的位置及水位，并向受灾地区的智能手机发送警报。这些警报能够帮助高风险家庭提前进行准备以尽早撤离，还可以促使政府预先调拨资源，增强乡村地区的防灾能力。当然，此类项目必须谨慎使用训练数据，防止模型出现编程错误，以免让最需要或最有可能使用服务的人群无法受益。 增加服务获取途径 | 大多数社会项目和组织都无法覆盖全部有需求的人群。由人工智能驱动的工具可以弥合现有服务提供者与服务不足群体之间的差距，确保更多的人，尤其是在偏远或资源受限地区的人，能够获得基本服务。例如，因为没有足够的农业推广人员，目前还不能走访到每一位小农户并为其提供建议。J-PAL正在资助一项研究，评估一个农业机器学习工具的最新进展。该技术工具让拥有智能手机的农民只需拍摄作物照片，便可即时获得病虫害诊断与治理建议，从而提升作物产量。人工智能有助于显著缩小知识差距，让更多农民受益。然而，我们也需要确保人们信任这项技术及其提供的建议。 最大限度提高一线服务人员的效率 | 一线工作者通常具备履行基本职责的技能，但可能缺乏应对更复杂挑战所需的进阶知识或培训。人工智能可以增强他们的决策能力，支持其承担具有更高价值的工作。例如，在医生短缺的全球南方（Global South），社区卫生工作者是基本医疗服务的重要提供者。然而，他们可能没有正式的医学学位，也没有经验丰富的同行可以咨询。经过适当培训的人工智能模型可以提供诊断辅助、基于证据的治疗方案和智能分诊，从而带来更好的健康结果。J-PAL的研究人员正在提议开发一种自动筛查工具，让患者在家中能够利用机器学习工具进行价格较低的移动测试（如心电图移动工具、血压与心率检查），并根据移动测试的数据预测昂贵的“黄金标准”诊断测试（如超声心动图、心电图）结果。 减少偏见，确保公平 | 虽然算法可能带有偏见，但其偏见并非固有的。我们可以通过良好的工程设计消除这些问题。正确编程的人工智能甚至可以帮助识别并减轻政府和社会项目中的已有偏见，从而确保更公平的服务分配。例如，J-PAL研究人员提供的证据表明，“人造”系统（如招聘流程）可能充满偏见。与之相较，旨在根据候选人的潜力进行筛选的算法，而不是单纯地偏袒那些简历符合要求的人，可以减少偏见，并促进更公平的结果。然而，必须进行严格的评估，以确保算法不会放大已有的偏见。 提升资源水平与效率，应对重大挑战 | 应对气候变化和贫困问题需要大幅增加资源投入，但各国政府普遍面临不可持续的财政赤字，部分原因是新冠疫情对经济的冲击和高额的社会保障性支出。解决这一问题需要各国提高税收合规性。人工智能可以使税务审计这一先前繁琐、耗时且昂贵的过程变得快捷且经济，从而释放税务人员的劳动力，使其专注于更适合人类完成的任务，同时降低扩大人员配置的需求。例如，J-PAL在印度的研究人员发现，机器学习技术能够识别出潜在的逃税者，从而可能大幅增加税收群体数量。审计人员随后可通过实地调查核实情况。然而，评估这些技术以避免意外后果是至关重要的，例如不因过度依赖人工智能而轻视审计人员的作用。 ▍ 有实证依据的人工智能
虽然我们都有理由对人工智能在这些领域的潜在影响力感到兴奋，但在消除贫困和应对气候变化方面，其实际影响力还有待观察。此外，人工智能对劳动力市场和社会福利的影响仍然存在疑问。它会取代工作岗位，还是提升低技能人群的生产力和收入？它会将高收入国家的工作转移至中低收入国家，还是将外包岗位带回富裕国家？现行有利于资本投资却惩罚就业的税收结构，是否会使人工智能从技能增强工具转变为工作取代者？
为指导未来决策，我们需要清楚，当我们试图将人工智能引入现有社会项目，或以此为基础设计新项目时，哪些方法是有效的，哪些是无效的 。二十多年来，我们通过与执行方、捐赠者及当地社区合作，建立了严格的影响力评估体系。通过从过去的评估中学习，并在一开始就设计基于证据的人工智能项目，我们可以塑造人工智能的发展方向。
伊克巴尔·达利瓦尔是麻省理工学院阿卜杜勒·拉蒂夫·贾米尔贫困行动实验室的全球执行主任。
迈克尔·侯是阿卜杜勒·拉蒂夫·贾米尔贫困行动实验室的高级政策助理。
