Идеальной характеристикой искусственного интеллекта является его способность рационализировать и предпринимать действия, которые имеют наибольшие шансы на достижение поставленной цели. Отраслью искусственного интеллекта является машинное обучение (Machine Learning), которое занимается разработкой компьютерных программ, способных автоматически учиться и адаптироваться к новым данным без помощи человека. Методы Deep Learning обеспечивают автоматическое обучение за счет поглощения огромных объемов неструктурированных данных, таких как текст, изображения или видео.
AI for Social Good
От изменений климата до социальной поляризации и эпидемий – человечество ищет новые решения устоявшихся проблем. Искусственный интеллект набирает обороты в социальной сфере и обладает значительным потенциалом для решения проблем в таких областях, как медицина, понимание естественных языков и стимулирование научных открытий.
В 2018 году компания Google создала инициативу AI for Social Good . Эта специальная программа, которая направляет опыт и разработки Google в области искусственного интеллекта на решение гуманитарных и экологических проблем. AI for Social Good занимается такими исследовательскими и инженерными проектами, как помощь людям с нетипичной речью , открытое хранилище данных COVID-19 или быстрое и точное прогнозирование наводнений .
В рамках программы Google также занимается созданием ответственного искусственного интеллекта и работает над развитием способных принести пользу людям и обществу технологий. П риложения Google AI руководствуются следующими принципами.
Искусственный интеллект ДОЛЖЕН:
- быть социально полезным;
- избегать создания или усиления несправедливых предубеждений;
- быть испытан на безопасность;
- быть ответственным перед людьми;
- включать принципы дизайна конфиденциальности;
- поддерживать высокие стандарты научного сообщества;
- быть доступным для использования в соответствии с этими принципами.
Применение искусственного интеллекта НЕ ДОЛЖНО включать:
- вероятность причинения любого вреда;
- оружие или того, что может непосредственно ранить других;
- системы наблюдения, нарушающие международно признанные нормы;
- цели, которые противоречат международному праву и правам человека.
McKinsey
McKinsey занимается исследованиями инициатив искусственного интеллекта, направленных на общественное благо. В них рассматриваются области социального блага, в которых ИИ может быть применен, возможности ИИ и риски. Исследователи компании проанализировали существующие проекты и собрали базу данных из 160 примеров использования ИИ для социального блага. Они варьируются от диагностики рака до помощи слепым людям, выявления жертв сексуальной эксплуатации в интернете, и оказания помощи в ликвидации последствий стихийных бедствий. Согласно исследованию, ИИ является лишь частью гораздо более широкого набора мер, которые могут быть использованы для решения социальных проблем. А такие проблемы, как доступность данных и нехватка талантов в ИИ, ограничивают его применение для общественного блага.
Источник
Microsoft
Индийский предприниматель К. Чандрасекар, основатель Forus Health , обратился к Microsoft с идеей использования ИИ для искоренения предотвратимой слепоты. Microsoft AI for Social good to prevent blindness помогает сделать продукт, представляющий собой портативное устройство сканирования глаз, доступное по низкой цене. Компании совместно работают над выявлением заболеваний сетчатки, таких, например, как диабетическая ретинопатия. Эта вспомогательная технология экономит время при одновременном увеличении скорости тестирования.
Источник
Далее мы рассмотрим примеры использования технологий Искусственного интеллекта для общественного блага в таких областях, как здравоохранение, городское планирование, образование, безопасность и охрана дикой природы.
Примеры технологий
Медицина
Методы прогностической аналитики применяются к здравоохранению, с целью оценить клинические данные и предвидеть будущие тенденции. Одним из главных преимуществ когнитивных технологий в этой области является повышение точности диагностики и лечения.
В дополнение к увеличению производства лекарств и улучшению выявления аллергии и заболеваний, сектор здравоохранения с головой погружается в будущее с помощью роботов-хирургов. В течение многих лет медицинские бригады использовали роботизированное оборудование для незначительных процедур, но теперь они передают полный контроль Искусственному интеллекту.
PathAI – поставщик технологий для лабораторий патологии, обнаружил сильную корреляцию между ИИ и ручной квалификацией одного конкретного белка в различных опухолевых клетках. Белок PD-L1 удерживает иммунные клетки от нападения на безвредные клетки в организме, а поскольку некоторые раковые клетки содержат большое количество этого белка, они могут обмануть иммунную систему и избежать обнаружения. Предсказание моделей ИИ было оценено и сравнено с ручными оценками сетью патологов, чтобы выяснить, работает ли платформа. Исследователи обучили модель с более чем 250 000 предоставленных патологоанатомами аннотаций, которые в конечном итоге успешно выполнялись на уровне сертифицированного патологоанатома. Это открытие экономит время и ресурсы, с высокой точностью прогнозируя вероятность распространения раковых клеток у пациента.
Управление городами
Проект DataKind собирает данные об использовании воды, погоде и населении и создает модели прогнозирования для улучшения процессов управления водными ресурсами. Эта разработка позволяет точно прогнозировать спрос на воду: в Южной Калифорнии она сэкономила округу около 5 миллионов долларов , которые в противном случае были бы инвестированы в капитальное хранение и импорт питьевой воды.
Источник
Образование
Одним из самых популярных трендовых приложений ИИ для образования стало внедрение голосовых помощников в классе. Они позволяют детям взаимодействовать с учебным материалом и получать помощь без физического присутствия учителя. Кроме того, эти инструменты доступны для слепых и слабовидящих учеников, что представляет собой еще одно применение вне строго образовательного контекста.
Мобильное приложение сочетает в себе различные методы и процессы искусственного интеллекта, вроде оптического распознавания символов и распознавания объектов. SeeingAI может сканировать штрих-код и идентифицировать соответствующий продукт, а также получить связанные с ним инструкции или, например, сведения о входящих в состав ингредиентах. Более того, приложение может описывать людей с точки зрения их эмоционального статуса, а также предполагаемого возраста и пола.
Природные катастрофы
Тибо Пероль – ученый, который возглавляет проект искусственного интеллекта под названием ConvNetQuake . Эта система использует анализирующий сейсмограммы алгоритм машинного обучения, чтобы определить, является ли сейсмическая активность землетрясением или просто низкоуровневым шумом. С его помощью было обнаружено в 17 раз больше землетрясений по сравнению с традиционными измерениями. Это делает ConvNetQuake первой нейронной сетью в мире, способной обнаружить низкоуровневые события, которые традиционные методики не улавливают.
Защита окружающей среды
Билл Гейтс уже много лет является сторонником защиты окружающей среды, поэтому неудивительно, что Microsoft вкладывает значительные средства в использование ИИ для социального блага и устойчивого развития. Компания, которую основал Гейтс, потратила более 50 миллионов долларов на программу AI for Earth , которая создает и тестирует инновационные приложения ИИ для решения проблем изменения климата.
Источник
Другой проект по охране дикой природы, PAWS , представляет собой управляемую ИИ систему, которая оценивает информацию о браконьерской деятельности, а затем генерирует маршруты патрулирования для природоохранных агентств разведки. Как и любая хорошая система машинного обучения, PAWS становится умнее, собирая больше данных, и достаточно скоро она будет способна понимать модели поведения браконьеров. С помощью прогнозной аналитики патрульные подразделения смогут также предсказать районы, куда направятся браконьеры в будущем.
Заключение
Обилие данных и распространение новых технологий делает возможным широкое применение искусственного интеллекта на благо общества. Новые социальные инициативы, основанные на методах Deep Learning и машинного обучения для решения проблем, получают все больше финансирования во многих отраслях: от прогнозной аналитики в здравоохранении до технологических альтернатив в образовании и инструментов распознавания образов в сфере безопасности.