Trí tuệ nhân tạo – AI không phải là một vũ khí ma thuật, nhưng AI có thể giúp giải quyết một số vấn đề xã hội thách thức nhất của thế giới.
Trí tuệ nhân tạo có tiềm năng giúp giải quyết một số vấn đề xã hội thách thức nhất của thế giới. Để phân tích những ứng dụng tiềm năng của AI vào những việc tốt cho xã hội, chúng tôi biên soạn một thư viện của khoảng 160 trường hợp sử dụng AI có ảnh hưởng đến xã hội. Các tài liệu đề nghị rằng những khả năng hiện tại của AI có thể góp phần giải quyết những trường có trong tất cả 17 mục tiêu phát triển bền vững của Liên Hợp Quốc, với khả năng giúp hàng trăm triệu người ở cả các nước phát triển và các quốc gia mới nổi.
Những ví dụ đời thực của AI đang được áp dụng trong khoảng một phần ba các trường hợp được sử dụng này, mặc dù trong những thí nghiệm tương đối nhỏ. Các ứng dụng đi từ chẩn đoán ung thư đến giúp người mù định hướng khu vực xung quanh, nhận biết nạn nhân của bạn bóc lột tình dục trực tuyến, và nỗ lực cứu trợ thiên tai (ví dụ như lũ lụt theo sau bão Harvey năm 2017). Tuy nhiên, AI chỉ là một phần trong bộ công cụ rộng hơn của các biện pháp có thể được sử dụng để giải quyết các vấn đề xã hội. Bây giờ, những vấn đề như tiếp cận dữ liệu và sự thiếu hụt tài năng về AI đang hạn chế ứng dụng của AI để phục vụ xã hội.
Lập bản đồ những trường hợp sử dụng AI để phục vụ xã hội
Với mục đích của nghiên cứu này, chúng tôi định nghĩa AI như là loại học sâu (deep learing). Chúng tôi nhóm những trường hợp sử dụng thành 10 lĩnh vực có ảnh hưởng trong xã hội dựa vào những phân loại đang được sử dụng bởi những tổ chức xã hội, ví dụ như định nghĩa của quỹ AI for Good Foundation và của Ngân hàng thế giới. Mỗi trường hợp sử dụng AI nhấn mạnh một loại vấn đề có ý nghĩa mà có thể được giải quyết bởi một hoặc nhiều khả năng của AI. Cái giá của sự đau khổ của con người, và giá trị của việc giảm bớt đó, là không thể nào đo và so sánh được. Dù sao, lấy tần suất sử dụng như một đại diện, chúng ta đo được ảnh hưởng tiềm tàng về những khả năng khác nhau của AI.
Do rất nhiều trong số giải pháp này là những thí nghiệm nhỏ để xác định tính khả thi, chức năng của AI và phạm vi triển khai thường đề nghị rằng tiềm năng bổ sung có thể được ghi lại. Ba phần tư các trường hợp sử dụng AI, chúng tôi đã thấy những giải pháp được triển khai AI có sử dụng một vài cấp độ của kỹ thuật phân tích nâng cao; hầu hết của những trường hợp sử dụng, mặc dù không phải tất cả, sẽ có lợi hơn nữa từ việc sử dụng công nghệ AI. Thư viện của chúng tôi không hoàn toàn triệt dể và còn tiếp tục được phát triển, cùng với những khả năng của AI.
Ứng phó khủng hoảng
Đây là những thách thức liên quan đến khủng hoảng cụ thể, ví dụ như phản ứng đến những thảm họa tự nhiên và nhân tạo trong sứ mệnh tìm kiếm và giải cứu, cũng như khi dịch bệnh bùng nổ. Những ví dụ bao gồm sử dụng AI trong dữ liệu vệ tinh để vẽ bản đồ và tiên đoán tiến triển của cháy rừng và nhờ vậy tối ưu hóa phản ứng của lính cứu hỏa.
Máy bay không người lái với những khả năng của AI cũng có thể được sử dụng để tìm kiếm những người mất tích trong khu vực hoang dã.
Trao sức mạnh về kinh tế
Với một sự nhấn mạnh vào đối tượng dân cư dễ bị tổn thương, những lĩnh vuệc AI này bao gồm mở rộng truy cập đến tài nguyên kinh tế và những cơ hội, bao gồm việc làm, phát triển kỹ năng, và thông tin thị trường. Ví dụ, AI có thể được sử dụng để phát hiện thiệt hại sớm của cây cối thông qua cảm biến ở tầng thấp, bao gồm điện thoại thông minh và máy bay không người lái, để cải thiện năng suất cho những nông trại nhỏ.
Những thử thách về giáo dục
Những thử thách này bao gồm tối đa hóa thành tích của sinh viên và cải thiện năng suất của giáo viên. Ví dụ, công nghệ học tập thích ứng có thể căn cứ vào nội dung đề nghị đến sinh viên dựa trên thành công quá khứ và sự tương tác của sinh viên với các tài liệu.
Những thách thức về môi trường
Duy trì đa dạng sinh học và chiến đấu với sự cạn kiệt tài nguyên thiên nhiên, ô nhiễm, và biến đổi khí hậu là những thách thức trong lĩnh này (Hình 2 minh họa cách AI có thể được sử dụng để tóm được kẻ săn trộm động vật hoang dã). Tổ chức Kết nối rừng nhiệt đới – The Rainforest Connection, một tổ chức phi lợi nhuận, sử dụng công cụ AI như Google’s TensorFlow trong nỗ lực bảo tồn thiên nhiên trên khắp thế giới. Nền tảng của AI có thể phát hiện cá vụ đốn gỗ bất hợp pháp ở những khu vực rừng dễ bị tổn thương bằng việc phân tích dữ liệu cảm biến âm thanh.
Bình đẳng và hòa nhập
Giải quyết thách thức của bình đẳng, hòa nhập và quyền tự quyết (ví dụ giảm thiểu hoặc loại bỏ thành kiến dựa vào giới tính, xu hướng tình dục, tôn giáo, quyền công dân và khuyết tật) là những vấn đề trong lĩnh vực này. Một trường hợp sử dụng, dựa vào bởi Affectiva, được khởi xưởng từ phòng thí nghiệm truyền thông Đại Học MIT – MIT Media Lab, và Autism Glass, một dự án nghiên cứu của Stanford, bao gồm việc sử dụng AI để tự động hóa nhận thức của cảm xúc và để cung cấp tín hiệu xã hội giúp các cá nhân bị tự kỷ hòa nhập với môi trường xã hội.
Y tế và nạn đói
Lĩnh vực này giải quyết những thách thức về Y tế và nạn đói, bao gồm chẩn đoán giai đoạn đầu và tối ưu hóa phân phối thực phẩm. Những nhà nghiên cứu ở trường đại học Heidelberg và trường đại học Stanford đã tạo ra một hệ thống AI để phát hiện dịch bệnh- sử dụng chẩn đoán hình ảnh của những hình ảnh tự nhiên, ví dụ như những hình ảnh về tổn thương da để xác định nếu đó là ung thư hay không – điểm vượt trội so với các bác sỹ da liễu chuyên nghiệp. Thiết bị hỗ trợ AI đeo trên người có thể phát hiện bệnh nhân với những dấu hiệu tiềm tàng sớm của bệnh tiểu đường với độ chính xác 85% bằng việc phân tích dữ liệu cảm biến nhịp tim. Những thiết bị này, nếu có giá cả thích hợp, có thể giúp hơn 400 triệu người quanh thế giới bị ảnh hưởng bởi bệnh tiểu đường.
Xác minh và xác nhận thông tin
Lĩnh vực này quan tâm đến thách thức của việc tạo điều kiện cho cung cấp, xác nhận và khuyến nghị các thông tin có ích, có giá trị và đáng tin cậy đến tất cả. Giải pháp tập trung vào việc lọc hoặc phản ứng với nội dung sai lệch và bị bóp méo, bao gồm thông tin sai và phân cực phổ biến trên các kênh tương đối mới của internet và truyền thông xã hội. Các nội dung sai lệch này có thể có những hậu quả tiêu cực nghiêm trọng, bao gồm sự thao túng kết quả bầu cử hoặc kể cả giết người bởi đám đông ở Ấn Độ và Mexico bị kích động bởi việc phổ biến những thông tin sai lệch thông qua ứng dụng nhắn tin. Những trường hợp sử dụng AI trong lĩnh vực này bao gồm tích cực thể những quan điểm đối nghịch với ý thức hệ cô lập nảy nở trong truyền thông xã hội.
Quản lý cơ sở hạ tầng
Lĩnh vực này bao gồm những thử thách về cơ sở hạ tầng mà có thể khuyến khích dịch vụ công trong quản lý năng lượng, nước và chất thải, vận chuyển, bất động sản và quy hoạch đô thị. Ví dụ, mạng lưới đèn giao thông có thể được tối ưu hóa sử dụng dữ liệu camera giao thông thời gian thực và cảm biến công nghệ internet of thing (IoT) để tối ưu hóa thông lượng xe. AI cũng có thể được sử dụng để lên lịch bảo trì có thể dự đoán của hệ thống giao thông công cộng, ví dụ như tàu hỏa và cơ sở hạ tầng công cộng (bao gồm cầu), để nhận biết các thành phần có khả năng trục trặc.
Quản lý lĩnh vực công và xã hội
Sáng kiến dựa vào sự hiệu quả và quản lý hiệu quả của khu vực công và xã hội, bao gồm các thể chế mạnh, minh bạch và quản lý tài chính, được bao gồm trong lĩnh vực này. Ví dụ, AI có thể được sử dụng để phát hiện ra gian lận thuế sử dụng dữ liệu thay thế ví dụ như duyệt dữ liệu, dữ liệu bán lẻ hoặc lịch sử thanh toán.
An ninh và công lý
Lĩnh vực này bao gồm những thách thức trong xã hội ví dụ như ngăn ngừa tội phạm và các nguy hại về thể chất khác, cũng như truy lùng tội phạm và giảm thiểu thành kiến trong lực lượng cảnh sát. Giải pháp tập trung vào an ninh, khống chế và các vấn đề về tư pháp hình sự là một loại độc nhất, hơn là như một phần của quản lý khu vực công. Một ví dụ là sử dụng AI và dữ liệu từ các thiết bị internet để tạo ra các giải pháp giúp cho lính cứu hỏa quyết định đường đi an toàn qua những tòa nhà đang cháy.
Những lĩnh sử dụng AI chúng tôi nghiên cứu bao gồm tất cả 17 mục tiêu phát triển bền vững của Liên Hợp Quốc.
Thư viện của chúng tôi về các trường hợp sử dụng AI không dựa trên trên phân loại của SDGs, bởi vì mục tiêu của SGDs, không giống chúng tôi, không liên quan trực tiếp đến cách sử dụng AI, khoảng 20 trường hợp trong thư viện của chúng tôi không có trong bản đồ liên quan đến SDGs. Đồ thị không nên được đọc như một đánh giá toàn diện về tiềm năng của AI cho mỗi mục tiêu SDG, nếu một SDG có số lượng thấp các trường hợp sử dụng AI, thì điều đó chỉ phản ánh thực tế trong thư viện của chúng tôi chứ không phải là khả năng ứng dụng của AI đến mục tiêu SDG đó .
Những khả năng của AI có thể sử dụng phục vụ xã hội
Chúng tôi nhận biết 18 khả năng của AI mà có thể được sử dụng để làm lợi cho xã hội. 14 trong số đó rơi vào 3 loại chính: Thị giác của máy tính, xử lý ngôn ngữ tự nhiên và xử lý lời nói và âm thanh. 4 khả năng còn lại, chúng tôi coi là khả năng độc lập, bao gồm 3 khả năng của AI: học tăng cường, tạo ra nội dung và cấu trúc học sâu. Chúng tôi cũng bao gồm một phân loại cho kỹ thuật phân tích.
Phân loại hình ảnh và phát hiện vật thể là những khả năng mạnh của thị giác máy tính
Với thị giác máy tính, những khả năng riêng biệt của phân loại hình ảnh và phát hiện vật thể là nổi bật với những tiềm năng ứng dụng cho xã hội. Những khả năng này thường được sử dụng cùng nhau – ví dụ, khi máy bay không người lái cần thị giác máy tính để xác định một môi trường rừng phức tạp cho những mục đích tìm kiếm và giải cứu. Trong trường hợp này, phân loại hình ảnh có thể được sử dụng để phân biệt mặt đất bình thường bao phủ lối đi bộ, nhờ đó hướng dẫn định hướng của máy bay không người lái, trong khi phát hiện vật thể giúp phá vỡ các chướng ngại vật ví dụ như cây.
Một vài trong số đó là trường hợp bao gồm nhiệm vụ của con người có thể có khả năng hoàn thành ở cấp độ cá nhân, nhưng số lượng yêu cầu là quá lớn mà vượt ra khỏi khả năng của con người (ví dụ, tìm kiếm những con đường bị lụt hoặc không sử dụng được ở trong một khu vực lớn sau một cơn bão lốc). Trong những trường hợp khác, một hệ thống AI có thể chính xác hơn so với con người, thường do xử lý nhiều thông tin hơn (ví dụ, phát hiện sớm các triệu chứng của cây để ngăn sự lây nhiễm đến toàn bộ mùa màng).
Những khả năng của thị giác máy tính ví dụ như nhận biết con người, phát hiện khuôn mặt, nhận biết cảm xúc chỉ liên quan đến những lĩnh vực và những trường hợp được lựa chọn, bao gồm ứng phó khủng hoảng, an ninh, bình đẳng và giáo dục, nhưng nơi có liên quan, ảnh hưởng của AI là rất lớn. Trong những trường hợp này, chủ đề chung là việc cần thiết nhận diện các cá nhân, dễ dàng hoàn thành nhất thông qua phân tích các hình ảnh. Một ví dụ của trường hợp này sẽ là tận dụng lợi thế thế của nhận diện khuôn mặt trong kiểm soát giám sát để phát hiện sự có mặt của kẻ xâm nhậm trong môt khu vực riêng biệt. (Những ứng dụng của nhận diện khuôn mặt phát hiện sự có mặt của nhiều người trong một hình ảnh hoặc khung video và không nên bị nhầm lẫn với kỹ thuật nhận dạng khuôn mặt – facial recognition mà được sử dụng để nhận biết cá nhân bởi những đặc tính của họ).
Xử lý ngôn ngữ tự nhiên
Một vài khía cạnh của xử lý ngôn ngữ tự nhiên, bao gồm phân tích tình cảm, dịch ngôn ngữ, và hiểu ngôn ngữ, cũng nổi bật là tính ứng dụng đến phạm vi rộng của nhiều lĩnh vực và trường hợp. Xử lý ngôn ngữ tự nhiên hiệu quả nhất trong những lĩnh vực nơi thông tin thường được lưu trữ trong hình thức văn bản phi cấu trúc, ví dụ như báo cáo sự cố, hồ sơ sức khỏe, bài báo và tin nhắn SMS.
Như với những phương pháp dựa vào thị giác máy tính, trong vài trường hợp một người có thể thực hiện một công việc với độ chính xác lớn hơn một mô hình máy học có thể làm. Dù sao, tốc độ của những hệ thống tự động đủ tốt có thể cho phép hiệu quả quy mô có ý nghĩa – ví dụ, cung cấp trả lời tự động của những câu hỏi mà người dân có thể hỏi thông qua email. Trong những trường hợp khác, đặc biệt trường hợp mà yêu cầu xử lý và phân tích một lượng lớn thông tin nhanh chóng. mô hình AI có thể vượt trội con người. Một ví dụ minh họa có thể bao gồm giám sát bùng nổ của dịch bệnh bằng cách phân tích các tin tweet được gửi bằng nhiều ngôn ngữ địa phương.
Một vài khả năng, hoặc sự kết hợp của các khả năng, có thể mang lại cho nhóm dân số nhất định những cơ hội mà sẽ không tồn tại khi không có AI, đặc biệt cho những trường hợp sử bao gồm việc hiểu môi trường tự nhiên thông qua sự diễn giải của thị giác, âm thanh và lời nói. Một ví dụ là sử dụng AI để giúp giáo dục trẻ em tự kỷ. Mặc dù nhà trị liệu chuyên nghiệp đã chứng minh sự hiệu quả trong việc tạo ra các kế hoạch học tập về hành vi cho trẻ em với hội chứng tự kỷ (ASD), danh sách chờ cho trị liệu là rất dài. Các công cụ của AI, chủ yếu sử dụng nhận biết cảm xúc và phát hiện khuôn mặt, có thể tăng khả năng truy cập cho những cơ hội giáo dục bằng việc cung cấp tín hiệu để giúp trẻ em nhận biết và cuối cùng học các nét mặt giữa những thành viên trong gia đình và bạn bè của trẻ .
Cấu trúc học tập sâu cũng có thể có những ứng dụng cho lợi ích xã hội
Một loại thứ ba của những khả năng AI với những ứng dụng xã hội tốt được cấu trúc học sâu để phân tích bộ dữ liệu dạng bảng truyền thống. Điều này có thể giúp giải quyết các vấn đề khác nhau từ gian lận thuế (sử dụng dữ liệu khai thuế) đến tìm kiếm mà nếu không có kỹ thuật này thì khó để phát hiện hình thái sâu sắc trong hồ sơ sức khỏe điện tử.
Cấu trúc học tập sâu (SDL) đã và đang lấy đà ở lĩnh vực thương mại trong những năm gần đây. Chúng tôi mong chờ để nhìn thấy xu hướng tràn vào những giải pháp cho những ứng dụng tốt cho xã hội, đặc biệt mang lại sự phong phú của dữ liệu dạng bảng trong khu vực công và xã hội. Bằng việc tự động hóa các khía cạnh của kỹ thuật tính năng cơ bản, các giải pháp của SDL làm giảm sự cần thiết hoặc cho chuyên môn tên miền hoặc một hiểu biết bẩm sinh của dữ liệu và những khía cạnh quan trọng của dữ liệu .
Những phân tích nâng cao có thể là giải pháp hiệu quả hơn về thời gian và chi phí so với AI ở một vài trường hợp.
Một vài trường hợp trong thư viện của chúng tôi tìm thấy thì phù hợp hơn với kỹ thuật phân tích truyền thống, mà dễ dàng hơn để tạo ra, hơn là AI. Hơn thế nữa, cho một số nhiệm vụ, các kỹ thuật phân tích khác có thể phù hợp hơn là học sâu. Ví dụ, trong những trường hợp nơi có một khả năng giải thích cao cấo, các mô hình dựa trên cây ra quyết định có thể thường dễ dàng được hiểu hơn bởi con người. Ở Flint, Michigan, máy học (đôi khi được gọi là AI, mặc dù trong nghiên cứu này chúng tôi định nghĩa AI hẹp hơn so với máy học) được sử dụng để dự đoán những ngôi nhà mà có thể vẫn có ống dẫn nước chứa chì.