Skip to main content

AI

7. januar 2025.

 

Vještačka inteligencija za sve: Lekcije iz presjeka tehnologije i inkluzije

Ovi stručnjaci za korištenje umjetne inteligencije za društveno dobro dijele svoja saznanja o skaliranju inkluzivne umjetne inteligencije.

Vicki Hyman

Direktor komunikacija, Mastercard

 

Od odobravanja kredita kolumbijskim mikropoduzetnicima, preko smanjenja stope morbiditeta majki u Etiopiji, do pružanja informacija koje spašavaju živote izbjeglicama širom svijeta, moć umjetne inteligencije se usklađuje s potencijalom za inkluziju i ekonomsko osnaživanje.

Redefinirajući kako koristiti umjetnu inteligenciju za društveni utjecaj, pet organizacija će razviti i skalirati svoja rješenja kao pobjednici izazova "Umjetna inteligencija za ubrzanje inkluzije", na koji je pristiglo više od 500 prijava iz 82 zemlje. Pobjednici - među kojima su i socijalno preduzeće za male pčelare u Indiji i američka inicijativa koja povezuje pacijente s nedovoljno iskorištenim saveznim beneficijama - dobit će 200.000 dolara te tehničku pomoć i mentorstvo od Mastercarda i data.org. koji je sponzorirao izazov.

Mastercard Newsroom je razgovarao s liderima pobjedničkih organizacija o izazovima izgradnje AI rješenja u društvenom sektoru, kako ublažavaju pristranosti i obučavaju svoje modele da budu inkluzivni, te koji drugi sektori imaju najviše obećanja za ovu tehnologiju.

Premošćivanje finansijskog jaza za mala preduzeća u Kolumbiji: Quipu

U Kolumbiji, skoro 6 miliona preduzeća su mikropreduzeća, koja posluju sa manje od 10 zaposlenih i malom količinom kapitala. Od njih, samo 9 posto može formalno posuditi novac, zbog nedostatka informacija o njihovom poslovanju i nedostatka finansijske historije, što stvara ogroman nedostatak sredstava.

Quipu premošćuje informacijski jaz u neformalnoj ekonomiji korištenjem umjetne inteligencije kako bi preciznije procijenio kreditnu sposobnost ovih manjih preduzeća putem modela bodovanja koji analizira netradicionalne podatke, kao što su historija mobilnih transakcija, interakcije na društvenim mrežama, SMS poruke i obrasci plaćanja, te inteligentna isplata i naplata kredita. Također pruža platformu za finansiranje i mikrokredite koji omogućavaju ovim preduzećima da izgrade alternativni kreditni rejting na osnovu finansijskih i nefinansijskih informacija. Putem Quipuove aplikacije, korisnici mogu za nekoliko minuta aplicirati za obrtni kapital koji se isplaćuje za manje od dva dana.

 

Jačanje zdravstvene zaštite u zajednici u Etiopiji: IDinsight

Prije dvije decenije, Etiopija je pokrenula novi model zdravstvene zaštite na selu, obučavajući i raspoređujući hiljade zdravstvenih radnika da služe lokalnim zajednicama, što je rezultiralo značajnim poboljšanjima u zdravlju majki i djece, te smanjenjem broja novih HIV infekcija i smrtnih slučajeva povezanih s tuberkulozom i malarijom, da spomenemo samo neke.

Kako bi se nadogradio taj uspjeh, IDinsight sarađuje s Last Mile Health i Ministarstvom zdravstva Etiopije na pozivnom centru s umjetnom inteligencijom koji zdravstveni radnici mogu kontaktirati za medicinske smjernice u stvarnom vremenu o složenim slučajevima. AI rješenje organizacije uključivat će sistem upravljanja slučajevima i uslugu odgovaranja na pitanja zasnovanu na sveobuhvatnim smjernicama Ministarstva zdravstva, pružajući podršku u stvarnom vremenu agentima pozivnog centra koji će dalje prenositi ključne informacije zdravstvenim radnicima putem telefona, omogućavajući im da se fokusiraju na njegu pacijenata i pružanje visokokvalitetne zdravstvene zaštite.

 

Pružanje informacija koje spašavaju živote ljudima u krizi širom svijeta: Projekt Signpost Međunarodnog komiteta za spašavanje

Rekordnih 120 miliona ljudi širom svijeta raseljeno je zbog sukoba, prirodnih katastrofa, siromaštva i nasilja. Ljudi pogođeni krizom moraju donositi ključne, životno važne odluke tokom svog putovanja ka sigurnosti, s ograničenim informacijama. Međunarodni komitet za spašavanje pokrenuo je 2015. godine Projekt Signpost, koji uspostavlja digitalne centre za pomoć korisnicima kako bi pronašli tačne i pravovremene informacije, pristupili ključnim uslugama i postavljali direktna pitanja lokalnim moderatorima, kao što je: Kako mogu pristupiti stanovanju? Hoću li moći dobiti privremenu radnu dozvolu? Mogu li upisati svoju djecu u školu? Signpost ima skoro 30 aktivnih programa širom svijeta, sa preko 6 miliona korisnika Signposta u 2024. godini.  

Međutim, potrebe za informacijama rastu zajedno s brojem raseljenih osoba. Tokom krize u Afganistanu 2023. godine, jedna objava na Facebooku rezultirala je sa 30.000 poruka u roku od jednog mjeseca, što je preopteretilo lokalni tim Signposta od šest moderatora. Godine 2024, Signpost Project, predvođen IRC-om, pokrenuo je Signpost AI kako bi poboljšao dostavu kritičnih informacija putem AI agenata i ljudskog nadzora. Ovaj sistem ima za cilj smanjenje opterećenja moderatora, omogućavajući im da se fokusiraju na složenije slučajeve, a istovremeno osigurava pravovremene i tačne odgovore koji poboljšavaju pristup resursima i uslugama za raseljeno stanovništvo širom svijeta. 

 

Izgradnja košnice znanja za pčelare u Indiji: Buzzworthy Ventures

Indija ostaje globalni poljoprivredni dinamit, ali jednom poljoprivrednom lancu vrijednosti nedostaje uzbuđenja: pčelarstvo. U Indiji postoji 400.000 malih pčelara, od kojih se mnogi bore da održe egzistenciju, a kamoli da povećaju ekonomski potencijal oprašivanja insektima za poboljšanje prinosa usjeva. U Indiji, oprašivanje insekata doprinosi sa 22,52 milijarde dolara godišnje, što daleko premašuje veličinu tržišta meda i proizvoda od pčela, ali potencijal ostaje u velikoj mjeri neiskorišten za usjeve ključne za indijsku ekonomiju i ishranu. 

Tako je Buzzworthy Ventures stvorio Beekind, mobilnu aplikaciju pokretanu umjetnom inteligencijom kako bi osnažio male pčelare, posebno žene, male zemljoposjednike, poljoprivrednike bez zemlje i plemensko stanovništvo u ruralnim i marginaliziranim zajednicama. Pruža uvide u stvarnom vremenu i prediktivnu analitiku, pomažući pčelarima da upravljaju zdravljem svojih košnica, dijagnosticiraju bolesti, poboljšaju proizvodnju meda i prilagode se promjenjivim klimatskim uvjetima.

 

Smanjivanje jaza između zdravlja i bogatstva u SAD-u: Link Health

Doktor hitne pomoći Alister Martin često je uviđao da je siromaštvo glavni faktor koji je doveo do posjeta pacijenata hitnoj pomoći. Shvatio je da „novac kao lijek“ – pomaganje pacijentima u pristupu novčanoj pomoći i federalnim beneficijama – može riješiti temeljne uzroke lošeg zdravlja smanjenjem jaza između zdravlja i bogatstva. 

To je dovelo do stvaranja Link Healtha, programa koji povezuje pacijente s nepotrošenim saveznim programima pomoći poput SNAP-a, WIC-a i Lifelinea kako bi se ublažio finansijski pritisak koji pogoršava zdravstvene nejednakosti. Platforma za upis i chatbot zasnovani na vještačkoj inteligenciji imaju za cilj da oslobode 10 miliona dolara državnih i federalnih beneficija za ublažavanje siromaštva, smanjenje finansijskog stresa i poboljšanje blagostanja.

Koji je bio najveći izazov u realizaciji vašeg rješenja?

Mercedes Bidart, izvršni direktor i suosnivač Quipu

„Najveći izazov bio je osigurati prvu količinu kapitala za početak kreditiranja radi usavršavanja naših rezultata.“ Stvaranje novog rješenja za procjenu rizika je kao problem kokoške i jajeta: potreban vam je kapital za izgradnju rješenja, ali ga nećete dobiti dok ga ne testirate. 

Sid Ravinutula, glavni naučnik za podatke, IDinsight

"Prvi izazov je tehničke prirode. U kontekstu zdravstvene zaštite, tretmani i preporuke moraju biti 100% tačni - nema mjesta halucinacijama. Ovo zahtijeva drugačiji pristup od popularne arhitekture generiranja proširenog pretraživanjem. Moramo konstruirati grafikon koji precizno prikazuje tretmane i dijagnostičke protokole.

„Drugi izazov je kreiranje reprezentativnih mjerila i skupova za validaciju.“ Prije iteracije i poboljšanja modela, potreban nam je skup pitanja i odgovora koje će ovi radnici vjerovatno postaviti. Ovaj skup podataka mora obuhvatiti sve teme o kojima se mogu raspitivati i uzeti u obzir način na koji bi mogli postavljati pitanja - korištenjem skraćenica, kolokvijalnih termina, emotikona itd. Izgradnja visokokvalitetnog skupa podataka za mjerenje performansi je skupa, jer često zahtijeva ljudske anotacije.

André Heller, voditelj programa, Signpost

„Jedan od najvećih izazova bio je razvoj alata umjetne inteligencije koji su istovremeno inkluzivni i kontekstualno tačni.“ Obuka vještačke inteligencije za razumijevanje manjinskih jezika, regionalnih dijalekata i kulturno nijansiranog sadržaja zahtijeva opsežno kuriranje podataka, ljudsku ekspertizu i testiranje. Osim toga, osiguravanje da odgovori generirani umjetnom inteligencijom poštuju humanitarne principe i ne održavaju predrasude zahtijevalo je izgradnju snažnih zaštitnih mjera, kao što su nadzor od strane ljudskog faktora i izmjene ustava radi postizanja etičkog učinka. Balansiranje inovacija s ovim strogim standardima bilo je zahtjevno, ali neophodno.

Monika Shukla, izvršna direktorica i suosnivačica Buzzworthy Ventures

„Primarni izazov ležao je u premošćivanju jaza između napredne tehnologije umjetne inteligencije i njenog usvajanja u ruralnim područjima, na lokalnom nivou.“ Iako je internet konekcija u Indiji eksponencijalno porasla - sa preko 700 miliona korisnika interneta u 2023. godini, uglavnom zahvaljujući pristupačnim pametnim telefonima - pristup je i dalje neravnomjeran. Ovaj digitalni jaz, u kombinaciji s neujednačenom pokrivenošću mreže u udaljenim šumama i selima, predstavljao je značajnu prepreku za primjenu rješenja zasnovanih na vještačkoj inteligenciji koja zahtijevaju dosljednu povezanost i interakciju s korisnikom.

Alister Martin, izvršni direktor, Link Health

„Snalaženje u javnim beneficijama i pristup njima može biti prepreka za mnoge porodice.“ Međutim, najveći izazov bio je besprijekorna integracija intervencije Link Healtha u zdravstvene ustanove gdje su pružatelji usluga već preopterećeni. Ovo je zahtijevalo izgradnju povjerenja među zdravstvenim radnicima, osiguravajući da navigatori ne ometaju njegu pacijenata, a istovremeno pokazuju mjerljive koristi za pacijente i zdravstvene sisteme.

 

 

Žene i djevojka okupljene oko tableta.

 

 

Kako osiguravate da je vaše rješenje i prilagođeno i inkluzivno?

Mercedes Bidart, Quipu: „Kako bismo ublažili pristranost, koristimo raznolike skupove podataka, redovno revidiramo naše modele umjetne inteligencije i primjenjujemo validaciju uz sudjelovanje čovjeka kako bismo osigurali poštene i jednake procjene kreditne sposobnosti.“ Naši algoritmi su rigorozno testirani kako bi se spriječile rodne i rasne predrasude, te ih kontinuirano pratimo i ažuriramo kako bi bili usklađeni s etičkim standardima. Također korisnicima pružamo pristupačne procese pravnog lijeka, omogućavajući im da osporavaju ili se žale na odluke umjetne inteligencije.

Sid Ravinutula, IDinsight:  „Prvo, ovo gradimo kao rješenje otvorenog koda.“ Nadamo se da će ovo ubrzati primjenu sličnih alata u drugim kontekstima omogućavajući organizacijama da ih koriste za svoje specifične potrebe. Drugo, osiguravamo da se može lako prilagoditi i proširiti za lokalne kontekste. To uključuje pridržavanje lokalnih smjernica, promjenu modela umjetne inteligencije ili dodavanje novih zaštitnih ograda. Kreiranjem zajedničkog modela koji se može fino podesiti za svaki kontekst, osiguravamo da je rješenje široko primjenjivo, a istovremeno poštujemo jedinstvene zahtjeve svakog okruženja. 

André Heller, Signpost: „Signpost AI se obučava korištenjem odabranih, provjerenih podataka iz pouzdanih izvora i lokalnih nevladinih organizacija.“ Ovo osigurava da vještačka inteligencija odražava regionalne dijalekte, kulturne norme i jezike manjina, popunjavajući kritične praznine za nedovoljno opsluženo stanovništvo. AI agenti podržavaju glasovne i tekstualne unose, omogućavajući pristup osobama sa niskim nivoom pismenosti. Alati se testiraju i usavršavaju s izvornim govornicima i moderatorima zajednice kako bi se potvrdila tačnost i inkluzivnost. Naš Ustav o vještačkoj inteligenciji demokratski uspostavlja etička pravila, uključujući nediskriminaciju i jezik osjetljiv na traumu, uz kontinuirane revizije kako bi se ublažile pristrasnosti.

Monika Shukla, Buzzworthy Ventures: „Beekind prilagođava svoja tehnološka rješenja specifičnim regionalnim, ekološkim i poljoprivrednim uvjetima, integrirajući hiperlokalne faktore poput klime, flore i poljoprivrednih praksi.“ Da bismo to postigli, aktivno uključujemo lokalne pčelare, istraživače, poljoprivredne stručnjake i lidere zajednice u prakse kodiranja, modele i strategije implementacije, osiguravajući da rješenje bude usklađeno sa životnom stvarnošću ljudi kojima služi. Dajemo prioritet ženama i malim poljoprivrednicima — ključnim, ali nedovoljno opsluženim doprinositeljima indijskog poljoprivrednog ekosistema. Na primjer, pružanjem obuke osjetljive na rodnu ravnopravnost i stvaranjem inkluzivnih prostora za dijalog, osnažujemo žene da aktivno učestvuju u lancu vrijednosti pčelarstva i da od njega imaju koristi. Inkluzivnost nije samo princip; to je praktični temelj našeg pristupa.

Alister Martin, Link Health: „Navigatori se susreću s pacijentima tamo gdje se oni nalaze – fizički i emocionalno – često u čekaonicama i prilagođavaju svoj pristup specifičnim potrebama pacijenata, kao što je uključivanje starijih osoba u pogodnosti poput programa štednje Medicare.“ Dizajniranjem sistema koji daju prioritet pristupačnosti i koriste pouzdane glasnike zajednice, program osigurava da efikasno služi raznolikim populacijama, a posebno zajednicama koje su u nedovoljnoj mjeri uslužene.

Koja je vaša najveća zabrinutost u vezi sa vještačkom inteligencijom?

Mercedes Bidart, Quipu: „Najvažniji dio pri izgradnji AI modela je skup podataka.“ Dobar model je onaj koji ima dobar i pravedan ishod, a jedini način da se to omogući je treniranje modela s različitim skupovima podataka koji predstavljaju specifičnosti svake regije. Drugi važan dio slagalice je osoba/tim koji gradi model. Samo 20% poslova u oblasti vještačke inteligencije obavljaju žene, što znači da se rezultati ne preispituju iz rodne perspektive. Potrebno nam je više žena koje vode rješenja za umjetnu inteligenciju.

Sid Ravinutula, IDinsight: „Pouzdanost. U zdravstvu, pogrešna dijagnoza ili nepotpuno liječenje mogu imati katastrofalne posljedice. Međutim, modeli umjetne inteligencije inherentno pokazuju slučajnost. Na primjer, postavljanje istog pitanja više puta umjetnoj inteligenciji može dati malo drugačije odgovore. Slično tome, preformulisanje pitanja može dati različite odgovore. Iako će većina odgovora vjerovatno prenijeti istu poruku, neki mogu biti nepotpuni ili obmanjujući, što potencijalno može uzrokovati štetu. Snažne zaštitne ograde su neophodne kako bi se osiguralo da su svi odgovori tačni, potpuni i s poštovanjem.

André Heller, Signpost: „Najveća briga je potencijal umjetne inteligencije da nanese štetu putem pristranosti, dezinformacija ili isključivanja.“ Za ranjive populacije, netačne informacije mogu imati posljedice koje mijenjaju život. Osiguravanje kontekstualne tačnosti, transparentnosti i etičnosti vještačke inteligencije zahtijeva stalan nadzor, testiranje i saradnju s lokalnim stručnjacima. Ovo rješavamo implementacijom nadzora koji uključuje ljudsko učešće za kontrolu kvalitete, revizijama pristranosti i etičkim pregledima radi poboljšanja odgovora, te transparentnim okvirima poput Ustava za umjetnu inteligenciju, koji reguliše rezultate i ublažava štetne rizike. Ostajemo budni u balansiranju inovacija umjetne inteligencije s odgovornošću i povjerenjem.

Monika Shukla, Buzzworthy Ventures: „Kada se modeli umjetne inteligencije obučavaju korištenjem podataka koji nisu u potpunosti reprezentativni za zajednice kojima žele služiti, postoji rizik od pojačavanja postojećih nejednakosti.“ Na primjer, mnogi sistemi umjetne inteligencije obučavaju se korištenjem podataka na glavnim jezicima, ostavljajući lokalne dijalekte i usmeni jezici nedovoljno zastupljenima. U Indiji, brojne plemenske i regionalne zajednice govore jezicima kojima često nedostaju robusni digitalni skupovi podataka. Ovaj nedostatak zastupljenosti može dovesti do modela koji ne uspijevaju tačno interpretirati ili odgovoriti na potrebe ovih zajednica. Osim toga, regionalni akcenti, govorni obrasci i životne prakse se često zanemaruju, što čini rješenja umjetne inteligencije manje učinkovitim ili čak štetnim za ove grupe.

Alister Martin, Link Health: „Najveća briga je potencijal da sistemi umjetne inteligencije održavaju postojeće predrasude, posebno kada rade s nedovoljno opsluženim populacijama.“ Bez pažljivog nadzora, algoritmi bi mogli nenamjerno isključiti one kojima je pomoć najpotrebnija ili ne uzeti u obzir sistemske nejednakosti s kojima se suočavaju. Osiguravanje transparentnosti, odgovornosti i etičke upotrebe umjetne inteligencije u donošenju odluka ključno je kako bi se izbjeglo pogoršanje razlika. Zbog toga ljude obavještavamo o ključnim trenucima procesa – i zato ćemo nastaviti da ih obavještavamo dok razvijamo naše alate umjetne inteligencije. 

Koji sektor, osim vašeg, ima potencijal da ima najviše koristi od vještačke inteligencije?

Mercedes Bidart, Quipu: „Obrazovni sektor. Vjerujem da se obrazovanje promijenilo i da imamo priliku da ga učinimo demokratskijim. Ono što smo uradili u Quipuu u oblasti obrazovanja je asistent generirane umjetne inteligencije na WhatsAppu koji podržava naše klijente u upravljanju njihovim poslovanjem. Nema potrebe za jednim konsultantom po preduzeću. S jednim botom možemo podržati obrazovanje i rast miliona ljudi.

Sid Ravinutula, IDinsight: „IDinsight je nezavisan od sektora.“ Iako se ovaj projekat fokusira na zdravstvo, razvili smo rješenja umjetne inteligencije u obrazovanju i socijalnoj zaštiti. Poljoprivrednici se suočavaju sa sličnim preprekama u pristupu informacijama kao i zdravstveni radnici u zajednici. Trebaju znati koje su najbolje kulture za uzgoj u njihovoj regiji i optimalne mješavine gnojiva, te dobiti pomoć u dijagnosticiranju bolesti usjeva i tretmanima. U obrazovanju, slučajevi upotrebe umjetne inteligencije uključuju personalizirane tutore, planove lekcija generirane umjetnom inteligencijom i procjene i evaluacije pokretane umjetnom inteligencijom. Koristili smo vještačku inteligenciju kako bismo identificirali djevojčice koje ne idu u školu u Indiji za nevladinu organizaciju koja radi na povećanju broja upisanih djevojčica u škole. Konačno, vještačka inteligencija može pomoći građanima da pristupe državnim beneficijama. To može pomoći u utvrđivanju podobnosti i snalaženju u složenom procesu prijave.

André Heller, Signpost: „S napretkom u oblasti vještačke inteligencije, teško je zamisliti sektor koji se neće transformisati.“ Pitanje je kada - dvije godine ili pet? Od poslovnih operacija do analize podataka, dijagnostike u zdravstvu i istraživanja u gotovo svakoj oblasti, sve će napredovati tempom koji još nismo vidjeli. Samo je pitanje kada će ljudi moći to efikasno iskoristiti. Praktičan primjer: veza između meteorologije i upravljanja katastrofama. Upozorenja o vremenu i sistemi za rano upozoravanje na katastrofe, poput poplava, uragana, suša i ekstremnih vremenskih događaja, imaju ogroman potencijal da koriste prednosti umjetne inteligencije. Napredni modeli umjetne inteligencije mogu analizirati meteorološke i hidrološke podatke u stvarnom vremenu kako bi preciznije predvidjeli katastrofe i pružili rana upozorenja za holističkiji odgovor koji uključuje ranjive ljude, lokalna preduzeća, lance snabdijevanja i vladu. Signpost je već počeo koristiti umjetnu inteligenciju za odgovor na poplave putem FloodHuba, kombinirajući predviđanja umjetne inteligencije s praktičnim ažuriranjima u stvarnom vremenu kako bi pomogao zajednicama da se pripreme za poplave i ublaže njihove posljedice.

Monika Shukla, Buzzworthy Ventures: „Zdravstveni sektor će imati značajne koristi od umjetne inteligencije, posebno u dijagnostici, personaliziranoj medicini i optimizaciji lanaca snabdijevanja u zdravstvenoj zaštiti, posebno u ruralnim područjima.“ Alati zasnovani na vještačkoj inteligenciji mogu pomoći u ranom otkrivanju bolesti poput malarije i tuberkuloze putem medicinskih slika ili dijagnostičkih testova. Na primjer, modeli umjetne inteligencije mogu analizirati rendgenske snimke grudnog koša ili uzorke krvi kako bi otkrili rane znakove bolesti, čak i u okruženjima s niskim resursima. To može dovesti do bržeg postavljanja dijagnoza i liječenja, što u konačnici može spasiti živote i smanjiti troškove zdravstvene zaštite u nedovoljno opsluženim regijama. Vještačka inteligencija također može pojednostaviti logistiku u udaljenim zdravstvenim sistemima, osiguravajući pravovremenu dostavu medicinskih potrepština i vakcina u nedovoljno opslužena područja, što je ključno za zemlje s velikim ruralnim stanovništvom.

Alister Martin, Link Health: „Obrazovanje će imati velike koristi od umjetne inteligencije, posebno u personalizaciji iskustava učenja za učenike iz nedovoljno zastupljenih grupa.“ Vještačka inteligencija može pomoći u prepoznavanju nedostataka u učenju, pružiti prilagođenu podršku i ponuditi višejezične resurse učenicima i porodicama na načine na koje tradicionalni modeli ne mogu. Rješavanjem nejednakosti u pristupu kvalitetnom obrazovanju, vještačka inteligencija bi mogla imati transformativan utjecaj na buduće zdravstvene i socioekonomske ishode.