Skip to main content

Umjetna inteligencija

7. siječnja 2025.

 

Umjetna 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 do smanjenja stope morbiditeta majki u Etiopiji i pružanja informacija koje spašavaju živote izbjeglicama diljem svijeta, snaga umjetne inteligencije usklađuje se s potencijalom za uključivost 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 uključivosti, na koji je pristiglo više od 500 prijava iz 82 zemlje. Pobjednici - među kojima su i socijalno poduzeće za male pčelare u Indiji i američka inicijativa koja povezuje pacijente s nedovoljno iskorištenim saveznim beneficijama - primit će 200.000 dolara te tehničku pomoć i mentorstvo od Mastercarda i data.org. koji je sponzorirao izazov.

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

Premošćivanje financijskog jaza za mala poduzeća u Kolumbiji: Quipu

U Kolumbiji gotovo 6 milijuna tvrtki su mikropoduzeća, koja posluju s manje od 10 zaposlenika i malom količinom kapitala. Od njih, samo 9 posto može formalno posuditi novac zbog nedostatka informacija o njihovoj uspješnosti i nedostatka financijske povijesti, što stvara ogroman nedostatak financiranja.

Quipu premošćuje informacijski jaz u neformalnom gospodarstvu korištenjem umjetne inteligencije za precizniju procjenu kreditne sposobnosti tih manjih poduzeća putem modela bodovanja koji analizira netradicionalne podatke, kao što su povijest mobilnih transakcija, interakcije na društvenim mrežama, SMS poruke i obrasci plaćanja te inteligentna isplata i naplata kredita. Također pruža platformu za financiranje i mikrokredite koji omogućuju tim tvrtkama da izgrade alternativni kreditni rezultat na temelju financijskih i nefinancijskih informacija. Putem Quipuove aplikacije, korisnici mogu za nekoliko minuta podnijeti zahtjev za obrtni kapital koji se isplaćuje za manje od dva dana.

 

Jačanje zdravstvene zaštite u zajednici u Etiopiji: IDinsight

Prije dva desetljeća, Etiopija je pokrenula novi model zdravstvene skrbi u ruralnim područjima, obučavajući i raspoređujući tisuće zdravstvenih djelatnika u lokalne zajednice, 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 surađuje s Last Mile Healthom i Ministarstvom zdravstva Etiopije na pozivnom centru s umjetnom inteligencijom koji zdravstveni djelatnici mogu kontaktirati za medicinske smjernice u stvarnom vremenu o složenim slučajevima. AI rješenje organizacije uključivat će sustav upravljanja slučajevima i uslugu odgovaranja na pitanja temeljenu na sveobuhvatnim smjernicama Ministarstva zdravstva, pružajući podršku u stvarnom vremenu agentima pozivnog centra koji će dalje prenositi ključne informacije zdravstvenim djelatnicima putem telefona, omogućujući im da se usredotoče na skrb o pacijentima i pružanje visokokvalitetne zdravstvene skrbi.

 

Pružanje informacija koje spašavaju živote ljudima u krizi diljem svijeta: Projekt putokaza Međunarodnog odbora za spašavanje

Rekordnih 120 milijuna ljudi diljem svijeta raseljeno je zbog sukoba, prirodnih katastrofa, siromaštva i nasilja. Ljudi pogođeni krizom moraju donositi ključne, životno važne odluke tijekom svog putovanja prema sigurnosti s ograničenim informacijama. Međunarodni odbor za spašavanje pokrenuo je 2015. godine Projekt Signpost, koji uspostavlja digitalne centre za pomoć korisnicima kako bi pronašli točne i pravovremene informacije, pristupili ključnim uslugama i postavili izravna pitanja lokalnim moderatorima, poput: Kako mogu pristupiti stanovanju? Hoću li moći dobiti privremenu radnu dozvolu? Mogu li upisati svoju djecu u školu? Signpost ima gotovo 30 aktivnih programa diljem svijeta, s preko 6 milijuna korisnika Signposta u 2024. godini.  

Međutim, potrebe za informacijama rastu zajedno s brojem raseljenih osoba. Tijekom krize u Afganistanu 2023. godine, jedna objava na Facebooku rezultirala je s 30 000 poruka unutar 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 ključnih informacija putem AI agenata i ljudskog nadzora. Ovaj sustav ima za cilj smanjiti opterećenje moderatora, omogućujući im da se usredotoče na složenije slučajeve, a istovremeno osigurava pravovremene i točne odgovore koji poboljšavaju pristup resursima i uslugama za raseljeno stanovništvo diljem 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 za održavanje egzistencije, a kamoli za povećanje ekonomskog potencijala oprašivanja insekata za poboljšanje prinosa usjeva. U Indiji, oprašivanje insekata doprinosi s 22,52 milijarde dolara godišnje, što daleko premašuje veličinu tržišta meda i proizvoda od košnica, no potencijal ostaje uvelike neiskorišten za usjeve ključne za indijsko gospodarstvo i prehranu. 

Stoga 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

Liječnik hitne pomoći Alister Martin često je uviđao da je siromaštvo glavni faktor posjeta pacijenata hitnoj službi. Shvatio je da „novac kao lijek“ – pomaganje pacijentima u pristupu novčanoj pomoći i saveznim 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 financijski pritisak koji pogoršava zdravstvene nejednakosti. Platforma za upis i chatbot s umjetnom inteligencijom imaju za cilj osloboditi 10 milijuna dolara državnih i saveznih naknada za ublažavanje siromaštva, smanjenje financijskog stresa i poboljšanje dobrobiti.

Koji je bio najveći izazov u realizaciji vašeg rješenja?

Mercedes Bidart, CEO i suosnivač, Quipu

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

Sid Ravinutula, glavni podatkovni znanstvenik, IDinsight

„Prvi izazov je tehničke prirode. U kontekstu zdravstvene skrbi, tretmani i preporuke moraju biti 100% točni - nema mjesta halucinacijama. To zahtijeva drugačiji pristup od popularne arhitekture generiranja proširenog pronalaženjem. Moramo konstruirati graf koji točno prikazuje tretmane i dijagnostičke protokole.

„Drugi izazov je stvaranje reprezentativnih mjerila i skupova za validaciju.“ Prije iteracije i poboljšanja modela, potreban nam je skup pitanja i odgovora koje će ti radnici vjerojatno postaviti. Ovaj skup podataka mora obuhvaćati sve teme o kojima se mogu raspitivati i uzeti u obzir kako bi mogli pitati - korištenjem skraćenica, kolokvijalnih izraza, emojija itd. Izrada visokokvalitetnog referentnog skupa podataka je skupa jer često zahtijeva ljudske anotacije.

André Heller, voditelj programa, Signpost

„Jedan od najvećih izazova bio je razvoj alata umjetne inteligencije koji su i inkluzivni i kontekstualno točni.“ Obuka umjetne inteligencije za razumijevanje manjinskih jezika, regionalnih dijalekata i kulturno nijansiranog sadržaja zahtijeva opsežno kuriranje podataka, ljudsku stručnost i testiranje. Osim toga, osiguravanje da odgovori generirani umjetnom inteligencijom poštuju humanitarna načela i ne potiču pristranost zahtijevalo je izgradnju snažnih zaštitnih mjera, poput nadzora od strane čovjeka i ustavnih izmjena za etičke rezultate. Balansiranje inovacija s ovim strogim standardima bilo je zahtjevno, ali ključno.

Monika Shukla, izvršna direktorica i suosnivačica Buzzworthy Venturesa

„Primarni izazov ležao je u premošćivanju jaza između napredne tehnologije umjetne inteligencije i njezine primjene u ruralnim područjima. Iako je internetska povezivost u Indiji eksponencijalno rasla - s preko 700 milijuna korisnika interneta u 2023. godini, uglavnom zahvaljujući pristupačnim pametnim telefonima - pristup je i dalje neravnomjeran. Ovaj digitalni jaz, u kombinaciji s neujednačenom mrežnom pokrivenošću u udaljenim šumama i selima, predstavljao je značajnu prepreku implementaciji rješenja temeljenih na umjetnoj inteligenciji koja zahtijevaju dosljednu povezivost i interakciju s korisnikom.

Alister Martin, izvršni direktor tvrtke Link Health

„Snalaženje u javnim naknadama i pristup njima može biti prepreka za mnoge obitelji.“ Međutim, najveći izazov bio je besprijekorna integracija intervencije Link Healtha u zdravstvene ustanove gdje su pružatelji usluga već preopterećeni. To je zahtijevalo izgradnju povjerenja među zdravstvenim djelatnicima, osiguravanje da navigatori ne ometaju skrb o pacijentima, a istovremeno pokazuju mjerljive koristi za pacijente i zdravstvene sustave.

 

 

Žene i djevojka okupljene oko tableta.

 

 

Kako osiguravate da je vaše rješenje i prilagođeno i uključivo?

Mercedes Bidart, Quipu: „Kako bismo ublažili pristranost, koristimo raznolike skupove podataka, redovito revidiramo naše modele umjetne inteligencije i primjenjujemo validaciju uz sudjelovanje čovjeka kako bismo osigurali poštene i pravedne procjene kreditne sposobnosti.“ Naši algoritmi su rigorozno testirani kako bi se spriječile rodne i rasne predrasude, a mi ih kontinuirano pratimo i ažuriramo kako bismo ih uskladili s etičkim standardima. Također korisnicima pružamo pristupačne postupke zaštite, omogućujući 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 omogućujući organizacijama da ih nadograde 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. Stvaranjem zajedničkog modela koji se može fino prilagoditi za svaki kontekst, osiguravamo da je rješenje široko primjenjivo, a istovremeno poštujemo jedinstvene zahtjeve svakog okruženja. 

André Heller, Signpost: „Signpost AI obučava se korištenjem odabranih, provjerenih podataka iz pouzdanih izvora i lokalnih nevladinih organizacija.“ To osigurava da umjetna inteligencija odražava regionalne dijalekte, kulturne norme i jezike manjina, popunjavajući kritične praznine za nedovoljno opskrbljeno stanovništvo. AI agenti podržavaju glasovne i tekstualne unose, omogućujući pristup osobama s niskom pismenošću. Alati se testiraju i usavršavaju s izvornim govornicima i moderatorima zajednice kako bi se potvrdila točnost i uključivost. Naš Ustav o umjetnoj inteligenciji demokratski uspostavlja etička pravila, uključujući nediskriminaciju i jezik osjetljiv na traumu, uz kontinuirane revizije za ublažavanje pristranosti.

Monika Shukla, Buzzworthy Ventures: „Beekind prilagođava svoja tehnološka rješenja specifičnim regionalnim, ekološkim i poljoprivrednim uvjetima, integrirajući hiperlokalne čimbenike poput klime, flore i poljoprivrednih praksi.“ Kako bismo to postigli, aktivno uključujemo lokalne pčelare, istraživače, poljoprivredne stručnjake i čelnike zajednice u postupke kodiranja, modele i strategije implementacije, osiguravajući da je rješenje usklađeno sa životnom stvarnošću ljudi kojima služi. Dajemo prednost ženama i malim poljoprivrednicima - ključnim, ali nedovoljno opsluženim čimbenicima indijskog poljoprivrednog ekosustava. Na primjer, pružanjem rodno osjetljive obuke i stvaranjem uključivih prostora za dijalog, osnažujemo žene da aktivno sudjeluju u lancu vrijednosti pčelarstva i imaju koristi od njega. Inkluzivnost nije samo načelo; to je praktični temelj našeg pristupa.

Alister Martin, Link Health: „Navigatori susreću pacijente tamo gdje se nalaze - fizički i emocionalno - često u čekaonicama i prilagođavaju svoj pristup specifičnim potrebama pacijenata, poput uključivanja starijih osoba u pogodnosti poput programa štednje Medicare.“ Dizajniranjem sustava koji daju prioritet pristupačnosti i koriste pouzdane glasnike zajednice, program osigurava da učinkovito služi raznolikom stanovništvu, posebno zajednicama s nedovoljno opskrbljenom mrežom.

Koja je vaša najveća briga u vezi s umjetnom 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 jest treniranje modela s različitim skupovima podataka koji predstavljaju posebnosti svake regije. Drugi važan dio slagalice je osoba/tim koji gradi model. Samo 20% poslova umjetne inteligencije obavljaju žene, što znači da se rezultati ne pregledavaju iz rodne perspektive. Trebamo više žena koje vode rješenja umjetne inteligencije.

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

André Heller, Signpost: „Najveća briga je potencijal umjetne inteligencije da uzrokuje štetu putem pristranosti, dezinformacija ili isključivanja.“ Za ranjive skupine stanovništva, netočne informacije mogu imati posljedice koje mijenjaju život. Osiguravanje kontekstualne točnosti, transparentnosti i etike umjetne inteligencije zahtijeva stalan nadzor, testiranje i suradnju s lokalnim stručnjacima. To rješavamo implementacijom nadzora ljudskog sudjelovanja za kontrolu kvalitete, revizijama pristranosti i etičkim pregledima radi poboljšanja odgovora te transparentnim okvirima poput Ustava umjetne inteligencije, koji uređuje rezultate i ublažava štetne rizike. Ostajemo budni u usklađivanju 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 AI sustavi obučavaju se korištenjem podataka na glavnim jezicima, ostavljajući lokalne dijalekte i usmeni jezik 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 točno interpretirati ili odgovoriti na potrebe tih zajednica. Osim toga, regionalni naglasci, govorni obrasci i životne prakse često se zanemaruju, što rješenja umjetne inteligencije čini manje učinkovitima ili čak štetnima za te skupine.

Alister Martin, Link Health: „Najveća briga je potencijal da sustavi umjetne inteligencije ovjekovječe postojeće pristranosti, 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. To je ujedno i razlog zašto ljude obavještavamo u ključnim trenucima procesa - i zašto ćemo nastaviti obavještavati ljude dok razvijamo naše alate umjetne inteligencije. 

Koji sektor izvan vašeg ima potencijal imati najviše koristi od umjetne inteligencije?

Mercedes Bidart, Quipu: “Obrazovni sektor. Vjerujem da se obrazovanje promijenilo i da imamo priliku učiniti ga demokratskijim. Ono što smo napravili u Quipuu u području obrazovanja jest pomoćnik umjetne inteligencije na WhatsAppu koji podržava naše klijente u upravljanju poslovanjem. Nema potrebe imati jednog konzultanta po tvrtki. S jednim botom možemo podržati obrazovanje i rast milijuna ljudi.

Sid Ravinutula, IDinsight: „IDinsight je sektorski agnostičan.“ Iako se ovaj projekt fokusira na zdravlje, 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 im pomoći u dijagnosticiranju bolesti usjeva i tretmanima. U obrazovanju, slučajevi upotrebe umjetne inteligencije uključuju personalizirane tutore, planove lekcija generirane umjetnom inteligencijom te procjene i evaluacije pokretane umjetnom inteligencijom. Za nevladinu organizaciju koja radi na povećanju upisa djevojčica u škole u Indiji koristili smo umjetnu inteligenciju kako bismo identificirali djevojčice koje ne pohađaju školu. Konačno, umjetna inteligencija može pomoći građanima da pristupe državnim naknadama. Može pomoći u utvrđivanju ispunjavanja uvjeta i snalaženju u složenom postupku prijave.

André Heller, Signpost: „S napretkom umjetne inteligencije, teško je zamisliti sektor koji se neće transformirati.“ Pitanje je kada - dvije godine ili pet? Od poslovnih operacija do analize podataka, dijagnostike u zdravstvu i istraživanja u gotovo svakom području, sve će napredovati tempom kakav još nismo vidjeli. Samo je pitanje kada će ljudi to moći učinkovito koristiti. Praktičan primjer: povezanost između meteorologije i upravljanja katastrofama. Upozorenja o vremenu i sustavi ranog upozoravanja na katastrofe, poput poplava, uragana, suša i ekstremnih vremenskih događaja, imaju ogroman potencijal za korist od 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 poduzeća, lance opskrbe 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 imat će značajne koristi od umjetne inteligencije, posebno u dijagnostici, personaliziranoj medicini i optimizaciji lanaca opskrbe u zdravstvenoj skrbi, posebno u ruralnim područjima.“ Alati pokretani umjetnom inteligencijom 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 prsnog koša ili uzorke krvi kako bi otkrili rane znakove bolesti, čak i u okruženjima s niskim resursima. To može dovesti do bržih dijagnoza i liječenja, što u konačnici spašava živote i smanjuje troškove zdravstvene skrbi u nedovoljno opskrbljenim regijama. Umjetna inteligencija također može pojednostaviti logistiku u udaljenim zdravstvenim sustavima, osiguravajući pravovremenu dostavu medicinskih potrepština i cjepiva u nedovoljno opskrbljena 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 marginaliziranih skupina.“ Umjetna inteligencija može pomoći u prepoznavanju nedostataka u učenju, pružiti prilagođenu podršku i ponuditi višejezične resurse učenicima i obiteljima na načine na koje tradicionalni modeli ne mogu. Rješavanjem nejednakosti u pristupu kvalitetnom obrazovanju, umjetna inteligencija mogla bi imati transformativan utjecaj na buduće zdravstvene i socioekonomske ishode.