Skip to main content

Umetna inteligenca

7. januar 2025

 

Umetna inteligenca za vse: Lekcije iz presečišča tehnologije in vključenosti

Ti strokovnjaki za izkoriščanje umetne inteligence za družbeno dobro delijo svoje vpoglede v skaliranje vključujoče umetne inteligence.

Vicki Hyman

Direktor za komunikacije, Mastercard

 

Od odobritve kreditov kolumbijskim mikropodjetnikom do zmanjšanja stopnje obolevnosti mater v Etiopiji in zagotavljanja informacij, ki rešujejo življenja, beguncem po vsem svetu, se moč umetne inteligence usklajuje s potencialom za vključevanje in ekonomsko opolnomočenje.

Pet organizacij bo kot zmagovalci izziva Umetna inteligenca za pospešitev vključevanja, na katerega je bilo prispelo več kot 500 prijav iz 82 držav, razvilo in razširilo svoje rešitve, s katerimi bodo na novo opredelili uporabo umetne inteligence za družbeni vpliv. Zmagovalci – med katerimi sta tudi socialno podjetje za male čebelarje v Indiji in ameriška pobuda, ki povezuje paciente z premalo izkoriščenimi zveznimi ugodnostmi – bodo prejeli 200.000 dolarjev ter tehnično pomoč in mentorstvo pri Mastercardu in data.org. ki je sponzoriral izziv.

Novice Mastercard Newsroom so se pogovarjale z vodji zmagovalnih organizacij o izzivih gradnje rešitev umetne inteligence v socialnem sektorju, o tem, kako blažijo pristranskost in usposabljajo svoje modele za vključujoče delovanje ter kateri drugi sektorji so najbolj obetavni za to tehnologijo.

Premostitev vrzeli v financiranju za mala podjetja v Kolumbiji: Quipu

V Kolumbiji je skoraj 6 milijonov podjetij mikropodjetij, ki delujejo z manj kot 10 zaposlenimi in majhnim kapitalom. Od teh si jih lahko formalno izposodi le 9 odstotkov zaradi pomanjkanja informacij o njihovi uspešnosti in odsotnosti finančne zgodovine, kar ustvarja ogromno vrzel v financiranju.

Quipu premosti informacijsko vrzel v neformalnem gospodarstvu z uporabo umetne inteligence za natančnejšo oceno kreditne sposobnosti teh manjših podjetij prek modela točkovanja, ki analizira netradicionalne podatke, kot so zgodovina mobilnih transakcij, interakcije na družbenih omrežjih, SMS-i in vzorci plačil ter inteligentno izplačevanje in pobiranje kreditov. Ponuja tudi platformo za financiranje in mikroposojila, ki tem podjetjem omogočajo, da si zgradijo alternativno kreditno oceno na podlagi finančnih in nefinančnih informacij. Prek aplikacije Quipu lahko stranke v nekaj minutah zaprosijo za obratni kapital, ki se izplača v manj kot dveh dneh.

 

Krepitev zdravstvene oskrbe v skupnosti v Etiopiji: IDinsight

Pred dvema desetletjema je Etiopija uvedla nov model zdravstvenega varstva na podeželju, v okviru katerega je usposobila in napotila na tisoče zdravstvenih delavcev, da bi služili lokalnim skupnostim, kar je privedlo do znatnih izboljšav zdravja mater in otrok ter zmanjšanja števila novih okužb z virusom HIV ter smrti zaradi tuberkuloze in malarije, če naštejemo le nekatere.

Da bi nadgradili ta uspeh, IDinsight sodeluje z Last Mile Health in etiopskim ministrstvom za zdravje pri vzpostavitvi klicnega centra, ki ga poganja umetna inteligenca, na katerega se lahko zdravstveni delavci obrnejo za zdravniško svetovanje v realnem času v zapletenih primerih. Rešitev organizacije na osnovi umetne inteligence bo vključevala sistem za upravljanje primerov in storitev odgovarjanja na vprašanja, ki bo temeljila na celovitih smernicah Ministrstva za zdravje, ter bo zagotavljala podporo v realnem času agentom klicnega centra, ki bodo nato po telefonu posredovali ključne informacije zdravstvenim delavcem, kar jim bo omogočilo, da se osredotočijo na oskrbo pacientov in zagotavljanje visokokakovostne zdravstvene oskrbe.

 

Zagotavljanje informacij, ki rešujejo življenja, ljudem v krizi po vsem svetu: Projekt Signpost Mednarodnega reševalnega odbora

Zaradi konfliktov, naravnih nesreč, revščine in nasilja je po vsem svetu razseljenih rekordnih 120 milijonov ljudi. Ljudje, ki jih je prizadela kriza, morajo na svoji poti do varnosti sprejemati ključne, življenjsko spreminjajoče odločitve z omejenimi informacijami. Leta 2015 je Mednarodni reševalni odbor začel projekt Signpost, ki vzpostavlja digitalne centre za pomoč uporabnikom, da lahko najdejo natančne in pravočasne informacije, dostopajo do ključnih storitev in postavljajo neposredna vprašanja lokalnim moderatorjem, na primer: Kako lahko dostopam do stanovanja? Ali bom lahko dobil/a začasno delovno dovoljenje? Ali lahko vpišem svoje otroke v šolo? Signpost ima po vsem svetu skoraj 30 aktivnih programov, z več kot 6 milijoni uporabnikov Signposta v letu 2024.  

Vendar pa se potrebe po informacijah povečujejo skupaj s številom razseljenih oseb. Med krizo v Afganistanu leta 2023 je ena sama objava na Facebooku v enem mesecu povzročila 30.000 sporočil, kar je preobremenilo lokalno ekipo šestih moderatorjev Signposta. Leta 2024 je projekt Signpost pod vodstvom IRC predstavil Signpost AI, da bi izboljšal posredovanje ključnih informacij prek agentov umetne inteligence in človeškega nadzora. Namen tega sistema je zmanjšati breme moderatorjev, jim omogočiti, da se osredotočijo na bolj zapletene primere, hkrati pa zagotovijo pravočasne in natančne odzive, ki izboljšajo dostop do virov in storitev za razseljeno prebivalstvo po vsem svetu. 

 

Gradnja zakladnice znanja za čebelarje v Indiji: Buzzworthy Ventures

Indija ostaja svetovni kmetijski dinamo, vendar ena kmetijska vrednostna veriga nima veliko zanimanja: čebelarstvo. V Indiji je 400.000 malih čebelarjev, od katerih se mnogi borijo za preživetje, kaj šele za povečanje gospodarskega potenciala opraševanja z žuželkami za izboljšanje pridelka. V Indiji opraševanje z žuželkami prispeva 22,52 milijarde dolarjev na leto, kar daleč presega velikost trga medu in čebeljih izdelkov, vendar potencial ostaja močno premalo izkoriščen za pridelke, ki so bistveni za indijsko gospodarstvo in prehrano. 

Zato je Buzzworthy Ventures ustvaril Beekind, mobilno aplikacijo, ki jo poganja umetna inteligenca, da bi opolnomočila male čebelarje, zlasti ženske, male posestnike zemljišč, kmete brez zemlje in plemensko prebivalstvo v podeželskih in marginaliziranih skupnostih. Zagotavlja vpoglede v realnem času in napovedno analitiko, kar čebelarjem pomaga pri upravljanju zdravja panjev, diagnosticiranju bolezni, izboljšanju proizvodnje medu in prilagajanju spreminjajočim se podnebnim razmeram.

 

Zmanjševanje vrzeli med zdravjem in premoženjem v ZDA: Link Health

Zdravnik nujne medicinske pomoči Alister Martin je pogosto opazil, da je revščina gonilna sila za obiske pacientov na urgenci. Spoznal je, da bi lahko »denar kot zdravilo« – pomoč pacientom pri dostopu do denarne pomoči in zveznih ugodnosti – odpravila temeljne vzroke slabega zdravja z odpravo vrzeli med zdravjem in premoženjem. 

To je privedlo do ustanovitve programa Link Health, ki povezuje paciente z neporabljenimi zveznimi programi pomoči, kot so SNAP, WIC in Lifeline, da bi ublažil finančne obremenitve, ki še poslabšujejo razlike v zdravju. Platforma za vpis in klepetalni robot, ki ju podpira umetna inteligenca, si prizadevata sprostiti 10 milijonov dolarjev državnih in zveznih ugodnosti za ublažitev revščine, zmanjšanje finančnega stresa in izboljšanje dobrega počutja.

Kaj je bil največji izziv pri uresničevanju vaše rešitve?

Mercedes Bidart, izvršna direktorica in soustanoviteljica Quipu

»Največji izziv je bil zagotoviti prvi znesek kapitala za začetek posojanja za izboljšanje naših rezultatov.« Ustvarjanje nove rešitve za zavarovanje je kot problem kokoši in jajca: za izgradnjo rešitve potrebujete kapital, vendar ga ne dobite, dokler je ne preizkusite.« 

Sid Ravinutula, glavni podatkovni znanstvenik, IDinsight

"Prvi izziv je tehnični. V zdravstvenem kontekstu morajo biti zdravljenja in priporočila 100-odstotno natančna – halucinacije niso dovoljene. To zahteva drugačen pristop kot priljubljena arhitektura generiranja z razširjenim iskanjem. Izdelati moramo graf, ki natančno zajame zdravljenja in diagnostične protokole.

„Drugi izziv je ustvarjanje reprezentativnih meril in naborov za validacijo.“ Preden model ponovimo in izboljšamo, potrebujemo nabor vprašanj in odgovorov, ki jih bodo ti delavci verjetno zastavili. Ta nabor podatkov mora zajemati vse teme, o katerih se lahko sprašujejo, in upoštevati, kako bi lahko spraševali – z uporabo okrajšav, pogovornih izrazov, emojijev itd. Izdelava visokokakovostnega referenčnega nabora podatkov je draga, saj pogosto zahteva človeške opombe.«

André Heller, vodja programa, Signpost

»Eden največjih izzivov je bil razvoj orodij umetne inteligence, ki so hkrati vključujoča in kontekstualno natančna.« Usposabljanje umetne inteligence za razumevanje manjšinskih jezikov, regionalnih narečij in kulturno niansiranih vsebin zahteva obsežno kuriranje podatkov, človeško strokovno znanje in testiranje. Poleg tega je zagotavljanje, da odzivi, ki jih ustvarja umetna inteligenca, spoštujejo humanitarna načela in ne ohranjajo pristranskosti, zahtevalo vzpostavitev robustnih zaščitnih ukrepov, kot sta nadzor s človeško prisotnostjo in ustavne spremembe za etične rezultate. Usklajevanje inovacij s temi strogimi standardi je bilo zahtevno, a bistveno.«

Monika Shukla, izvršna direktorica in soustanoviteljica podjetja Buzzworthy Ventures

»Glavni izziv je bil premostiti vrzel med napredno tehnologijo umetne inteligence in njeno uporabo v lokalnem, podeželskem okolju.« Čeprav je internetna povezljivost v Indiji eksponentno rasla – z več kot 700 milijoni uporabnikov interneta leta 2023, predvsem zaradi cenovno dostopnih pametnih telefonov – dostop ostaja neenakomeren. Ta digitalni razkorak, skupaj z neenakomerno omrežno pokritostjo v oddaljenih gozdovih in vaseh, je predstavljal znatno oviro za uvajanje rešitev, ki temeljijo na umetni inteligenci in zahtevajo dosledno povezljivost in interakcijo z uporabniki.

Alister Martin, izvršni direktor, Link Health

»Dostop do javnih prejemkov in njihova uporaba je lahko za številne družine ovira.« Vendar je bil največji izziv nemotena integracija intervencije Link Health v zdravstvene ustanove, kjer so ponudniki že tako preobremenjeni. To je zahtevalo vzpostavitev zaupanja med zdravstvenimi delavci, zagotavljanje, da navigatorji ne motijo oskrbe pacientov, hkrati pa prikazujejo merljive koristi za paciente in zdravstvene sisteme.“

 

 

Ženske in dekle se zberejo okoli tablice.

 

 

Kako zagotovite, da je vaša rešitev prilagojena in vključujoča?

Mercedes Bidart, Quipu: »Za zmanjšanje pristranskosti uporabljamo raznolike nabore podatkov, redno revidiramo naše modele umetne inteligence in izvajamo validacijo s človeškim vključevanjem, da zagotovimo poštene in nepristranske bonitetne ocene.« Naše algoritme strogo testiramo, da preprečimo spolne in rasne pristranskosti, in jih nenehno spremljamo in posodabljamo, da so skladni z etičnimi standardi. Uporabnikom zagotavljamo tudi dostopne postopke pravnih sredstev, ki jim omogočajo, da izpodbijajo odločitve umetne inteligence ali se zoper njih pritožijo.«

Sid Ravinutula, IDinsight:  »Prvič, to gradimo kot odprtokodno rešitev.« Upamo, da bo to pospešilo uvajanje podobnih orodij v drugih kontekstih, saj bo organizacijam omogočilo, da na njih gradijo za svoje specifične potrebe. Drugič, zagotavljamo, da ga je mogoče enostavno prilagoditi in razširiti za lokalne kontekste. To vključuje upoštevanje lokalnih smernic, menjavo modelov umetne inteligence ali dodajanje novih varovalnih ograj. Z ustvarjanjem skupnega modela, ki ga je mogoče natančno prilagoditi za vsak kontekst, zagotavljamo, da je rešitev široko uporabna, hkrati pa spoštujemo edinstvene zahteve vsakega okolja.« 

André Heller, Signpost: »Umetna inteligenca Signpost se usposablja z uporabo izbranih, preverjenih podatkov iz zaupanja vrednih virov in lokalnih nevladnih organizacij.« To zagotavlja, da umetna inteligenca odraža regionalna narečja, kulturne norme in manjšinske jezike ter zapolnjuje kritične vrzeli za premalo oskrbovane skupine prebivalstva. Agenti umetne inteligence podpirajo glasovne in besedilne vnose, kar omogoča dostopnost ljudem z nizko pismenostjo. Orodja so preizkušena in izpopolnjena z naravnimi govorci in moderatorji skupnosti, da se potrdita natančnost in vključenost. Naša ustava o umetni inteligenci demokratično vzpostavlja etična pravila, vključno z nediskriminacijo in jezikom, ki je občutljiv na travme, s stalnimi revizijami za ublažitev pristranskosti.«

Monika Shukla, Buzzworthy Ventures: »Beekind svoje tehnološke rešitve in rešitve na dotik prilagaja specifičnim regionalnim, ekološkim in kmetijskim razmeram, pri čemer vključuje hiperlokalne dejavnike, kot so podnebje, rastlinstvo in kmetijske prakse.« Da bi to dosegli, aktivno vključujemo lokalne čebelarje, raziskovalce, kmetijske strokovnjake in vodje skupnosti v prakse načrtovanja kod, modelov in strategij izvajanja, s čimer zagotavljamo, da je rešitev usklajena z življenjskimi realnostmi ljudi, ki jim služi. Prednost dajemo ženskam in malim kmetom – ključnim, a premalo oskrbljenim dejavnikom indijskega kmetijskega ekosistema. Na primer, z zagotavljanjem usposabljanja, ki upošteva enakost spolov, in ustvarjanjem vključujočih prostorov za dialog opolnomočamo ženske, da aktivno sodelujejo v vrednostni verigi čebelarstva in imajo od nje koristi. Vključevanje ni le načelo; je praktičen temelj našega pristopa.«

Alister Martin, Link Health: »Navigatorji se srečujejo s pacienti tam, kjer so – fizično in čustveno – pogosto v čakalnicah, in svoj pristop prilagodijo specifičnim potrebam pacientov, kot je na primer vpis starejših odraslih v ugodnosti, kot so programi varčevanja Medicare.« Z oblikovanjem sistemov, ki dajejo prednost dostopnosti in uporabljajo zaupanja vredne posrednike skupnosti, program zagotavlja, da učinkovito služi raznolikemu prebivalstvu, zlasti skupnostim, ki niso deležne zadostnih storitev.

Kaj vas najbolj skrbi glede umetne inteligence?

Mercedes Bidart, Quipu: »Najpomembnejši del pri gradnji modelov umetne inteligence je nabor podatkov.« Dober model je tisti, ki ima dober in pošten rezultat, edini način, da se to omogoči, pa je učenje modelov z različnimi nabori podatkov, ki predstavljajo posebnosti posamezne regije. Drugi pomemben del sestavljanke je oseba/ekipa, ki gradi model. Le 20 % delovnih mest na področju umetne inteligence opravljajo ženske, kar pomeni, da se rezultati ne pregledujejo z vidika spola. Potrebujemo več žensk, ki vodijo rešitve umetne inteligence.

Sid Ravinutula, IDinsight: »Zanesljivost. V zdravstvu ima lahko napačna diagnoza ali nepopolno zdravljenje katastrofalne posledice. Vendar pa modeli umetne inteligence že po naravi kažejo naključnost. Na primer, če umetni inteligenci večkrat zastavite isto vprašanje, lahko dobite nekoliko drugačne odgovore. Podobno lahko preoblikovanje vprašanja privede do različnih odgovorov. Čeprav bo večina odgovorov verjetno prenašala isto sporočilo, so nekateri lahko nepopolni ali zavajajoči in lahko povzročijo škodo. Močne varovalne ograje so bistvene za zagotovitev, da so vsi odgovori pravilni, popolni in spoštljivi.«

André Heller, Signpost: »Največja skrb je potencial umetne inteligence, da povzroči škodo zaradi pristranskosti, napačnih informacij ali izključevanja.« Za ranljive skupine prebivalstva imajo lahko napačne informacije življenjsko pomembne posledice. Zagotavljanje kontekstualne natančnosti, preglednosti in etične umetne inteligence zahteva stalen nadzor, testiranje in sodelovanje z lokalnimi strokovnjaki. To rešujemo z uvedbo nadzora s človeškim vključevanjem za nadzor kakovosti, revizijami pristranskosti in etičnimi pregledi za izboljšanje odzivov ter preglednimi okviri, kot je Ustava za umetno inteligenco, ki ureja rezultate in zmanjšuje škodljiva tveganja. Še naprej pozorno spremljamo ravnovesje med inovacijami umetne inteligence in odgovornostjo ter zaupanjem.«

Monika Shukla, Buzzworthy Ventures: »Ko se modeli umetne inteligence usposabljajo z uporabo podatkov, ki niso v celoti reprezentativni za skupnosti, ki jim služijo, obstaja tveganje za okrepitev obstoječih neenakosti.« Na primer, mnogi sistemi umetne inteligence so usposobljeni z uporabo podatkov v večjih jezikih, zaradi česar so lokalna narečja in ustni jeziki premalo zastopani. V Indiji številne plemenske in regionalne skupnosti govorijo jezike, ki pogosto nimajo robustnih digitalnih naborov podatkov. Zaradi pomanjkanja zastopanosti lahko nastanejo modeli, ki ne morejo natančno interpretirati ali odgovoriti na potrebe teh skupnosti. Poleg tega se pogosto spregledajo regionalni naglas, govorni vzorci in življenjske prakse, zaradi česar so rešitve umetne inteligence manj učinkovite ali celo škodljive za te skupine.«

Alister Martin, Link Health: »Največja skrb je možnost, da sistemi umetne inteligence ohranjajo obstoječe pristranskosti, zlasti pri delu z nezadostno oskrbljenimi skupinami prebivalstva.« Brez skrbnega nadzora lahko algoritmi nenamerno izključijo tiste, ki pomoč najbolj potrebujejo, ali pa ne upoštevajo sistemskih neenakosti, s katerimi se soočajo. Zagotavljanje preglednosti, odgovornosti in etične uporabe umetne inteligence pri odločanju je ključnega pomena za preprečevanje poglabljanja razlik. Zato ljudi obveščamo tudi o ključnih trenutkih procesa – in zato jih bomo še naprej obveščali o razvoju naših orodij umetne inteligence.« 

Kateri sektor zunaj vašega ima potencial, da bi imel največ koristi od umetne inteligence?

Mercedes Bidart, Quipu: »Izobraževalni sektor. Verjamem, da se je izobraževanje spremenilo in da imamo priložnost, da ga naredimo bolj demokratičnega. Kar smo v Quipuju naredili na področju izobraževanja, je asistent umetne inteligence na WhatsAppu, ki podpira naše stranke pri vodenju poslovanja. Ni potrebe po enem svetovalcu na podjetje. Z enim samim botom lahko podpremo izobraževanje in rast milijonov ljudi.«

Sid Ravinutula, IDinsight: »IDinsight je neodvisen od sektorja.« Čeprav se ta projekt osredotoča na zdravje, smo razvili rešitve umetne inteligence na področju izobraževanja in socialnega varstva. Kmetje se soočajo s podobnimi ovirami pri dostopu do informacij kot zdravstveni delavci v skupnosti. Poznati morajo najboljše pridelke za gojenje v svoji regiji in optimalne mešanice gnojil ter si pomagati pri diagnosticiranju bolezni pridelkov in zdravljenju. V izobraževanju primeri uporabe umetne inteligence vključujejo prilagojene mentorje, učne načrte, ki jih generira umetna inteligenca, ter ocenjevanja in vrednotenja, ki jih poganja umetna inteligenca. Za nevladno organizacijo, ki si prizadeva za povečanje vpisa deklet v šole v Indiji, smo z umetno inteligenco prepoznali dekleta, ki ne obiskujejo šole. Končno lahko umetna inteligenca pomaga državljanom dostopati do vladnih ugodnosti. Pomaga lahko pri ugotavljanju upravičenosti in krmarjenju skozi zapleten postopek prijave.

André Heller, Signpost: »Z napredkom umetne inteligence si je težko predstavljati sektor, ki se ne bo preobrazil.« Vprašanje je kdaj - dve leti ali pet? Od poslovnih operacij do analize podatkov, diagnostike v zdravstvu in raziskav na praktično vseh področjih, vse se bo razvijalo s hitrostjo, ki je še nismo videli. Vprašanje je le, kdaj bodo ljudje to znali učinkovito izkoristiti. Praktičen primer: povezava med meteorologijo in obvladovanjem nesreč. Vremenska opozorila in sistemi za zgodnje opozarjanje na nesreče, kot so poplave, orkani, suše in ekstremni vremenski dogodki, imajo ogromen potencial za izkoriščanje prednosti umetne inteligence. Napredni modeli umetne inteligence lahko analizirajo meteorološke in hidrološke podatke v realnem času, da natančneje napovedujejo nesreče in zagotavljajo zgodnja opozorila za bolj celosten odziv, ki vključuje ranljive ljudi, lokalna podjetja, dobavne verige in vlado. Signpost je že začel uporabljati umetno inteligenco za odzivanje na poplave prek FloodHuba, pri čemer združuje napovedi umetne inteligence z uporabnimi posodobitvami v realnem času, da bi skupnostim pomagal pri pripravi na poplave in njihovem ublažitvi.

Monika Shukla, Buzzworthy Ventures: »Zdravstveni sektor bo imel od umetne inteligence znatne koristi, zlasti pri diagnostiki, personalizirani medicini in optimizaciji dobavnih verig zdravstvenega varstva, predvsem na podeželju.« Orodja, ki jih poganja umetna inteligenca, lahko pomagajo pri zgodnjem odkrivanju bolezni, kot sta malarija in tuberkuloza, z medicinskimi slikami ali diagnostičnimi testi. Modeli umetne inteligence lahko na primer analizirajo rentgenske posnetke prsnega koša ali vzorce krvi, da odkrijejo zgodnje znake bolezni, tudi v okoljih z omejenimi viri. To lahko privede do hitrejšega diagnosticiranja in zdravljenja, kar na koncu reši življenja in zmanjša stroške zdravstvene oskrbe v premalo oskrbljenih regijah. Umetna inteligenca lahko tudi poenostavi logistiko v oddaljenih zdravstvenih sistemih, kar zagotavlja pravočasno dostavo medicinskih potrebščin in cepiv na premalo oskrbovana območja, kar je ključnega pomena za države z velikim podeželskim prebivalstvom.«

Alister Martin, Link Health: »Izobraževanje bo imelo velike koristi od umetne inteligence, zlasti pri prilagajanju učnih izkušenj za prikrajšane učence.« Umetna inteligenca lahko pomaga prepoznati vrzeli v učenju, zagotoviti prilagojeno podporo in ponuditi večjezične vire učencem in družinam na načine, ki jih tradicionalni modeli ne morejo. Z odpravljanjem neenakosti pri dostopu do kakovostnega izobraževanja bi lahko umetna inteligenca imela preobrazben vpliv na prihodnje zdravstvene in socialno-ekonomske rezultate.«