نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

20 شهریور 1403 11:35 ب.ظ

هوش مصنوعی برای منافع اجتماعی: بهبود زندگی و محافظت از سیاره

10 مه 2024

در واقع، هوش مصنوعی در حال حاضر برای پیشبرد همه 17 هدف توسعه پایدار سازمان ملل (SDGs) – از هدف از بین بردن فقر تا ایجاد شهرها و جوامع پایدار و ارائه آموزش با کیفیت برای همه استفاده می شود. هوش مصنوعی مولد امکانات بیشتری را باز کرده است. در سال 2018، مشخص شد که هوش مصنوعی می‌تواند نقش مهمی در سطح جهانی در ارتقاء نه تنها بهره‌وری و رشد اقتصادی، بلکه در ارتقای منافع اجتماعی ایفا کند. گزارشی که در آن زمان منتشر کردیم نشان داد که چگونه قابلیت‌های هوش مصنوعی، از پردازش زبان طبیعی گرفته تا تشخیص و ردیابی صدا، می‌تواند در 170 مورد استفاده به نفع جامعه مورد استفاده قرار گیرد. امروز، ما در مجموع حدود 600 مورد استفاده را کشف کرده ایم که بیش از سه برابر افزایش یافته است.

روش شناسی

در گزارش سال 2024 خود، نگاهی دوباره به این می‌اندازیم که چگونه هوش مصنوعی می‌تواند و قبلاً به بخش کلیدی راه‌حل‌هایی برای سودمندی مردم و کره زمین از طریق نقشه‌برداری از نوآوری‌ها و تأثیر بر SDG تبدیل شده است.  SDG ها شامل 17 هدف اصلی و 169 هدف فرعی است که برای بهبود زندگی در سراسر جهان و محافظت از کره زمین است. اما به‌روزرسانی سال 2023 سازمان ملل در مورد پیشرفت در برابر اهداف توسعه توسعه پایدار نشان داد که جهان در مسیر دستیابی به تنها 15 درصد از اهداف SDG قرار دارد. 3.5 میلیارد نفر به بهداشت مدیریت شده ایمن دسترسی ندارند. تقریباً 3.3 میلیارد نفر در محیط‌هایی زندگی می‌کنند که در برابر تغییرات آب و هوایی بسیار آسیب‌پذیر هستند. و 750 میلیون نفر با گرسنگی مواجه هستند.

پتانسیل هوش مصنوعی در SDG ها و چگونگی حمایت مالی برای هوش مصنوعی از پیشرفت

در حالی که هوش مصنوعی بر همه SDG ها تأثیر می گذارد، کارشناسانی که مورد بررسی قرار گرفتیم بر این باورند که هوش مصنوعی پتانسیل بالایی برای ایجاد تفاوت در پنج مورد دارد: سلامت و رفاه خوب (SDG 3)، آموزش با کیفیت (SDG 4)، اقدام آب و هوا (SDG 13) انرژی مقرون به صرفه و پاک (SDG 7) و شهرها و جوامع پایدار (SDG 11) در واقع، 60 درصد از استقرار هوش مصنوعی غیرانتفاعی برای منافع اجتماعی در این مناطق بوده است. نسبت به پتانسیل هوش مصنوعی درک شده آنها، SDGs برای گرسنگی صفر (SDG 2)، زندگی در خشکی (SDG 15) و صلح، عدالت و مؤسسات قوی (SDG 16) موارد استفاده زیادی دارند، در حالی که آموزش با کیفیت (SDG 4) ، انرژی مقرون به صرفه و پاک (SDG 7) و Climate Action (SDG 13) کمتر هستند (شکل 1). ما کار شایسته و رشد اقتصادی (SDG 8) را مستثنی کردیم. صنعت، نوآوری و زیرساخت (SDG 9)؛ و مشارکت برای اهداف (SDG 17) از استقرار غیرانتفاعی، کمک های مالی بنیاد و تجزیه و تحلیل سرمایه خصوصی. این به این دلیل است که اکثر پروژه ها را می توان با توجه به کاربرد گسترده هوش مصنوعی در این مناطق برچسب گذاری کرد.

تعداد استقرارهای غیرانتفاعی لزوماً پتانسیل هوش مصنوعی درک شده برای هر هدف توسعه پایدار را منعکس نمی کند.

در تجزیه و تحلیل جایی که بودجه برای به کارگیری هوش مصنوعی برای اهداف توسعه پایدار مستقر شده است، شاهد همسویی جهت با نظر کارشناسان در مورد پنج حوزه با بالاترین پتانسیل هستیم. دیدگاه ترکیبی مراکز کمک مالی و سرمایه خصوصی بر سلامت و رفاه خوب (SDG 3)، آموزش با کیفیت (SDG 4)، انرژی مقرون به صرفه و پاک (SDG 7)، شهرها و جوامع پایدار (SDG 11)، و اقدام آب و هوایی (SDG 13). علاوه بر این، حدود 40 درصد از سرمایه گذاری های خصوصی سرمایه گذاری در 20000 شرکت هوش مصنوعی تجزیه و تحلیل شده، به طور مستقیم یا غیرمستقیم به حداقل یکی از 17 حوزه موضوعی SDG کمک کرده است.

با این حال، فرصت های هیجان انگیزی وجود دارد. بودجه سرمایه خصوصی نسبتا کم برای آموزش با کیفیت (SDG 4) را در نظر بگیرید. حتی برای انرژی مقرون به صرفه و پاک (SDG 7) و Climate Action (SDG 13)، بیش از 50 درصد سرمایه گذاری خصوصی به سمت وسایل نقلیه خودران برای بهبود بهره وری انرژی و کاهش انتشار گازهای گلخانه ای صرف شد. این امرپتانسیل بیشتری را برای نهادهای خصوصی به منظور استقرار سرمایه به سمت موضوعات SDG که در آن هوش مصنوعی پتانسیل بالایی دارد، دریافت می کند.

نابرابری های جغرافیایی در تخصیص کمک های مالی همچنان بالاست. تجزیه و تحلیل محل دفاتر مرکزی دریافت کنندگان کمک هزینه از پایگاه داده بنیادهای اکثریت ایالات متحده نشان می دهد که از سال 2018 تا 2023، تنها 10 درصد از کمک های بلاعوض اختصاص یافته به طرح های هوش مصنوعی که به یک یا چند مورد از اهداف توسعه توسعه پایدار می پردازند، به سازمان های مستقر در پایین اختصاص یافته است. کشورهای با درآمد متوسط.10 در حالی که سازمان‌ها ممکن است در خارج از کشورهایی که مقر آنها در آنجا مستقر هستند تأثیر داشته باشند، 60 درصد از کارشناسانی که به نظرسنجی ما پاسخ دادند موافق بودند که تلاش‌های هوش مصنوعی امروز به اندازه کافی بر منافع کشورهای کم‌درآمد متمرکز نیست (برخلاف درآمد یا درآمد بیشتر). کشورهای توسعه یافته)، که در آن نیاز و تأثیر SDG می تواند بالاترین باشد.

چالش‌ها و خطرات مقیاس‌بندی هوش مصنوعی برای منافع اجتماعی

چالش‌ها در مقیاس‌بندی هوش مصنوعی برای ابتکارات اجتماعی خوب، پایدار و سخت هستند. هفتاد و دو درصد از پاسخ دهندگان به نظرسنجی تخصصی ما مشاهده کردند که تا به امروز بیشتر تلاش‌ها برای استقرار هوش مصنوعی برای منافع اجتماعی بر تحقیق و نوآوری متمرکز بوده است تا پذیرش و مقیاس‌بندی. 55 درصد از کمک های مالی برای تحقیقات و استقرار هوش مصنوعی در سراسر SDG ها 250,000 دلار یا کمتر است، که با تمرکز بر تحقیقات هدفمند یا استقرار در مقیاس کوچکتر به جای توسعه در مقیاس بزرگ سازگار است. جدای از بودجه، بزرگترین موانع برای مقیاس‌بندی هوش مصنوعی همچنان در دسترس بودن، دسترسی و کیفیت داده‌ها است. در دسترس بودن و دسترسی استعدادهای هوش مصنوعی؛ پذیرش سازمانی؛ و مدیریت تغییر اطلاعات بیشتر در مورد این موضوعات در گزارش کامل موجود است.

ضمن غلبه بر این چالش‌ها، سازمان‌ها همچنین باید از استراتژی‌هایی برای رسیدگی به طیفی از خطرات، از جمله خروجی‌های نادرست، سوگیری‌های نهفته در داده‌های آموزشی، احتمال اطلاعات نادرست در مقیاس بزرگ، و تأثیر مخرب بر سیاست و رفاه شخصی آگاه باشند. همانطور که در چندین مقاله اخیر اشاره کردیم، ابزار و تکنیک های هوش مصنوعی می توانند مورد سوء استفاده قرار گیرند، حتی اگر ابزارها در ابتدا برای منافع اجتماعی طراحی شده باشند. کارشناسان خطرات اصلی را به‌عنوان اختلال در انصاف، استفاده مخرب، و نگرانی‌های مربوط به حریم خصوصی و امنیتی، و به دنبال آن قابل توضیح (شکل 2) شناسایی کردند. هوش مصنوعی در ثبات اقتصادی در مقایسه با همتایان خود در انتفاع، که اغلب نگران نقض IP بودند.

کارشناسان می گویند اختلال در انصاف و استفاده مخرب، خطرات اصلی استفاده از هوش مصنوعی برای رسیدگی به اهداف توسعه پایدار است.

تسریع در استقرار هوش مصنوعی برای منافع اجتماعی

پیشرفت های علمی کارایی هوش مصنوعی را در تشخیص، پیش بینی و ایجاد الگو افزایش داده است. این پیشرفت با افزایش سریع تعداد استقرار موفقیت آمیز هوش مصنوعی همزمان شده است، اما همانطور که در بالا دیدیم، هنوز چالش هایی برای مقیاس بندی استفاده از آنها برای پرداختن به SDG ها وجود دارد. تحقق این پتانسیل مستلزم همکاری نزدیک‌تر ذینفعان برای اطمینان از دسترسی به استعدادهای کافی و راه‌حل‌های داده قوی، و همچنین به برنامه‌ها و مدل‌های هوش مصنوعی است که منبع بازتر یا مقیاس‌پذیرتر در سراسر جغرافیای کاربر در سراسر جهان هستند، در نتیجه با افراد در آن نقطه ملاقات می‌کنند.

با همکاری برای یافتن راه‌هایی برای به کار انداختن هوش مصنوعی در مقیاس برای منافع اجتماعی، سازمان‌های مأموریت‌محور، دولت‌ها، بنیادها، دانشگاه‌ها، اکوسیستم‌های توسعه‌دهندگان و کسب‌وکارها می‌توانند به حل برخی از چالش‌برانگیزترین و حل‌ناپذیرترین مشکلات جهان کمک کنند. آنها می توانند به خنثی کردن قاچاق انسان کمک کنند، اطمینان حاصل کنند که دختران و کودکان در سراسر جهان از آموزش هایی که شایسته آن هستند، محافظت از جنگل ها در برابر جنگل زدایی غیرقانونی، حمایت از سلامت و ایمنی زنان باردار و نوزادان و موارد دیگر. اگر این چیزها ارزش جنگیدن را ندارند،  پس چه چیزی هست؟

درباره نویسنده (نویسندگان)

مدا بانکوال یک مشاور در دفتر McKinsey’s Bay Area است، جایی که مایکل چوی شریک موسسه جهانی مک کینزی است. Ankit Bisht یک شریک در دفتر دبی است. راجر رابرتز شریک دفتر سیلیکون ولی است. و اشلی ون هترن شریک دفتر آمستردام است.

https://www.mckinsey.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *