人工智能如何造福公共服务?

人工智能相关技术的发展，将使人类社会产生深度重构，几乎所有行业与AI技术的结合都将释放出更大的潜力。人工智能算法、大数据与高性能计算的结合以及一系列的技术创新将极大提高社会生产率。这些信息对于解决商业问题和社会问题有着巨大的价值。

在公共服务领域，人工智能也将更好的帮助人类应对挑战。未来人工智能将对医疗、公共交通、环境监测、减灾、减贫、农副业等领域发挥重要作用。

从已存在的海量数据获得新认知

运用通过人工智能对卫星、航运数据分析，可以低成本高效的进行环境监测。全球捕鱼监测组织通过卫星监测到的6万多艘商业渔船的数据，使用云计算和机器学习算法，识别渔船的捕鱼活动的时间、地点并将这些信息可视化，帮助所有人跟踪全球的捕捞活动。

加州大学伯克利分校STUART RUSSELL教授提到人工智能正在被用于有关核试验条约的监测核实，用以区分天然的地震颤动与核试验引起的颤动。

利用互联网上的免费图片进行人口普查，也大大降低了普查成本并缩短了普查周期。斯坦福大学选择了美国200个人口最密集的城市，使用深度学习技术，在五千万张谷歌街景图片中识别和判断汽车(模型含1990年后生产的2657种汽车)。统计出汽车型号与GDP、平均收入、社会经济指标的相关性，通过这样的方法甚至成功预测出美国2008年大选结果。

Planet Labs通过对使用卫星图像来监测肯亚的种植与农业指标、斯里兰卡的洪灾、达累斯萨拉姆城市的发展、和乌干达的难民营地。

联合国脉动计划各个实验室正在使用大数据与深度学习以描绘制图欧洲各区域对难民的偏见、从地中海船运数据中识别出救援尝试、检测印尼热带雨林中发生的火灾、从推特中预测食物价格、解决难民营中的卫生服务瓶颈。

非洲大陆上生活着10亿左右的人民，其中有60-70%靠小型农业维持生活。盖茨基金会在肯尼亚的一个项目通过人工智能收集农田、降水、酸度等数据，农民可以打电话获取耕种时间及作物种类等建议。

帮助人类突破自身限制

麻省理工大学的Cell C项目，可以预测败血症的发作以及血液感染。血液感染最明显的单一症状是血压大幅下降，但人类一直没有找到预测该症状的方法，只能在症状出现后做出反应。麻省理工团队通过一个涉及6000名病人的人工智能项目可以在败血症发作前30分钟作出预警，在91%的实例中帮助提前阻止败血症发生。

用人工智能技术进行基因检测大大提高人类对未知病症的认知。渐冻人症主要由特定基因引起的，IBM Watson使用人工智能技术来检测数万个基因与ALS的关联性，新发现了5个与ALS相关的基因，推进了人类对渐冻人症的研究进展(此前人类发现了3个与ALS相关基因)。

根据田纳西大学诺克斯维尔分校Lynne Parker教授提供的有关医学病理学的统计数据显示，最顶尖的人类医生在识别结肠息肉中的癌细胞时错误率在3.5%，顶尖的人工智能科技错误率在7.5%，而二者协作可将错误率降低至0.5%。

提供高效低成本解决方案。

根据世界卫生组织建议，洗手和手部消毒是预防和控制医院感染最简单、最有效的方法之一。然而，据研究表明，遵守护理标准的合规性仅有40%。斯坦福大学教授李飞飞团队通过人工智能算法可以追踪医护人员在医院中的移动轨迹。在不显露医师身份的条件下，拥有深度学习能力的识别系统传感器可监督医师的卫生实践，降低医院感染风险，性能比许多最先进的技术更出色。

联合国儿童基金会创新部门通过套在上臂的臂环使用简单的人工智能技术可以低成本的监测儿童的营养状况，这对于饥荒救助是非常宝贵的工具。目前也有公司使用面部识别技术解决类似问题。

基于人工智能强大的算法，微软可以对霍乱病情的爆发进行预测性建模，以便对饮用水和疫苗等关键资源合理配置。

IBM在旨在改变非洲基础设施的Lucy项目中，使用人工智能技术可以在耗水更少的条件下提升作物产量、增进教育质量以及提高使用医疗服务的机会。

投资公司Khosla Ventures 称，通过使用机器人可以生产更多食物。机器自己识别区分作物与杂草，用专门的除草剂喷洒杂草选点喷洒，能够降低农药污染20%，同时降低种植成本。

DeepMind通过在控制系统中部署人工智能技术，将谷歌数据中心总体电力利用效率提升了40%，未来类似的技术可能在不增加基础设施投入的情况下节省国家电网的用电消耗。

所有这些应用表明，人工智能技术的发展可以从技术上为公共服务提供新的思路与解决方案，可以在解决全球性的重要、普遍问题方面发挥作用,但公共服务领域由于自身的性质，发展往往滞后于商业应用。公共服务领域的人工智能及相关及技术发展，造福社会，是全社会共同的责任，也是有能力从事人工智能科技创新的大企业的社会责任之一。

政府、非营利组织、人工智能相关技术公司要建立紧密的合作关系，政府和非营利组织提出需求并提供数据等相应资源，联合技术团队共同提出解决方案，使人工智能成为支持人类行动与决策的工具。

由于人工智能发展对数据的依赖，使训练数据集成为重要资源。未来数据并不完全属于个人，在某种程度上甚至上升为战略性公共资源。对于公共服务领域相关的数据隐私保护、数据获取及正确使用、建立共享平台等相关议题，需要更明确的指导框架。

作者：FT中文网