新一代人工智能 联合国可持续发展目标的加速器

无接触物流、行动轨迹采集分析……人工智能在抗疫中的广泛应用，让人们再次感受到这一颠覆性技术的强大能力。不过，一系列忧虑也随之而来。人工智能应用的门槛会不会进一步加大收入差距？个人信息的采集会不会威胁信息安全？针对这些问题，科学家们也在考虑，如何让人工智能成为可持续发展目标实现的助力，而非阻碍。这既是写入国家《新一代人工智能发展规划》的战略目标，也是国家《新一代人工智能治理原则》的明确愿景，更是近期联合国秘书长公布的“数字合作路线图”中的核心议题之一。

1.人工智能推动可持续发展成为国际共识  

联合国可持续发展目标旨在到2030年解决社会、经济和环境三个维度的发展问题，走上可持续发展道路。可持续发展目标呼吁“所有国家（不论该国是贫穷、富裕还是中等收入）行动起来，在促进经济繁荣的同时保护地球”。该目标指出，应长期致力于消除贫困、实现良好健康与福祉、实现优质教育、性别平等、清洁饮水和卫生设施、经济适用的清洁能源、创新和基础设施、减少不平等、可持续城市、气候变化和保护环境等。而如今，人们越来越意识到，人工智能在这些领域全都大有可为。

通过人工智能推动可持续发展目标的实现已引起不同国家和地区的广泛关注与推动。牛津大学发起的“人工智能与可持续发展牛津倡议”旨在探索当前和未来人工智能如何用于帮助支持和推动联合国可持续发展目标的实现。阿联酋在迪拜建立了人工智能与可持续发展中心，依托其近年来在人工智能伦理与治理方面搭建的国际交流平台促进人工智能与可持续发展的国际对话和技术落地。2015年成立的人工智能造福人类基金会旨在通过协调人工智能研究社区、决策者和大众来推动联合国可持续发展目标的实现，并在美国、英国、斯洛文尼亚等地设有运行机构。

人工智能作为“使能技术”推动可持续发展目标的实现在联合国业已形成重要共识。各个联合国成员国、相关学术机构、产业等也在相互协作共同推进。联合国国际电信联盟每年与其他联合国实体机构合作召开人工智能造福人类全球峰会，该系列峰会旨在提供全球对话平台，探讨如何利用人工智能来加速实现联合国可持续发展目标，从而帮助解决更多的全球性问题。国际电信联盟还发起了全球人工智能资料库来收集与促进可持续发展目标有关的人工智能项目、研究倡议、智库和组织等。于2020年6月12日发布的《联合国秘书长数字合作路线图》报告中指出，应以最佳方式部署人工智能支持实现可持续发展目标，并造福公众。

为实现零饥饿的愿景，在促进农作物的生产与供应方面，可以采用机器学习模型并结合气候建模来预测农作物特定地区的产量，图像处理技术可用于监测农作物的生长状况，并对潜在风险、早期虫害和疾病发出警告，辅助提升农作物产量。还可以采用智能物流技术促进农作物与最终消费者之间的无缝对接。

气候变化是可持续发展目标中的重要议题，基于气候大数据的机器学习与预测研究将积极促进人类对于气候变化的认识，采用计算模拟等手段对改善策略及相应作用进行建模，将有助于为人类采取有利于改善全球气候的行动提供分析与支持。

在环境保护方面，自动智能监控技术可以用于对环境的自然灾害、破坏环境的行为进行监测，多模态数据处理可用于水质与空气质量的检测与预测，模式识别与自动控制技术的融合还可用于实现自动垃圾分拣与处理。

在文化传承领域，人工智能可用于促进人类文明的融合发展。不仅应当应用三维重建技术、文字识别技术挖掘文化遗产，保护艺术与文化作品，更应通过自然语言处理与理解、图像分析等技术实现文化的关联与交互。更可通过机器学习与自动生成技术推动文化、艺术作品的再创造。

人工智能中信息的感知、融合与决策技术能够推动国家与社会治理体系的建设。利用人工智能促进和平与正义至关重要，如利用人脸识别技术寻找丢失孩童、犯罪分子，维护社会与国家安全，利用机器学习在金融领域监控和发现欺诈、逃税、洗钱等行为，减少欺诈和腐败。此外，人工智能将有助于推动公共卫生治理体系的建设，基于感知与决策技术实现对公共卫生事件、重大疫情的预警、应急管理与治理。

2.警惕负面影响，确保技术“善”用  

可持续发展目标涉及的领域众多，涵盖面广，但是并不是与这些领域相关即是推动了这个领域的可持续发展。人工智能在应用于可持续发展相关领域时可以发挥积极作用，推动领域的发展，也可以导致负面影响，阻碍领域的发展。关注人工智能应用于相关领域对社会、生态的长期影响是衡量可持续性的重要视角。

例如，人工智能与网络技术的融合发展将为促进优质教育的实现提供基础设施和发展契机，如通过个性化学习模型提升教育质量与效果，挖掘并促进不同个体的潜力发挥，将可能为不同性别、不同种族的人提供优质的教育资源。然而将人脸识别技术应用于教室内学生表情、专注度等方面的识别虽然具有广泛的潜在应用场景，但却不是一个可持续发展的案例。即使表情特征能够通过计算准确反映学生状态，这类技术将有潜在风险侵犯学生隐私，降低学生在课堂中的能动性，引起学生的反感，而此种情绪在整个教育阶段的积累甚至可能引起学生对人工智能技术的厌恶（如有相关技术的发展致力于使摄像头检测不到人脸信息）。此类人工智能在教育中的应用是不符合教育的可持续发展目标的。

再如新冠肺炎疫情期间采集的个人信息与大数据分析与决策技术相结合，被用于公共卫生预警与疫情应急管理，作为人工智能与公共卫生领域的深度融合在疫情防控期间发挥了关键的积极作用。然而根据世界卫生组织有关规范以及我国民政部、网信办、工信部、卫生部等部委颁布的有关规定，疫情期间采集的个人数据限于在疫情期间由必要部门进行合理使用，疫情过后如需他用需要重新征得相关个人同意。因此对个人信息的过度采集或疫情期间采集的个人信息在没有知情同意的情况下挪作他用，都不符合我国政府有关规定以及人工智能促进公共卫生可持续发展的愿景。

在人工智能相关技术应用于推动可持续发展目标实现的过程中，由于相关技术惠及的人群范围可能有限，甚至可能因此加剧了不平等问题。如通过人工智能增强的优质教育是否能够保证偏远山区的学生同等享有，再如以二维码为入口的健康码及基于此的相关服务如何惠及那些大多不善于用甚至不用手机的老年群体，都将不同程度挑战公平享有技术发展成果的初衷。

此外，人工智能模型可能从数据中获取并应用人类的偏见，这将有可能加剧不平等的现象，与促进公平背道而驰。例如，智能推荐系统可能由于数据的偏见在职业推荐方面表现出对男女和不同肤色人种的明显偏差，这将与人工智能应用于就业的良好初衷背道而驰，从可持续发展的视角来看，人工智能技术可用于挖掘并促进弱势群体发挥其优势，促进公平就业。同时，很多人脸识别模型与服务对于女性识别率明显低于男性，不同肤色人种在社会安全辅助决策系统中会被赋予偏见，都有待未来更完善的人工智能推动公平公正的可持续发展。其中通过智能增强技术提升盲人、聋哑人的感知、沟通、交流能力就是人工智能普惠弱势群体的重要尝试。

在人工智能与自动化技术替代人力劳动与部分工作方面，如果仅关注于发展全自动化，而忽略了对可持续发展目标中为人类提供体面工作的愿景，则是一种负面的应用。未来应大力发展人机协作的新职业，推动人与人工智能、自动化系统发挥各自的优势，实现双赢。人工智能与机器人的应用目标应当是为人类节省更多时间去做更有创造力的工作，发挥人类优势。如人工智能技术可被用于减轻工作者负担，促进工作和生活的平衡。

在人工智能应用于可持续发展目标相关领域时，应当充分关注其中的风险与伦理问题，确保技术的“善”用。只有在相关领域能够持续性起到积极作用，持续性推动领域目标的落实，并在应用过程中持续关注并尽可能避免潜在的技术与社会风险，才是真正推动可持续发展的人工智能探索与应用。

3.不同文化相互包容相互借鉴的契机  

通过人工智能推进可持续发展是全球共同的愿景，在诸多可持续发展相关领域，如优质教育、公平公正、城市发展等，都与文化、地域息息相关。每一种文化与人工智能技术的结合对于可持续发展都将贡献不同视角的思考，并贡献于对可持续发展长远目标的深刻理解与实践。因此应当包容不同文化，相互借鉴、求同存异、和而不同、同舟共济。

人工智能技术的高速发展往往发生在科技、经济普遍处于领先地位的国家和地区，这将有极大风险使得贫富差距随人工智能的进展而进一步迅速扩大，使人工智能有潜在风险加速马太效应的形成。因此，人工智能技术领先的国家和地区应通过开放共享、全球协作，推动人工智能技术与服务的普惠，使中低收入国家和地区也能够借助人工智能的变革促进社会与经济发展，从而携手促进可持续发展目标在全球的早日实现。

我国是负责任的大国，在人工智能方面也有一定的研发优势和产业优势，因此也更应在实现人工智能普惠全球的愿景中做出应有的贡献。建议我国在新一代人工智能发展规划的基础上针对推动可持续发展目标进一步细化，推进人工智能应用于可持续发展的各个领域。与此同时，建立面向全球可持续发展的人工智能智库、在线案例库、资源共享库、公共服务平台等，由产学研界共同推动面向可持续发展的人工智能公益研究计划，并向全球开放申请，以此支撑人工智能作为使能技术推动全球可持续发展目标的实现，并向全球开放研究成果，特别是支持中低收入国家和地区、“一带一路”国家和地区，并与人工智能更发达的国家深度协作、共享经验、优势互补，携手解决不同领域的难题与人类共同的挑战，共促可持续发展。

同时，应鼓励国家新一代人工智能创新示范区、国家新一代人工智能开放创新平台、人工智能创新应用先导区、人工智能相关科研机构等创新主体深度协作，结合顶层设计与自主规划，积极投身到面向可持续发展的人工智能事业中来。应鼓励中国人工智能企业与科研机构形成产研融合的合作模式，并应当与全球的科研机构和产业取长补短、开放共赢，协同通过新一代人工智能作为使能技术促进全球的社会、经济和环境可持续发展，推进人类命运共同体的构建与实现。

文章来源：《光明日报》   作者：曾毅   编辑：冷冷