近期, 比尔盖茨公开指出了人工智能这件事情具有两面性。一面是能够拉平全球差距。另一面是可能会制造新的不平等。这一观点引发了全球社会各界人士的广泛讨论。
AI技术的双重属性
缩小差距的潜在可能
要是AI技术真的把方向搞到了普惠上面去, 那么它就能很快地去把那些在各地都不一样的资源方面的缺窟给填上, 所以说呢, 像是在那些医生很稀缺的偏远地方来讲的话就可以直接用AI去做辅助诊疗了, 再或者说是在那些教育方面资源非常缺乏的那个乡下村落里头能够靠着AI去获得那个同步的教学支援。
这些应用场景是不需要高精尖的专业背景的。普通从业者是经过简单培训的就可以上手使用的。是可以快速补齐发展短板的。不少试点地区已经是依靠了AI工具的。是把基层服务效率提升到了三成以上的。
放任发展的负面隐患
若是让市场完全主导人工智能的发展方向的话, 资源便会自然而然地流向那些原先就已经占据优势的群体里, 与此同时, 资本还会优先把研发资金砸在用户付费能力更强的需求方面上面。在这样的运作模式下, 低收入地区的真实诉求就会被直接忽略掉。
如果一直这样下去的话, 那个有钱的人会拿到更精准也更高效的机器智能服务, 但是那些穷的地方是连最基本的那些人工智能的使用要求都满足不了, 这两边的差值会被越扯越大, 这就形成了一个专门的技术壁垒障碍状况。
远超过往的技术迭代速度
渗透全行业的快节奏
人工智能技术的发展速度要比早年个人电脑和互联网革命时的速度快得多。从二O二二年年底大模型正式出圈开始算起, 一直到二0二六年为止, 这短短三年时间里, 人工智能已经深深地渗透到了医疗、法律、制造等数十个目前的主流行业里面去。
许多传统行业的职业角色已经开始同人工智能相关工具实现深度关联, 从事这些工作的人们采用的方法发生了明显转变, 并且整个行业的运转速度也跟着出现了大幅度的涨跌起伏。
全球准备明显不足
眼下绝大多数国家在政策层面、基础设施建设层面还有公众的认知层面, 统统都未能匹配上人工智能实际落地应用的速度, 像许多发展中国家甚至连基础算力的相关基站设备都没有铺设到位, 哪里还谈得上去搭建能够适应当地自身需求的人工智能服务体系。
在许多地区, 工作的从业者甚至连最普通的、基础的人工智能辅助工具都不太清楚长什么样, 也就完全搞不明白应该怎么样利用这些新的技术手段来让自己的日常工作任务变得更加顺畅和高效, 而专门用来帮助他们掌握这些技能的培训课程, 也基本上是没有的, 几乎是空着的状态。
当前存在的显著公平痛点
语言数据占比失衡
现在主流大模型在进行训练的数据里, 九成以上的内容其实都是英文。全球范围那好数千种小语种所相关的语料, 占比其实是低得可怜。这一现象就直截了当地导致了小语种地区的人们, 在使用的 AI 产品体验方面, 差到了极点。
使用同一套AI翻译工具的情况来看, 它在英语场景下的识别错误率低于6%, 然而在部分非洲小众语言的语境里, 却出现了超过60%的高比例识别失败现象, 这就意味着这套工具在实际使用中完全不具备正常操作的可能性。
服务适配度严重不足
如今市面上许多人工智能产品的研制, 基本全是以欧美那些发达地方的消费者需求为导向的, 根本就没怎么去顾及发展中国家当地真实的实际应用情况。
就拿农业科技类的工具来说吧, 它们大多数是为了适应西方国家那种大机器、大面积经营下的现代化农场才设计出来的, 所以压根没法匹配那些小农户原本就有的日常劳作习惯和实际需求。
有不少面向医疗的AI模型, 它们的训练数据大多来源于欧美人群的病例。当把这些模型用到亚洲或者非洲地区的人群身上时, 它们所做出的诊断, 其参考价值会出现大幅的下跌情况。这就意味着这些模型没法很好地匹配当地人群的实际需求问题。
盖茨基金会的应对投入计划
投入规模与时间周期
盖茨基金会已经做出了明确的决定, 该机构宣布在接下来两年的时间范畴之内, 将会动用总额超过十亿美元的专门款项, 以此来应对关于人工智能普惠性方面的各类问题, 而这项资金的分配和使用进度安排, 会根据一个大约持续十二个月到十八个月的关键时间段的进展情形来逐步进行。
基金会的相关负责人表示了这样的意思, 这笔资金并不会流向那种纯粹是为了展现前沿技术、用来炫技的研发活动去, 而是全部都会用在能够直接落地的、用来服务项目普通群体的实用项目上面。
两大核心投入方向
第一部分派出的资金, 专门用来补齐那一些各种小语种的数据集。他们联合了全球几十家属于当地本土性质的机构, 一起参与采集和整理语料的工作。最终目的是为了搭建起一套, 能够让那些不使用英语的地区也能适用的人工智能底层支撑体系。
第二部资金要分着面, 投向是医疗、教育、农业这三大民生领域方面。去开发那些操作简单而且成本比较低廉的实用型的人工智能工具。目的是为了让普通基层从业者不用支付费用这一回事儿就能享受到由人工智能带来的便利状况。”。
关键的行动窗口期
当下选择决定长期走向
在接下来的12到18个月时间里, 也就是AI规则的搭建正处于黄金时期。各国的政府机构、公益组织以及相关企业, 在资金投入的方向上如何设定, 在具体落地的方式上如何选择, 这些做法都会直接决定未来的AI服务究竟能覆盖到什么样的范围。
如果把这段时间能够把普惠的基础框架构建得更加完善, 那么在后续的AI发展进程中将自然而然地朝着逐步拉近差距这样的方向持续迈进。这就意味着后续的发展无需再额外投入成本费用, 去着手纠正那些因历史积淀或前期规划不足而已经形成的不平衡状态了。
主动干预才能避免失衡
技术的发展并不会让事情自然而然就变得公平起来, 好的发展前景也不会是凭空冒出来的。这要求各个有关方面都要动手去改变那些分配资源的老规矩。我们在面对人工智能这种新事物时, 不能完全听其自生自灭或者任由市场怎么高兴怎么来主导, 还是要管一些的。
不少国家都已经开始开展有关公共服务的项目的试点工作, 这些工作是由政府进行牵头的, 政府负责去采购那些具有普惠性质的AI工具, 然后把它们免费地开放给基层人员来使用, 目前已经取得了效果比较好的落地成果。
跳出科幻的现实风险视角
脱离过度科幻的讨论
眼下, 许多公众层面的讨论活动都集中在于人工智能最终有可能脱离控制并导致人类整体走向终结这一类的科幻设想上去了, 这种做法实际上是将迫在眉睫的资源分配议题给忽略掉了，而比尔盖茨在这个时间点所发出的提示声音, 确实是把众人的目光视线重新牵引到了现实的层面上来。
眼下人工智能分配不平衡带来的贫富差距拉大现象, 会比那些离大家生活十分遥远的科幻风险, 更加直接地影响数十亿人的日常生活, 因此这件事更需要全球范围内的各种阶层人士, 赶紧想办法来解决。
公平导向的发展路径
如果AI能够坚持那种把公平当作导向的设计逻辑, 它完全有可能成为缩小全球贫富差距的一个很厉害的工具。比如说依靠AI来帮助进行教学, 能够让那些住在偏远山区的孩子们享受到和在大城市里的孩子们同步的优质课程资源。
这种应用程序在技术层面的壁垒其实并没有多高。只要把资金投入的方向给修正过来, 对准了位置, 很快就能看见很直观的、让更多人受惠的变化。这样就能帮着许多那些手头没有多少资源的地区, 把发展方面的不足给补齐。
你觉得国内目前推进AI普惠落地，最需要优先解决的是哪一个具体问题？
