【IDT】人工智能将会给国际发展合作带来什么变化？

这是第 266 篇文章

作者 | 刘靖

浙江大学城市学院公共管理系副主任，研究方向为国际发展、中非合作等。

近年来，人工智能（Artificial Intelligence，AI）迅猛发展。从Google围棋计算机AlphaGo战胜世界冠军李世石、柯洁而独孤求败，到Hanson Robotics旗下的Sophia机器人多次参加国际大会、接受欧美多档综艺节目访谈，并成为历史上首个获得公民身份的机器人，人工智能的应用标志着人类第四次技术革命的到来，在促进社会转型方面，“其速度、规模和影响力分别是工业革命的10倍，300倍和3000倍”[1]。

人工智能被广泛应用于智能制造、健康医疗、交通运输、金融保险、教育科技等商业领域，并对其传统技艺、知识生产、管理模式等产生了猛烈冲击。即使是受商业化影响较小、专家知识占主流地位的国际发展领域，人工智能也逐渐渗透其中并发挥重要作用来应对一些极具挑战的全球发展难题。当然，人工智能所蕴含的巨大潜力及其可能导致的挑战与风险也受到了国际发展机构及发展学者的关注。自2017年以来，联合国经济和社会理事会与世界银行等发展机构围绕“人工智能与发展议程”展开了多场国际性的讨论[2]。

一、什么是人工智能

1956年，一群籍籍无名的年轻学者在达特茅斯的夏季研讨会上通过头脑风暴首次提出了人工智能（Artificial Intelligence，AI）的概念[3]。虽然此次会议并没有产生多么了不起的思想，但是会议中提到的包括人工智能、自然语言处理与神经网络等议题却成为未来炙手可热的研究领域。

达特茅斯会议-2006年，会议五十年后，当事人重聚达特茅斯。左起：摩尔，麦卡锡，明斯基，赛弗里奇，所罗门诺夫

严格来讲，人工智能可以分为两类。一类是狭义上的概念，即应用型的人工智能。也就是机器比人类更快更好地完成工作，例如股票交易或汽车制造，也包括我们日常的社交软件、语音识别等。另一类是泛指机器智能，涵盖理论上可以完成任何任务的机器。其中，应用最为广泛的是机器学习（Machine Learning ，ML），也就是通过创建算法模型并在海量数据中学习和提高自动化性能，使机器能够比人类更快、更精确地分析数据并作出判断[5]。我们日常谈到的人工智能，更多的也是指广义上的机器智能或机器学习。

在公共政策领域，运用科技手段分析数据和实施政策已经屡见不鲜，而且机器学习方面的迅速进步确实改变了公共和私营部门的效率。那些致力于减贫工作的发展机构也一直在努力使用尖端技术来改善穷人的生活。那么人工智能如何应用于国际发展领域，又如何促进可持续发展目标（SDGs）的实现，我们可以结合目前发展机构的实践经验从以下几个方面来考虑。

二、人工智能在国际发展领域的积极作用

1

数据创新

在数据创新领域，国际发展机构正与私营部门、学术界和政府结成伙伴关系，共同探讨新兴数据的来源和平台（包括大数据）的巨大潜力，用以改进近实时监测、纠正干预行动以及为发展受益人编制方案等。尤其是在数据稀缺的环境中，机器学习能够发挥重要的作用，它开辟了利用新数据衡量贫困极其脆弱性的路径。尽管机器学习不解决识别问题，但是在数据缺失时它确实能够帮助系统化搜索以达到最优的模型建构[6]。

例如，联合国开发计划署（UNDP）在黎巴嫩地区正在利用流行的社交软件WhatsApp来进行有关地区稳定和难民收容的研究[7]。发展机构与难民共同开发了一款名为“Speak Your Mind”的WhatsApp小程序，旨在建立一个开放、双向的沟通渠道用以收集实时的本土数据，为积极预防地区冲突提供更为及时有效的数据来源。

Speak Your Mind-A poster advertising the WhatsApp survey hangs in an informal settlement in Qaraoun.

类似的技术在联合国开发计划署和联合国全球脉动计划（UN Global Pulse）对苏丹的贫困测绘（poverty mapping）中也得到了很好的应用。夜间照明的卫星图像、移动通讯的使用以及电力消费等新的大数据补充了原有的官方贫困统计，从而为政策制定者提供了贫困人口居住地更为全面的状况[8]。通过人工智能收集并分析此类新数据，有助于解决贫困测绘中普遍存在的常规数据统计偏差问题，并最终为政策制定者提供解决贫困问题所需的准确数据。

而乌拉圭正在测试利用社交媒体监测和警报系统来降低自然灾害风险。在一项名为“The Last Mile Arrives First”的项目中，联合国开发计划署利用社交媒体及其数字足迹等实时信息的人工智能分析来加强紧急情况下最后一公里的灾害警报[9]。这一技术将综合社交媒体的实时地理信息用以识别紧急情况，通过群发警报信息并直接从受影响人群中分析反馈信息，实现灾害预警更高的准确性和即时性。

The Last Mile Arrives First-how networks are built

国际发展机构正利用人工智能获取新的数据来源并以此开发出新的算法和模型，在时间和成本上已经显现出巨大的优势。不过，需要特别指出的是，采用新数据并不代表应用了人工智能，重要的是如何让数据通过算法模型自动化地给出结果或指令以此促成任务的完成或问题的解决。因此，数据和算法缺一不可。

2

政策制定

人工智能的进步和机器对海量数据的消化能力意味着我们正处于一个可以预测未来的时代。机器可以分析数百万以前类似行动的数据，然后准确预测政策造成的后果及影响。

作为发展实践者，在政策制定层面利用这项技术，我们将能够模拟一系列不同的发展行动所导致的影响。机器学习能为我们提供高质量、高效率的公共政策，其结果将更为精确和可调节。

例如，我们可以通过对人口的平均收入和该地区卫生服务条件等因素的交叉检验来准确预测新型艾滋病毒药物在中央和地方范围内通过各级市场的可获得性。目前，在全球健康领域，人工智能通过分析以往传染性疾病的传播路径和监控各地的实时疫情来进行潜在疾病的预报。2009年墨西哥首次发现的甲型H1N1流感疫情就是通过机器阅读关于潜在疾病暴发的报告而得出的；在农业生产上，人工智能通过数百万的卫星图像分析可以确定森林和水资源的健康状况，并监测该地区的农业产量，以此为农业生产提供扶持性政策；在灾害预警上，马尔代夫正在利用无人机提供的数据来绘制那些最易受自然灾害和气候变化影响的岛屿社区风险图。

通过对现有数据的正确分析，机器学习为我们提供了一个难得的机会，以制定有效、快速和准确的政策，帮助我们更好地解决全球的贫困和不平等问题。

3

目标干预

人工智能可以更好对发展项目实施目标干预。它包括了何时、何地以及为谁干预。上文提到的贫困测绘就是一个明显的例子。再例如，使用遥感技术来预测可能发生森林砍伐的地点，以便迅速展开干预；在诸如奥运会等大型赛事活动中找出需要进行交通干预的地方；预测全球粮食产量和可能发生粮食短缺的地区，以帮助实施人道主义救援；通过分析已有的失学女童分布区域，帮助政府找出下一个可能发生此类问题的地区并提前进行干预。

通过数据创新和学习新的算法，人工智能能够准确预测未来政策的影响以及发展趋势，这将改变发展机构实施发展计划和政策干预的方式。在新兴的“文化经济学”（Culturomics）领域，对大型文本档案的计算分析可以为社会运动提供新的见解，包括预测未来的经济事件。已经有学者通过对近30年全球新闻档案的机器学习，成功让计算机预测到突尼斯、埃及和利比亚的革命，以及恐怖分子拉登藏身的地理范围[10]。

目前，将人工智能用于发展干预的情况还并不多见，但这一趋势已经不可阻挡，未来将更多地用于个性化和动态化的干预措施。美国的一家发展机构（Precision Agriculture for Development）正尝试通过手机向农民提供定制的农业信息服务，人工智能通过分析农民的反馈意见来更新和推广其中有效的建议和措施。这项基于手机信息服务的农业推广系统在印度得到了较好的效果，古吉拉特邦1200名农民由于使用了该服务，其边际净收入增加了约100美元/年，棉花和孜然的产量分别增加了8.6%和28.0%，而所有的费用却不到10美元/年[11]。

手机定制服务-Precision Agriculture for Development

4

影响评估

发展项目结果及其影响的评估是人工智能在国际发展领域最早和最广泛的应用场景。首先是对评估指标的测量，人工智能在那些基础统计数据严重缺乏的发展中国家得到了最大程度的应用。许多测量工作都是使用卫星数据或手机记录数据来评估整个国家或区域的贫困状况，这是对传统数据收集的补充和更新。

目前，这些数据对描述性结论更为有用，但尚不清楚其准确性是否足以随着时间的推移而发生改变。因此，对宏观政策而言，可能没有足够的数据用来检验干预措施的影响，特别是在短时间范围内。但随着卫星数据准确性的提高，运用动态数据评估宏观政策的影响已经成为可能。例如，世界银行在达累斯萨拉姆的一项城市规划项目，他们面临的挑战是通过卫星探测新建筑物的数量以及建筑物高度的变化，用以评估城市发展的状况[12]。卫星数据的详细程度将有助于评价交通基础设施干预的影响。

其次，人工智能在微观层面能够分析先前难以测量的数据。例如，Ramya Parthasarathy等学者通过对印度乡村的村民大会记录进行文本分析，从而确定了哪些主题是村民经常讨论的，以及对话流程如何随着说话人的性别和地位而发生改变。原先，大量的原始记录文本使得研究者很难系统地使用传统的测量方法。然而，当他们使用自然语言处理方法分析这些海量的定性数据后，却能够得出重要的结论：女性村民很少说话，更不可能推动话题持续深入，得到州政府官员的回应也更少。但当村里罕见的选举了一位女性村长时，女性村民则更有机会得到回应[13]。这为性别对社区参与的重要影响提供了有力支撑，也为推广发展项目的社会性别评估提供了坚实的政策依据。

最后，人工智能还可以提高项目评估的效率并持续追踪发展目标的实现。联合国开发计划署已经与IBM Research合作，利用机器学习来实现快速综合评估（RIA）的自动化[14]。原本需要发展评估专家耗费三至四周时间手动审查上千份文档的繁琐过程通过人工智能只需要三至四天。目前，IBM开发的这套系统已经过测试，其结果与人工RIA基本一致，在某些情况下，该系统还能够识别出在执行人工RIA时专家没有注意到的一些问题[15]。

5

民间社会

建设民间社会是联合国可持续发展目标（SDGs）的重要组成部分，尤其是在“善治”的援助理念引导下，国际发展机构和传统援助国开始探索以新技术促进受援国的民主、公平及正义。

联合国开发计划署正与其所服务的各国政府和社区共同利用人工智能创造全新的民间参与平台，促进受援地区的治理改善，减少冲突、不信任和社会不公。例如，在巴布亚新几内亚，联合国开发计划署与政府一起发起了一项“手机反腐败”（ Phones Against Corruption）的行动，赋予公民通过手机短信报告公共机构腐败问题的权力。该服务自2014年推出以来，收到了8827个不同用户的29000条短信，通过立案调查已经有多名腐败官员被捕。这项服务在农村地区尤为欢迎，并被推广到全世界，该项目也获得了2016年度全球创新奖的“最佳公民参与”奖项[16]。

Phones Against Corruption

在环境保护与可持续发展项目中，发展机构还积极与商业公司合作开发大数据平台，通过开放数据、在线平台、虚拟对话和商业运作来吸引公众参与其中。联合国开发计划署在2014年与百度公司合作开发了一款名为“百度回收”（ Baidu Recycle）的APP，将目标用户与合法的电子垃圾处理公司连接起来，供废弃电子产品的安全处置和回收利用，用以解决目前中国日益增长的电子垃圾污染和处理难题[17]。

在治理领域，人工智能可以提高政府绩效水平。印度目前开展的对税务数据的机器学习有助于地方政府进行大量繁琐的账目阅读和实物审计，以此快速、系统、准确地识别“可疑企业”。此外，国际发展机构还在印度尼西亚、埃及、巴勒斯坦、阿尔及利亚、塞尔维亚和亚美尼亚等地区测试区块链技术在公民信用、言论自由、社会福利和民主制度等方面的应用。

6

可持续发展目标（SDGs）

2017年10月11日，在第72届联大会议期间，联合国经济及社会理事会（ECOSOC）与联合国大会（UNGA）负责经济和金融事务的第二委员会，在纽约联合国总部联合举行了题为“一切的未来——技术迅猛变革时代的可持续发展（The Future of Everything-Sustainable Development in the Age of Rapid Technological Change）”的国际会议。

The Future of Everything – Sustainable Development in the Age of Rapid Technological 

会议旨在讨论近年来技术创新的主要趋势，发现利用人工智能实现可持续发展的方案，分析技术进步潜在的收益与风险，聚焦于缩小发展中国家与发达国家的数字鸿沟，避免科技应用的不平等以及创新政策手段从而确保在智能时代“无人掉队”（Leave No One Behind）。

会议邀请了Hanson Robotics公司、FarmDrive公司、哈佛大学metaLAB等多家科技公司，其中作为投资人、创业者和未来学家的Stephen Ibaraki认为人工智能有潜力加快可持续发展目标的实现。他还针对17项可持续发展目标提出了人工智能的推进作用（如表1.）

可持续发展目标

人工智能的作用

无贫困

通过卫星测绘和贫困数据分析提供实时资源配置。

零饥饿   

使用无人机和卫星成像进行预测分析，提高农业生产力。

良好健康与福祉

通过人工智能可以显著地改善疾病的预防与诊治水平，从来带来突破性的科学成果。例如，目前全球已有的80亿台带有照相机的智能设备都可以用来检测心脏、眼部与血液方面的疾病；麦克风和传感器能够测量骨密度和发现骨质疏松症，对癌症、糖尿病和慢性病进行远程护理。

良好健康与福祉

通过人工智能可以显著地改善疾病的预防与诊治水平，从来带来突破性的科学成果。例如，目前全球已有的80亿台带有照相机的智能设备都可以用来检测心脏、眼部与血液方面的疾病；麦克风和传感器能够测量骨密度和发现骨质疏松症，对癌症、糖尿病和慢性病进行远程护理。

优质教育

人工智能可以用虚拟智能导师的方式进行授课，定制个性化教育，提升学生参与度，提高教育质量，为教育界带来革命性的变化。而通过大数据分析，在学生退学前发布预警信号，从而有针对性地进行干预，可以将来自低收入家庭或家庭中第一批上大学的学生的毕业率提升30%。

清洁饮水和卫生设施

物联网和传感器通过人工智能可以预测清洁和消费模式，从而确保饮安全用水和卫生设施改善。

经济适用的清洁能源

人工智能实时分析有助于提高绿色能源的产出和效率

体面工作和经济增长

尽管对自动化设备取代人类有所担忧，但是人工智能的增强和智能设备的目标自动化能够改善工作环境、提高劳动生产率并促进经济发展。

产业、创新和基础设施

结合人工智能、物联网传感器和4D打印的新型混合制造业正在重塑行业格局，在世界历史上产生了前所未有的指数式创新增长。

减少不平等

使用人工智能设备可以增强人的生理机能、矫正残疾，促进社会平等与包容。

可持续城市和社区

物联网、智能设备和可穿戴设备提供的数字人工智能网络已经影响了智慧城市建设，促进了可持续社区的发展。

负责任消费和生产

人工智能在垂直绿色农场获得最佳投入产出比，消除浪费，提高产量和资源利用效率。

气候行动

气候变化数据分析和气候模拟可以预测气候问题与气象灾害。

水下生物

模式识别（pattern recognition）可以追踪海洋生物的迁徙、数量以及捕捞活动，从而打击非法捕捞并促进海洋生态系统的可持续发展。

陆地生物

模式识别、博弈论以及计算机技术的广泛应用可以追踪陆地动物的迁徙、数量及捕猎活动，从而打击非法捕猎并促进陆地生态系统的可持续发展。

和平、正义与强大机构

人工智能的合理应用可以减少歧视与腐败，促进电子政务发展，提供个性化和智能化的行政服务。人工智能还能以前所未有的方式应对全球网络危机。

促进目标实现的伙伴关系

多部门合作对于人工智能的安全、伦理和社会发展至关重要。联合国应当发挥关键作用，协调政府、企业、学界与社会各方，促进人工智能向着以人为本的方向发展，共同应对全人类所面临的严峻挑战。

资料来源: Ana Maria Lebada. Second Committee Considers Role of AI in Advancing SDGs, 12 October 2017, http://sdg.iisd.org/news/second-committee-considers-role-of-ai-in-advancing-sdgs/.

三、挑战与反思

在我们欣喜于人工智能已经显现出推动全球发展的巨大潜力时，也要注意到其隐藏的风险，包括伦理问题、人权问题、隐私问题、安全问题等一系列全新的、复杂的挑战。

1

标准数据和数据标准

机器学习需要一组受标记的训练数据集和一套评估数据性能的指标。这为发展项目的数据收集和分析带来了一定的挑战。一方面，标准数据在发展中国家非常缺乏，这也使得机器学习难以训练数据。因此，研究人员不得不经常收集大量调查数据，或者手动标记图像，以便有针对性地训练数据；另一方面，调查数据并不见得真实准确。假如机器预测有人会变穷，但调查显示并不是，那么到底该相信谁。Ian Bolliger等学者为解决这一问题提供了一种可能的方法[18]。他认为算法模型的开发必须在拥有真正优秀数据的环境中进行，然后通过数据降级的方法模拟数据缺乏的情境，从而检测算法模型在发展中国家的表现。当然，该方法仍然需要通过发展中国家的实际数据进行验证。

2

预测的动态性与安全性

人工智能的预测结果常被用于发展项目的政策制定与目标干预，然而其预测的准确性会受到许多动态因素的影响。首先，值得注意的是许多预测关系并不稳定。例如，通过机器学习对实地调查得到的数据进行训练，可以预测当前卫星图像与农作物产量之间的相关关系。然而，这种关系是会保持一年还是更长的时间则未可知。其次，受调查者的行为反应也会干扰预测结果。例如，当受调查者得知使用手机的行为会被用来决定贫困者的资格，那么他们有可能会改变当下的行为，最终影响到预测结果的准确性。在机器学习的前沿领域，这被称之为“Adversarial machine learning”（对抗性机器学习）。这其实已经涉及到人工智能的安全性。作为一项发展中的新兴技术，人工智能还不够成熟。例如，深度学习采用的黑箱模式会使模型可解释性不强，人类行为的偏激、歧视、不道德等也会在人工智能的预测和干预中有所体现甚至进一步强化。

3

隐私及伦理

隐私问题一直困扰着人工智能在各领域的应用，在国际发展领域也不例外。其一，数据收集中的隐私侵犯。对定位、手机通话、卫星图像等新数据的收集往往会侵犯到个人的隐私，智能设备所存储的性别、指纹、心跳、语音、视网膜，脸型等生物特征若被滥用甚至会威胁到个人安全。而发展项目的大多数受助者（穷人、妇女或弱势群体）却对此浑然不知或无可奈何。尽管在数据收集前会被告知和授权，但这也成为接受援助或项目开展的前提条件。其二，数据存储中的隐私风险。哪怕做到了数据收集中的隐私保护，也无法保证数据在存储过程中不被攻击和威胁。Facebook的5000万用户隐私泄露事件已经给智能时代的隐私安全敲响了警钟。其三，自动化决策的伦理困境。人工智能在作出决策时，仍然需要遵从人类社会的各项规则和伦理道德。例如，在同等收入水平之下，是优先将妇女、老人还是儿童作为贫困人口？人工智能的应用，正在将一些生活中的伦理性问题在算法中规则化。如果在决策系统的开发中不加以社会规则和伦理规范的约束，就有可能在决策中遵循与人类不同的逻辑，从而导致严重的后果。

4

发展知识的生产

国际发展援助的演进一直是基于系统的发展知识生产，以人类学家、社会学家、技术专家为代表的西方发展专家通过对发展中国家的“想象”不断构建一系列所谓的发展问题，由此持续生产和再生产发展知识，使其系统化、学科化、利益化、全球化。然而，人工智能的出现，尤其是机器学习和深度学习在国际发展领域的应用使得发展知识的生产不再完全依赖于各类发展专家。

一方面，基于“想象”及其再生产的西方发展知识在多年的实践中并不奏效，许多发展工具也从未在西方国家使用过。这就导致发展中国家开始反思“向西方取经”的必要性，这本专门写给发展中国家的经书其真实性、有效性也备受质疑。而人工智能可以帮助发展中国家寻找真实的发展问题、生产自身的发展知识并提供切实可行的解决办法，例如上文提到的印度农业信息的定制化服务，苏丹的贫困测绘以及乌拉圭的灾害预警等。

另一方面，人工智能开始取代发展专家在项目规划、决策、管理、干预、评估等全流程中发挥主导作用。专家的知识权威和无可替代正在遭受前所未有的挑战。例如，IBM利用机器学习实现了快速综合评估（RIA）的自动化，其效率是专家人工评估的7倍，评估结果也基本一致，甚至还得到了许多被人工忽视但重要的发现。可以预计，随着人工智能的精进，专家知识将逐渐退出发展知识的生产或者被边缘化，进而改写发展知识的生产、传播及其再生产的路径。此外，若人工智能逐步替代发展专家，则对当下国际发展体系将产生革命性的影响，其组织机构、官僚制度、权力设置、部门利益、资源优势都将受到冲击乃至重塑。

5

技术理性的反思

诚如过去一切技术进步给人类社会带来诸多便利的同时也深刻改变了社会结构、组织效率、国际关系和资源配置。人类在通过科学技术不断地对自身认知“祛昧”的同时又在不经意间塑造着技术的神话，在推倒人像的权威后又一次立起技术的权威。例如，区块链技术的发展在平权、去中心化上发挥了重要作用，然而，倘若算法不公开透明或被少数公司垄断，以及数据来源的可信度，密钥的安全及保管，信息的不对称及信任机制等问题未被彻底解决，那么仍将会出现一个更为隐蔽的去中心化的中心。可以说，人类在每一项技术进步的背后都设有社会规则和道德伦理的约束，当马车被汽车取代后，行人、车辆、道路等一系列的交通体系也都随之更改，但交通规则仍由人类共识（伦理规范）来制定。不可否认的是，这种共识在很大程度上会被权力、利益所裹挟，甚至一些技术进步的方向或应用场景也是由当下的意识形态所左右。这即是哈贝马斯所说的“技术理性统治”，“技术统治论的命题作为隐形意识形态，甚至可以渗透到非政治化的广大居民的意识中，并且可以使合法性的力量得到发展。”[19]。如果技术具有了意识形态功能，那么，与传统的政治意识形态相比更具有迷惑性。它将区别于传统的政治统治，开启一个全新的统治形式，构建一套新中心的话语权力。因此，倘若上文提到的前四点仍然可以通过技术手段来提升效果或规避风险，那么技术理性统治背后隐现的价值观规训则似乎难以发现也无路可逃。

四、结语与启示

目前，人工智能在中国国际发展合作领域的应用仍处在摸索阶段。未来，与“一带一路”沿线国家的合作需要通过技术创新来引领，尤其是在挖掘沿线国家的信息资源、数据资源上下功夫。一方面，通过大数据综合分析合作伙伴国的政治生态、经济环境、社会文化等为项目合作提供优先排序和风险规避；另一方面，可以运用人工智能技术对正在实施的发展项目进行实时监测，对各类风险及时预警，并提供替代性的解决方案。

在国务院《新一代人工智能发展规划》（2017）中，提出了分三步走的战略目标，到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。为此，要鼓励人工智能企业参与或主导制定国际标准，以技术标准“走出去”带动人工智能产品和服务在海外推广应用。目前，阿里巴巴、腾讯、百度等中国企业在人工智能的前沿研究和商业化运营上已经处于世界领先地位，而“一带一路”沿线国家正受制于技术条件，其产业和社会数据有待收集和分析，双方的合作既能使人工智能技术服务于伙伴国的经济和社会建设，同时也能为企业拓宽市场、取得更大的利益。例如，在国际发展合作中最迫切的需求是解决信息无障碍的交流和沟通问题，科大讯飞公司目前研发的机器翻译技术已经超越美日，走在世界前列，尤其是在阿拉伯语等“一带一路”沿线国家语言翻译上的突破大大提升了信息沟通的效率。

注释：

[1]  麦肯锡全球研究所（The McKinsey Global Institute）的报告，McKinsey & Company. McKinsey Special Collections: Trends and global forces. April 2017.

[2] 2017年10月11日，联合国经济和社会理事会（ECOSOC）与联合国大会经济和金融委员会（第二委员会）举办了题为“The Future of Everything – Sustainable Development in the Age of Rapid Technological Change”的国际会议，探讨了人工智能对国际发展可能产生的利益与风险以及对可持续发展目标（SDGs）的影响。

2018年3月1日，世界银行、加州伯克利分校全球有效行动中心(CEGA)等机构在旧金山的谷歌社区空间举办了为期一天的题为“Artificial Intelligence for Economic Development”的研讨会，就“人工智能推进可持续发展目标”、“预测全球移民模式和作物产量”、“预防腐败”、“机器学习与贫困预测的未来”等一系列议题探讨机器学习在经济研究、国际发展和公共政策方面的作用。

[3] 参加此次小型研讨会的10人中，除了香农以外，均为籍籍无名的年轻科学家。而此后人工智能的快速发展也将这些年轻人推到了历史的前沿。后来，参会的年轻科学家有的成了计算机科学领域的泰斗，有的获得了图灵奖章。

[4] 人工智能的推进可以分为两条大的技术路径：一种是类脑计算，是指仿真、模拟和借鉴大脑神经系统结构和信息处理过程的装置、模型和方法，目的是让机器让人脑一样工作，过去几十年，脑科学家、神经科学家和计算机科学家在这方面投入很大，但是突破性的成果不多；另一种是通过数据驱动和超级计算的方法，这类方法在过去几年突飞猛进，商业化也非常成果。不过，这两类方法目前交叉融合的趋势越来越明显，尤其是在深度学习层面。

[5] 机器学习领域的著名学者米歇尔（Mitchell T.M.）在其《机器学习》一书的序言中开宗明义地给出了一个定义：“机器学习这门学科所关注的问题是，计算机程序如何随着经验积累自动提高性能。”

[6] Susan Athey. The Impact of Machine Learning on Economics. The Economics of Artificial Intelligence: An Agenda (forthcoming). University of Chicago Press, January 2018, http://www.nber.org/chapters/c14009.pdf.

[7] National Municipal Workshop Facilitator for an UNDP Innovation Project in Lebanon, 2017, https://jobs.undp.org/cj_view_job.cfm?cur_job_id=74228.

[8] How can we use data innovation to measure poverty in Sudan? Innovation for Development, 2016, https://innovation4dev.wordpress.com/2016/09/21/a-big-deal-how-can-we-use-big-data-to-measure-poverty-in-sudan/.

[9] UNDP -The Last Mile Arrives First: Alert System and Social Media Monitoring for Disaster Risk Reduction for the Last Mile, 2017, https://jobs.undp.org/cj_view_job.cfm?cur_lang=en&cur_job_id=74129.

[10] Kalev H. Leetaru.Culturomics 2.0: Forecasting large–scale human behavior using global news media tone in time and space. First Monday, Volume 16, Number 9 - 5 September 2011，http://firstmonday.org/ojs/index.php/fm/article/view/3663/3040.

[11] Precision Agriculture for Development，http://precisionag.org/our-findings/rcts

[12] Satellite Change Detection Being Used for World Bank Project. May 22, 2017, https://www.pobonline.com/articles/100939-satellite-change-detection-being-used-for-world-bank-project.

[13] Parthasarathy, Ramya; Rao, Vijayendra; Palaniswamy, Nethra. Deliberative inequality: a text-as-data study of Tamil Nadu's village assemblies. Policy Research working paper; no. WPS 8119. Washington, D.C.: World Bank Group. June 2017, http://documents.worldbank.org/curated/en/582551498568606865/pdf/WPS8119.pdf.

[14]快速综合评估（Rapid Integrated Assessment, RIA）旨在支持各国将可持续发展目标(SDGs)纳入国家规划，帮助各国政府评估国家发展计划和部门战略与可持续发展目标的169个子目标的一致性，以确定一个国家是否愿意执行全球发展议程。

[15] Jonathan Galsurkar, Moninder Singh, Lingfei Wu, Aditya Vempaty, Mikhail Sushkov, Devika Iyer, Serge Kapto, and Kush R. Varshney. Assessing National Development Plans for Alignment with Sustainable Development Goals via Semantic Search. Conference Paper, The Thirty-Second AAAI Conference on Artificial Intelligence (AAAI-18), At New Orleans, USA, 2018, https://www.aaai.org/ocs/index.php/AAAI/AAAI18/paper/view/16851.

[16] Papua New Guinea: Phones against corruption, http://www.asia-pacific.undp.org/content/rbap/en/home/ourwork/development-impact/innovation/projects/png-phone-against-corruption.html.

[17] China: Turning E-Trash into Cash, http://www.asia-pacific.undp.org/content/rbap/en/home/ourwork/development-impact/innovation/projects/china-ewaste.html

[18] Ian Bolliger , Tamma Carleton, Solomon Hsiang, Jonathan Kadish, Jonathan Proctor, Benjamin Recht, Esther Rolf, Vaishaal Shankar. Ground Control to Major Tom: the importance of field surveys in remotely sensed data analysis. Bloomberg Data for Good Exchange Conference, 24-Sep-2017, Chicago, IL, USA. arXiv:1710.09342, https://arxiv.org/abs/1710.09342.

[19] 哈贝马斯 著，李黎、郭管义 译. 作为“意识形态”的技术与科学. 上海：学林出版社，1999：62

参考资料：

1.UNDP. 2018 ECOSOC Integration Segment: “Innovative communities: leveraging technology and innovation to build sustainable and resilient societies, 1-3 May 2018, UN Headquarters, New York, https://www.un.org/ecosoc/sites/www.un.org.ecosoc/files/files/en/2018doc/2018-integration-segment-undp.pdf.

2.CEGA, World Bank. Artificial Intelligence for Economic Development, 1 March, 2018, San Francisco, CA, https://www.measuredev.org/.

3.吴军. 智能时代. 北京：中信出版集团，2016

推荐阅读：

在国家相关部委和国际发展机构的支持下，学院作为高校国际化业务平台，旨在利用其教学、科研、社会服务等各种资源和学科优势，基于其在非洲、亚洲和太平洋地区长期工作基础之上，在农业领域推动“一带一路”倡议和新型南南合作的落实。新学院四大业务板块为：新型发展知识生产、政策对话、人才培养和海外示范。该学院是开放性平台，希望汇聚该专业领域的优秀人才，为一带一路农业合作、南南农业合作的研究、政策和实践提供智识支撑。