收录于话题
#科技向善
,15个
使命驱动型人工智能有时也被叫做“AI向善”，是指运用机器学习来为非营利组织、非政府组织和社会企业等服务，从而提升运营效率、改善项目质量。
非营利组织将最先采用AI来进行组织能力建设——通过加强筹款、营销和行政管理等方面的技能，以及优化流程和资源配置，来提高机构的有效性和可持续性。
在改变发生之前，这个领域还需克服四个障碍：首先是资金；第二个挑战是机器学习系统开发的复杂性；第三个障碍涉及对大规模、高质量和结构化数据集的需求；最后一个障碍是低价、易获取的计算基础架构。
亲爱的各位读者，我们诚邀您填写如下问卷，将对于科技向善以及社群参与的看法与期待告诉我们，以便我们能够找到真正关心本议题，且有想法、有资源与我们一同共创内容和活动的社群伙伴。期待与您一起在社群中共创科技向善议题相关的优质内容，并参与主题讨论和线上研讨会！
来源：SSIR中文版
议题编辑：林夕、姚森
学术顾问：段伟文作者：吉迪恩·罗森布拉特、阿比沙克·古普塔 译者：张亦蕾、朱锦程
对自杀预防来说，每一分钟的响应时间都至关重要。为此，纽约市著名的非营利组织“危机短信热线”（Crisis Text Line）的技术团队分析了大约6500万条短信，从统计学的角度来判断哪些词与高自杀风险相关。分析结果令团队惊讶。例如，在短信中使用“ EMS（Emergency Medical Service）”这个词，其所预示的自杀风险比“自杀”这个词本身还要高出五倍之多。通过使用这种分析，团队可以像医院急诊科的分诊系统一样，更好地对收到的消息进行优先级排序。如今，该组织能够在五分钟之内对94％的存在高自杀风险的短信发信人做出回应。如果没有某种形式的自动化的分析，如此规模的分析工作显然是难以进行的。这只是“使命驱动型人工智能”的一个例子——以负责任的方式运用人工智能，从而应对社会挑战和生态挑战。使命驱动型人工智能有时也被叫做“AI向善”，是指运用机器学习来为非营利组织、非政府组织和社会企业等服务，从而提升运营效率、改善项目质量。确切地说，AI是一个广义的术语，描述了机器获得与人一样不断进化的执行任务的能力。机器学习是AI的一个具体方法，指将统计技术应用于数据，训练计算机去执行任务，且无需再由人工对规则进行具体编程。“深度学习”则是机器学习中的一种，它模仿大脑处理数据的方式，搭建多个处理层来处理数据。在本文中，我们有意于将AI放在更广的维度中讨论。尽管如此，机器学习确实是占据了AI研究和开发的绝大部分内容，因此我们在谈到运用了这个技术的特定项目时也会使用机器学习这个术语。使用AI来驱动向善的力量可以增强社会变革部门的能力。具体来说，它有可能降低成本、提高质量，扩大社会变革组织的影响力。想想看，把这些组织从一辆大众甲壳虫变成一艘航空母舰，会是怎样的效果。
在机器学习领域，我们正在经历着像寒武纪那样的爆炸式发展时代：算法已经可以击败围棋世界冠军、驾驶汽车、通过智能手机摄像头进行实时翻译，以及简化已高度优化的商业流程——例如将Google数据中心的冷却费减少了40%。
这些创新也将改变非营利部门。我们预测，非营利组织将最先采用AI来进行组织能力建设——通过加强筹款、营销和行政管理等方面的技能，以及优化流程和资源配置，来提高机构的有效性和可持续性。非营利机构对能力建设的需求通常是相似的。通过些许调整，一个关于筹款、会计或传播的解决方案通常就可以满足多个组织的需求。因此，对能力建设的技术投入可以很快地在非营利部门中得到推广，这是我们希望通过基于机器学习解决方案来实现的。许多非营利组织已经使用Salesforce和Blackbaud关系管理数据库服务来管理筹款业务了。这些服务现在已经开始整合机器学习功能，这意味着这些组织将很快能够使用数据驱动的模型来预测捐赠者的行为，更加准确地预测年终筹资额和其它财务目标。会计软件包QuickBooks是另一款非营利组织常用的工具，目前也增加了机器学习功能，特别是那些可以对费用和其它会计数据进行自动分类的功能。这样，机器学习就会成为已经熟知工具里的一个新功能，在这种情况下使用机器学习的障碍将相对较低。
所有巨头科技公司都开发了机器客服，越来越频繁地使用AI来回答基于文本的问询，并将代码开放给其他软件开发人员。通过对话式地回应信息需求，回复简单问题，机器客服可以帮助组织提高响应能力，这有点像一种全自动的常见问题问答（FAQs）。现在，企业客服部门也越来越多地在部署机器客服。对非营利组织来说，机器客服将在处理小额捐赠和其它常规互动操作方面发挥重要作用。
机器客服还能开发出更具创新性的应用。2016年，非政府组织慈善机构“水”（Water）通过机器客服模拟了与虚构埃塞俄比亚女孩“Yeshi”的对话，以提高人们对获取干净水的认知。
各组织也在尝试把机器客服用于研究目的，例如就食品价格和食品安全状况对尼日利亚和海地民众进行访谈。 对于非营利组织和社会企业来说，虽然机器学习的下一个阶段将会放缓，但它的影响将是革命性的，因为机器学习可以使组织更加聪明地工作，并且降低工作成本。首先是资金。如果非营利组织想从AI中获取超越普通能力建设的成果，那么他们就需要量身定制的、与项目相关的机器学习应用。每一个组织将单独承担这些具体产品的大部分开发费用。在资助人眼中，这增加了新技术投资的风险。第二个挑战是机器学习系统开发的复杂性。然而，这个问题可能在机器学习的过程中自我解决。几年前，这些技术还需要多年经验。而今天，来自谷歌、亚马逊和微软等公司的新软件开发平台已经可以对构建机器学习系统的过程进行自动化，从而降低了门槛，极大增加了可为非营利组织开发软件的人员数量。有了更简单的工具和更充足的开发人员资源，开发成本就会下降。第三个障碍涉及对大规模、高质量和结构化数据集的需求，这是构建机器学习系统所必需的。诸如Salesforce和Intuit（QuickBooks的开发者）这一类的公司能够调用海量客户数据，为许多能力建设应用程序解决这一难题。但是，当涉及与具体项目相关的应用程序时，很少有非营利组织能拥有足够多的数据用于训练机器学习系统。即使有些组织确实收集到了数据，这些数据的结构格式通常也无法满足机器学习应用程序的要求。有一种解决办法可能存在于更大的、策划更好的政府和第三方数据集中。例如，森林监测项目全球森林观察（Global Forest Watch）和非营利技术组织雨林链接（Rainforest Connection）使用机器学习来识别导致刚果和亚马逊地区森林流失的因素；可持续渔业计划全球渔业观察（Global Fishing Watch）分析了渔船发出的约220亿条短信，用于揭发非法工业渔船。要更好的利用外部数据资源，这些组织还可以使用Tableau和Alteryx等数据分析系统。▲机器学习和空间建模确定了森林流失的主要原因，并预测了其在刚果民主共和国未来可能发生的位置。（图片由《全球森林观察》提供。）
另一个可供非营利组织选择的办法是数据共享。College Forward是一个高科技的大学导师项目，它正在训练Salesforce的机器学习能力，以自动预测哪些学生最有可能辍学。该组织已将此技术授权给全美其他40个类似的大学学业管理项目，影响了约30万名学生。首席执行官奥斯丁·布钦（Austin Buchin）指出，他们的计划是帮助这些合作伙伴项目最终能通过数据共享协议来进行数据汇总，他们一旦这样做，“预测质量将获得飞升”。▲机器学习算法可帮助找出成功考取大学的因素。（照片由College Forward提供）最后一个障碍是低价、易获取的计算基础架构。用以推动机器学习的复杂计算模型和海量数据集给计算基础架构带来了沉重负担。幸运的是，亚马逊、NVIDIA、谷歌，和微软都开发了云计算服务。这四家公司都有针对非营利组织的服务程序，我们希望他们都能很快将其机器学习功能加入进这些程序中。展望未来，非营利组织最终能够整合通过机器学习所获得的有用信息，并将其自动应用到各个项目当中。一些熟谙技术的非营利组织已经起步了。由微软联合创始人保罗·艾伦资助的Skylight项目利用卫星、船只记录、渔业法规和其它数据，使各国能够识别可疑的捕捞活动，并实时协调各国之间的应对措施。同样，Rainforest Connection建立了一个偷猎和森林砍伐的监测系统，监视置放在雨林里的音频记录设备。该网络与一个用于捕获偷猎者和非法伐木者的实时警报系统绑定在一起。当然，这些例子都不算是主流现象。大多数非营利组织并不拥有经过培训的工程师和数据科学家。尽管如此，我们相信许多非营利组织将会采用技术解决方案来提升能力和优化流程。对社会企业家和技术人员来说，巨大的机会已经摆在眼前。我们希望社会变革部门能更全面地拥抱机器学习，以此作为提升其工作效率、筹款以及扩大影响力的一种方式。
议题编辑：
林夕，关注社会创新和教育，MPA主修影响力投资，本职工作为美国教育科技公司MobLab国际市场负责人，曾任AI早期基金投资总监，数据教育公司联合创始人，Alchemist 斯坦福孵化器兼职小顾问。中美倒班无时差，爱好徒步露营、攀岩、网球、瑜伽，希望保持一颗初心，做现实的理想主义好青年；
姚森，《斯坦福社会创新评论》中文版编辑；
学术顾问：
段伟文，中国社科院哲学所科技哲学研究室主任、研究员，中国社科院科学技术和社会研究中心主任；主要研究方向为科技哲学、科技伦理、信息与智能的哲学、伦理与社会研究等。现任中国大数据专家委员会副主任委员，中国发展战略研究会常务理事，国家社科基金重大项目“智能革命与人类深度科技化前景的哲学研究”首席专家等。著有《可接受的科学：当代科学基础的反思》、《网络空间的伦理反思》等；
作者：
吉迪恩·罗森布拉特（Gideon Rosenblatt），《重大前沿》（Vital Edge）的撰稿人，写作方向是技术、工作与人类之间的关系。他曾担任Groundwire技术能力建设公司的执行董事，此前，他在微软管理着营销和产品开发团队；
阿比沙克·古普塔(Abhishek Gupta)，蒙特利尔人工智能伦理研究所（Montreal AI Ethics Institute）的创始人，也是加拿大麦吉尔大学（McGill University）和第三区（District 3）的人工智能伦理研究员。他的工作侧重于技术和政策方法，以确保人工智能的道德，安全和包容性发展，同时为该地区AI与道德社区建设公民参与这些对话的能力。
我们将推出"“科技向善”专题系列文章，敬请关注：
《低收入国家ICT工具对医疗卫生的改善效果的评估》
《大数据之后: “大指标”时代的来临》《人工智能大潮席卷非洲》《智能（自动化）技术赋能公民社会建设》《非营利组织需要评估其算法的道德标准》《用精益数据评估社会组织的影响力》《数字货币和区块链在社会部门中的应用》
《技术引发慈善行业良性颠覆》