Η Τεχνητή Νοημοσύνη μπορεί να γίνει ένα από τα ισχυρότερα εργαλεία για τη μείωση των ανισοτήτων παγκοσμίως, αρκεί να σχεδιαστεί και να αξιοποιηθεί με τρόπο που να εξυπηρετεί όχι μόνο τους πλουσιότερους, αλλά και όσους έχουν τις μεγαλύτερες ανάγκες. Αυτό είναι το βασικό μήνυμα του Μπιλ Γκέιτς, σε ανάρτησή στο Linkedin, ο οποίος βλέπει στην ΤΝ μια τεχνολογία με τη δυνατότητα να αλλάξει ριζικά την υγεία, την εκπαίδευση και τη γεωργία.
Στη Ρουάντα, ο Γκέιτς συνάντησε την Gaudence Ngendahayo, εργαζόμενη στην κοινοτική υγεία, η οποία καλείται καθημερινά να παίρνει κρίσιμες αποφάσεις χωρίς άμεση πρόσβαση σε γιατρούς, εξετάσεις και φάρμακα. Ένα εργαλείο Τεχνητής Νοημοσύνης στο κινητό της θα μπορούσε να τη βοηθήσει να αναγνωρίζει επικίνδυνα συμπτώματα, να γνωρίζει πότε ένας ασθενής πρέπει να παραπεμφθεί σε νοσοκομείο και να προβλέπει τις ανάγκες σε φάρμακα. Παρόμοια εργαλεία θα μπορούσαν να ενισχύσουν σημαντικά και τους αγρότες, αλλά και τους εκπαιδευτικούς.
Ο Γκέιτς επισημαίνει ότι, παρά τη μεγάλη πρόοδο των τελευταίων 25 ετών στην αντιμετώπιση της ακραίας φτώχειας και στη μείωση των παιδικών θανάτων, οι ανισότητες παραμένουν μεγάλες. Μέχρι το 2045, εκατοντάδες εκατομμύρια άνθρωποι ενδέχεται να εξακολουθούν να ζουν σε ακραία φτώχεια, ενώ εκατομμύρια παιδιά μπορεί να πεθαίνουν κάθε χρόνο από ασθένειες που σήμερα μπορούν να προληφθούν.
Η Τεχνητή Νοημοσύνη, σύμφωνα με τον ίδιο, μπορεί να βοηθήσει ώστε η γνώση και η εξειδικευμένη καθοδήγηση να φτάσουν σε απομακρυσμένες και φτωχές κοινότητες. Για να γίνει όμως αυτό, απαιτούνται συγκεκριμένες προϋποθέσεις.
Πρώτον, τα εργαλεία ΤΝ πρέπει να λειτουργούν σε όλες τις γλώσσες και να κατανοούν τοπικές διαλέκτους, προφορές και εκφράσεις. Σήμερα, μεγάλο μέρος των δεδομένων εκπαίδευσης των μοντέλων προέρχεται από αγγλόφωνες πηγές, γεγονός που περιορίζει την αποτελεσματικότητά τους σε πολλές περιοχές του κόσμου.
Δεύτερον, τα συστήματα πρέπει να βασίζονται σε τοπικά δεδομένα και να προσαρμόζονται στις πραγματικές συνθήκες κάθε χώρας. Οι ανάγκες ενός μικροκαλλιεργητή στην Αιθιοπία, για παράδειγμα, είναι διαφορετικές από εκείνες ενός μεγάλου αγρότη στις Ηνωμένες Πολιτείες. Το ίδιο ισχύει και για την υγεία, όπου οι διαθέσιμες θεραπείες και οι υποδομές διαφέρουν σημαντικά.
Χαρακτηριστικό παράδειγμα αποτελεί μια αγρότισσα στην Ινδία, η οποία χρησιμοποίησε εφαρμογή Τεχνητής Νοημοσύνης για να φωτογραφίσει ένα άρρωστο φύλλο μπανάνας, να λάβει διάγνωση στη γλώσσα της και να οργανώσει γρήγορα την αντιμετώπιση του προβλήματος. Στην εκπαίδευση, αντίστοιχα εργαλεία μπορούν να βοηθούν τους δασκάλους να εντοπίζουν σε πραγματικό χρόνο ποιοι μαθητές δυσκολεύονται και σε ποια σημεία, επιτρέποντας πιο εξατομικευμένη υποστήριξη χωρίς να αντικαθιστούν τον ανθρώπινο ρόλο.
Τρίτον, απαιτούνται επενδύσεις στους ανθρώπους και στην πρόσβαση. Οι χώρες χρειάζονται ειδικούς, επιστήμονες δεδομένων, γιατρούς, εκπαιδευτικούς και υπεύθυνους χάραξης πολιτικής που να μπορούν να αξιολογούν και να προσαρμόζουν την ΤΝ στις δικές τους ανάγκες. Παράλληλα, πρέπει να μειωθεί το κόστος πρόσβασης στα μοντέλα και στους υπολογιστικούς πόρους.
Το βασικό δίλημμα, κατά τον Γκέιτς, είναι σαφές: η Τεχνητή Νοημοσύνη μπορεί είτε να διευρύνει το χάσμα ανάμεσα στους πλούσιους και τους φτωχούς είτε να εξελιχθεί σε έναν ισχυρό «εξισορροπητή». Οι αποφάσεις που θα ληφθούν τώρα από κυβερνήσεις, εταιρείες και φιλανθρωπικούς οργανισμούς θα καθορίσουν ποιος θα ωφεληθεί περισσότερο από αυτή τη νέα τεχνολογική εποχή. Για τον Γκέιτς, το κρίσιμο ζητούμενο είναι η δίκαιη διάχυση της προόδου.
Διαβάστε όλη την ανάρτησή του εδώ
