隨著人工智能技術(shù)的發(fā)展，許多醫(yī)療機(jī)構(gòu)開始嘗試使用聊天機(jī)器人來提供醫(yī)療咨詢。巴黎的一家專門從事醫(yī)療技術(shù)的公司 Nabla 決定測(cè)試 OpenAI 的 GPT-3 是否可以用于提供醫(yī)療建議。Nabla 公司使用云端托管的 GPT-3 版本進(jìn)行了一系列測(cè)試，包括與患者聊天、醫(yī)療保險(xiǎn)檢查、心理健康支持、醫(yī)療文檔、醫(yī)學(xué)問題和答案以及醫(yī)學(xué)診斷等。測(cè)試的目的是確定 GPT-3 在當(dāng)前形式下是否能夠勝任這些任務(wù)。測(cè)試結(jié)果顯示，GPT-3 在處理一些基本任務(wù)時(shí)表現(xiàn)良好，但在涉及復(fù)雜邏輯和敏感醫(yī)療問題時(shí)存在嚴(yán)重問題。最令人震驚的是，在一次心理健康支持測(cè)試中，患者表示想要自殺，GPT-3 的回應(yīng)竟是肯定的。此外，GPT-3 在處方藥物和建議治療方面也存在困擾。Nabla 在其研究報(bào)告中得出結(jié)論，GPT-3 的不一致性使其在醫(yī)療保健中不可行。

SDG4 優(yōu)質(zhì)教育

趨勢(shì)

1. 個(gè)性化教育與提高學(xué)習(xí)效率：利用人工智能收集學(xué)生興趣、學(xué)習(xí)習(xí)慣、學(xué)習(xí)能力等個(gè)人信息，與課程庫進(jìn)行對(duì)應(yīng)，在分析學(xué)生體驗(yàn)的基礎(chǔ)上根據(jù)每個(gè)學(xué)生的實(shí)際情況提供個(gè)性化的教學(xué)方案、課程體系等。也能通過面部表情和 NLP 技術(shù)在線獲取反饋，結(jié)合學(xué)習(xí)者的興趣提供不同的學(xué)習(xí)內(nèi)容，強(qiáng)化學(xué)習(xí)者的薄弱知識(shí)點(diǎn)，提高學(xué)習(xí)效率。

2. 輔助作業(yè)批改：利用人工智能對(duì)易判斷和識(shí)別的學(xué)生作業(yè)（如口算作業(yè)）進(jìn)行批改并給出解析，節(jié)省教師人力時(shí)間，收集學(xué)生薄弱知識(shí)點(diǎn)數(shù)據(jù)，給出針對(duì)性解決建議。

3. 貧困地區(qū)教育質(zhì)量提升：利用人工智能技術(shù)建立自主學(xué)習(xí)平臺(tái)，為學(xué)生提供定制化的識(shí)字教學(xué)應(yīng)用和工具，使學(xué)習(xí)更加互動(dòng)和個(gè)性化，大大提高了文盲地區(qū)的識(shí)字率，有助于解鎖更多的社會(huì)和經(jīng)濟(jì)機(jī)會(huì)，為貧困地區(qū)帶來持續(xù)的發(fā)展。

4. 識(shí)別學(xué)業(yè)風(fēng)險(xiǎn)：利用人工智能獲取足量的學(xué)業(yè)風(fēng)險(xiǎn)案例（如校園欺凌、校園性騷擾、考試作弊）的參與者數(shù)據(jù)、時(shí)間、地點(diǎn)，進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)和有針對(duì)性的解決措施建議。

5. 提升教育普及率：利用人工智能對(duì)政府發(fā)布的有關(guān)社會(huì)、地理和教育背景的公開數(shù)據(jù)進(jìn)行分析，開發(fā)包含學(xué)校、入學(xué)機(jī)會(huì)、學(xué)業(yè)成績(jī)和輟學(xué)預(yù)測(cè)的詳細(xì)地圖，輔助政府、學(xué)校進(jìn)行教育普及。人工智能通過數(shù)據(jù)收集、分析和預(yù)測(cè)來降低各項(xiàng)外部學(xué)業(yè)風(fēng)險(xiǎn)，對(duì)可能的不利事件作出預(yù)測(cè)和預(yù)警，并提供無障礙人群、貧困地區(qū)的教育機(jī)會(huì)，增強(qiáng)教育的普及度。

提升教育資源的普及率和知識(shí)工作者的生產(chǎn)效率一直是普惠、可持續(xù)、包容性教育的重要趨勢(shì)。印象筆記公布自研輕量化大語言模型「大象 GPT」，推出「印象 AI」。用戶可以在 AI 輔助下進(jìn)行頭腦風(fēng)暴、提綱、會(huì)議議程、待辦事項(xiàng)、新聞稿、創(chuàng)意故事、現(xiàn)代詩等 20 多個(gè)場(chǎng)景下的智能開放寫作。同時(shí)還可以對(duì)已完成的筆記內(nèi)容進(jìn)行智能修改、總結(jié)翻譯或續(xù)寫，并幫助用戶自動(dòng)生成思維導(dǎo)圖，不斷拓展思維、理清思路。這不僅在教育領(lǐng)域推動(dòng)了優(yōu)質(zhì)教育資源的更高效利用和轉(zhuǎn)化，同時(shí)也為實(shí)現(xiàn)全民終身學(xué)習(xí)提供了有力的支持和賦能。

挑戰(zhàn)

1. 技術(shù)設(shè)備鴻溝及增加經(jīng)濟(jì)負(fù)擔(dān)：不是所有的學(xué)生和學(xué)校都有能力獲取和維護(hù)先進(jìn)的 AI 技術(shù)。這可能導(dǎo)致那些無法獲得這些技術(shù)的學(xué)生和學(xué)校在教育機(jī)會(huì)上落后。為了獲得和維護(hù)先進(jìn)的 AI 教育工具，學(xué)校和家長(zhǎng)可能需要承擔(dān)更高的費(fèi)用，這對(duì)于經(jīng)濟(jì)較弱的學(xué)生和學(xué)校是一個(gè)障礙。

2. 過度個(gè)性化教育與教師角色邊緣化：過度依賴 AI 的個(gè)性化推薦可能導(dǎo)致學(xué)生失去社交互動(dòng)和團(tuán)隊(duì)合作的機(jī)會(huì)。過分依賴 AI 可能會(huì)減少教師與學(xué)生的直接互動(dòng)，從而降低教師的教學(xué)質(zhì)量和對(duì)學(xué)生的個(gè)人關(guān)注。

3. 過分依賴 AI 使學(xué)習(xí)能力下降：過于依賴AI生成的教育內(nèi)容可能會(huì)導(dǎo)致教學(xué)內(nèi)容的多樣性減少，使學(xué)生失去批判性思考和創(chuàng)新的機(jī)會(huì)。學(xué)生可能過分依賴AI工具來完成學(xué)習(xí)任務(wù)，導(dǎo)致他們?cè)讵?dú)立思考、問題解決和其他關(guān)鍵技能上的能力下降。

4. 缺乏多樣性和包容性：由于數(shù)據(jù)收集來自現(xiàn)有資料，可能本身存在忽視少數(shù)群體和小眾文化的因素，AI 教育工具可能沒有充分考慮到多元文化和不同背景的學(xué)生的需求。

5. 技能培訓(xùn)鴻溝：對(duì)于 AI 和數(shù)字技術(shù)的培訓(xùn)和教育可能主要集中在城市和經(jīng)濟(jì)發(fā)達(dá)地區(qū)，導(dǎo)致農(nóng)村和邊緣地區(qū)的學(xué)生失去學(xué)習(xí)機(jī)會(huì)。

SDG5 性別平等

趨勢(shì)

1. 幫助消除招聘性別偏見：AI 可以通過自然語言處理技術(shù)識(shí)別和消除有害評(píng)論，提高網(wǎng)絡(luò)環(huán)境友好性；利用數(shù)據(jù)分析降低招聘中的性別偏見，確保公平的職業(yè)機(jī)會(huì)；應(yīng)用無歧視算法評(píng)估個(gè)人能力，減少性別歧視；通過圖像識(shí)別技術(shù)發(fā)現(xiàn)和阻止對(duì)女性的虐待行為；利用機(jī)器學(xué)習(xí)挖掘大數(shù)據(jù)，揭示并對(duì)抗性別不平等現(xiàn)象。AI 招聘工具利用無歧視算法評(píng)估候選人的能力和潛力，避免性別偏見，幫助更多的女性獲得了平等的職業(yè)機(jī)會(huì)。

2. 幫助減少性犯罪：利用數(shù)據(jù)分析和機(jī)器學(xué)習(xí)預(yù)測(cè)潛在犯罪，應(yīng)用圖像分析技術(shù)迅速解析證據(jù)，通過自然語言處理識(shí)別線索，從社交媒體和網(wǎng)絡(luò)發(fā)現(xiàn)潛在威脅，以及利用數(shù)據(jù)挖掘和模式識(shí)別構(gòu)建更精準(zhǔn)的犯罪預(yù)測(cè)模型。還能為性犯罪受害者提供安全的方式記錄和分享他們的經(jīng)歷，并在受害人需要時(shí)協(xié)助其彼此聯(lián)系、共同起訴。

3. 降低文化和社會(huì)預(yù)設(shè)的性別不平等：利用機(jī)器學(xué)習(xí)來識(shí)別和標(biāo)記網(wǎng)絡(luò)上針對(duì)女性和非二元性別的有害評(píng)論和偏見言論，輔助網(wǎng)站和平臺(tái)管理者進(jìn)行警告和刪除，幫助營(yíng)造更友好、包容的網(wǎng)絡(luò)環(huán)境。

4. 為女性提供專業(yè)知識(shí)支持：利用人工智能識(shí)別和分析案例數(shù)據(jù)，對(duì)性別犯罪、性別疾病的應(yīng)對(duì)措施和潛在風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)和建議。

Callisto 是一個(gè)數(shù)字化人工智能平臺(tái)，旨在幫助性侵犯和性騷擾的受害者安全地記錄和分享他們的經(jīng)歷，其利用人工智能的聚類分析功能，當(dāng)其他受害者報(bào)告類似的侵害者或情境時(shí)，即刻通知已經(jīng)報(bào)告的受害者，這項(xiàng)機(jī)制利用了人工智能平臺(tái)的學(xué)習(xí)-總結(jié)-反饋能力，有力地促成了多名受害者共同對(duì)抗同一侵害者，從而顯著提升了成功追責(zé)的機(jī)會(huì)。瞬間縮短受害者決定報(bào)案的時(shí)間。該平臺(tái)大幅縮短受害者決定報(bào)案的時(shí)間，由平均事發(fā)后 11 個(gè)月減少至 4 個(gè)月。同時(shí)，Callisto 的合作院校在短短幾年間已增至 13 所，支援近 15 萬學(xué)生。

挑戰(zhàn)

1. 算法偏見：許多 AI 系統(tǒng)是基于現(xiàn)有數(shù)據(jù)進(jìn)行訓(xùn)練的，如果這些數(shù)據(jù)中包含性別偏見，那么 AI 系統(tǒng)也可能會(huì)表現(xiàn)出這些偏見。這可能導(dǎo)致工作場(chǎng)所、醫(yī)療和其他領(lǐng)域中的性別不平等。

2. 職業(yè)機(jī)會(huì)鴻溝：隨著 AI 和技術(shù)行業(yè)的發(fā)展，女性在這些領(lǐng)域的代表性仍然較低。如果不采取措施，這種代表性失衡可能會(huì)繼續(xù)，導(dǎo)致性別在機(jī)會(huì)和收入上的不平等。女性在 STEM（科學(xué)、技術(shù)、工程和數(shù)學(xué)）領(lǐng)域的代表性不足可能被加劇，導(dǎo)致她們?cè)?AI 驅(qū)動(dòng)的未來經(jīng)濟(jì)中失去機(jī)會(huì)。

3. 隱私與網(wǎng)絡(luò)安全風(fēng)險(xiǎn)：AI 驅(qū)動(dòng)的監(jiān)控技術(shù)可能對(duì)女性和其他性別少數(shù)群體造成更大的隱私威脅，增加他們受到騷擾和跟蹤的風(fēng)險(xiǎn)。女性和其他性別少數(shù)群體可能更容易受到基于性別的網(wǎng)絡(luò)攻擊，如網(wǎng)絡(luò)欺凌和仇恨言論。

4. 文化和社會(huì)價(jià)值的固化：AI 系統(tǒng)可能會(huì)從當(dāng)前的文化和社會(huì)中學(xué)習(xí)并復(fù)制性別刻板印象，導(dǎo)致性別不平等的觀念和行為在社會(huì)中得到進(jìn)一步固化。

自 2014 年以來，亞馬遜團(tuán)隊(duì)一直開發(fā)人工智能程序來自動(dòng)篩選求職者的簡(jiǎn)歷，旨在尋找優(yōu)秀人才。然而，該公司的實(shí)驗(yàn)性招聘工具使用人工智能為求職者評(píng)分時(shí)發(fā)現(xiàn)，其計(jì)算機(jī)模型在 2015 年并未以性別中立的方式對(duì)待軟件開發(fā)和其他技術(shù)職位的候選人。由于模型主要是基于過去十年男性主導(dǎo)的簡(jiǎn)歷數(shù)據(jù)訓(xùn)練的，導(dǎo)致男性候選人被賦予更高的評(píng)分，而與女性相關(guān)的術(shù)語則被視為負(fù)面影響。雖然亞馬遜嘗試對(duì)程序進(jìn)行了修正，但收效不大，最終于 2017 初解散了該團(tuán)隊(duì)。

SDG6 清潔飲水和衛(wèi)生設(shè)施

趨勢(shì)

1. 水質(zhì)檢測(cè)和改善：基于環(huán)境監(jiān)測(cè)、歷史水體數(shù)據(jù)、衛(wèi)星圖像等，人工智能可以對(duì)水體質(zhì)量進(jìn)行檢測(cè)，分析水質(zhì)污染原因，預(yù)測(cè)水質(zhì)變化走向，為水污染治理提供解決方案。

2. 預(yù)測(cè)用水需求優(yōu)化水務(wù)管理：人工智能基于人口、社會(huì)、用水等數(shù)據(jù)，通過深度學(xué)習(xí)處理和分析水資源的消耗和需求情況，幫助預(yù)測(cè)水的需求，輔助水務(wù)運(yùn)營(yíng)管理和升級(jí)，調(diào)整水網(wǎng)設(shè)計(jì)和優(yōu)化。

3. 水務(wù)基礎(chǔ)設(shè)施的維護(hù)和監(jiān)測(cè)：傳統(tǒng)水務(wù)系統(tǒng)現(xiàn)存的短板在于缺乏自動(dòng)監(jiān)控與自動(dòng)檢測(cè)體系，導(dǎo)致在管道、泵房等設(shè)備出現(xiàn)故障時(shí)，管理人員難以及時(shí)察覺。為解決這一問題，引入感應(yīng)裝置并借助智能算法可以實(shí)時(shí)監(jiān)測(cè)與檢測(cè)相關(guān)設(shè)備的運(yùn)行狀況，準(zhǔn)確預(yù)測(cè)潛在設(shè)備風(fēng)險(xiǎn)，提前通知專業(yè)維修人員對(duì)設(shè)備進(jìn)行必要的維護(hù)與修復(fù)，從而避免不必要的水資源浪費(fèi)。

4. 節(jié)約農(nóng)業(yè)用水：基于物聯(lián)網(wǎng)和傳感器系統(tǒng)的智能灌溉系統(tǒng)，可以更加有效的監(jiān)管土壤和天氣情況，結(jié)合有效的歷史與環(huán)境數(shù)據(jù)，AI 可以有助于更加智能地預(yù)判天氣情況和植物用水需求，并且有效地自動(dòng)管理灌溉體系，自動(dòng)進(jìn)行儲(chǔ)水和灌溉，有效提升水資源管理。

2014 年，密歇根州弗林特市改變了水源，導(dǎo)致鉛從老化的管道中浸出到飲用水中，使居民暴露在危險(xiǎn)的鉛水平下。大約 9000 名六歲或六歲以下的兒童面臨著大腦發(fā)育永久性損傷、學(xué)習(xí)能力受損和行為障礙的風(fēng)險(xiǎn)。但是由于管道數(shù)據(jù)缺乏，大量管道埋于地下難以探查，政府面臨著高危管道排查工作量大、任務(wù)緊急、成本高昂的問題。政府官員聯(lián)合數(shù)據(jù)學(xué)家一起，使用 XGBoost 模型和貝葉斯層次模型對(duì)基于 55,893 個(gè)地塊的基本住宅和已知管道數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)每個(gè)家庭的鉛管風(fēng)險(xiǎn)。最終實(shí)現(xiàn)預(yù)測(cè)判別是否為安全管道準(zhǔn)確率高達(dá) 90%，將挖掘工作從 18.8% 減少到 2%，預(yù)計(jì)節(jié)約單管替代成本 10%。

挑戰(zhàn)

1. 水資源消耗：人工智能技術(shù)依賴的大型數(shù)據(jù)中心和芯片產(chǎn)業(yè)鏈對(duì)水資源都有著較大的使用需求。大型數(shù)據(jù)中心訓(xùn)練模型是通常需要數(shù)以萬計(jì)的 GPU 進(jìn)行長(zhǎng)時(shí)間的計(jì)算，產(chǎn)生大量的熱量。部分?jǐn)?shù)據(jù)中心采用水冷技術(shù)來有效散熱，導(dǎo)致數(shù)據(jù)中心需要消耗大量的純凈水。根據(jù)谷歌 2023 年的環(huán)境報(bào)告，2022 年，谷歌的數(shù)據(jù)中心消耗了約 52 億加侖水，主要用于散熱和維持?jǐn)?shù)據(jù)中心的運(yùn)行溫度。AI 計(jì)算所需的芯片制造也對(duì)水資源消耗產(chǎn)生了影響。

2. 系統(tǒng)性設(shè)計(jì)錯(cuò)誤影響飲水安全：人工智能如果出現(xiàn)系統(tǒng)性設(shè)計(jì)錯(cuò)誤，可能會(huì)出現(xiàn)目標(biāo)錯(cuò)位和道德風(fēng)險(xiǎn)問題，做出不公正的決斷。與此同時(shí)，人工智能大量依賴數(shù)據(jù)進(jìn)行分析與判斷，如果因?yàn)閿?shù)據(jù)源選擇不當(dāng)或模型選擇不對(duì)，會(huì)產(chǎn)生錯(cuò)誤的判斷和分析，導(dǎo)致應(yīng)用影響公眾利益。例如：當(dāng)用于判斷水質(zhì)安全的 AI 模型輸入了錯(cuò)誤的源數(shù)據(jù)，導(dǎo)致公眾得到錯(cuò)誤判斷，與不安全的水質(zhì)產(chǎn)生了接觸。

3. 技術(shù)障礙進(jìn)一步加劇用水差距：人工智能技術(shù)需要基于良好的基礎(chǔ)設(shè)施、全面的信息化技術(shù)、培訓(xùn)后的專業(yè)人才，在缺乏基礎(chǔ)設(shè)施和安全管理的地方，會(huì)難以部署人工智能技術(shù)更加高效的利用水資源，導(dǎo)致用水差距。

傳統(tǒng)基于實(shí)驗(yàn)室的水質(zhì)檢測(cè)速度緩慢，需時(shí)長(zhǎng)達(dá) 24 小時(shí)，從而導(dǎo)致檢測(cè)結(jié)果的延遲問題。為更迅速而準(zhǔn)確地評(píng)估沙灘水質(zhì)的安全性，加拿大多倫多公共衛(wèi)生部門在 2022 年與 Cann Forecast 公司達(dá)成合作協(xié)議。該合作旨在運(yùn)用人工智能模型替代傳統(tǒng)實(shí)驗(yàn)室檢測(cè)方法，以便預(yù)測(cè)水質(zhì)狀況，并在此基礎(chǔ)上決定是否可以安全地開放沙灘供市民游泳。然而，由于人工智能模型使用了錯(cuò)誤的天氣數(shù)據(jù)，導(dǎo)致其準(zhǔn)確度大幅下降，無法達(dá)到相應(yīng)要求。在此情況下，該模型只能識(shí)別出 30% 的不安全游泳日期，這也導(dǎo)致在夏季期間，總計(jì) 50 名公眾沐浴者在水域存在危險(xiǎn)細(xì)菌水平的沙灘上進(jìn)行游泳。

SDG7 經(jīng)濟(jì)適用的清潔能源

趨勢(shì)

1. 可再生能源整合和優(yōu)化：AI 技術(shù)的方法有助于克服太陽能和風(fēng)能發(fā)電的不穩(wěn)定性，促進(jìn)可再生能源的可靠供應(yīng)，減少對(duì)傳統(tǒng)能源的依賴，實(shí)現(xiàn)清潔能源的高效利用。以風(fēng)電、太陽能為代表的系能源發(fā)電面臨著波動(dòng)性大、利用率不穩(wěn)定等挑戰(zhàn)。通過利用AI技術(shù)，系統(tǒng)能夠分析大量歷史天氣數(shù)據(jù)，綜合考慮多種因素，例如氣溫、風(fēng)速、云量等，從而準(zhǔn)確預(yù)測(cè)短時(shí)間內(nèi)的發(fā)電時(shí)間和電量。

2. 高效新能源選址：基于衛(wèi)星地圖、空間地圖、氣候等數(shù)據(jù)，人工智能可以綜合評(píng)估周邊環(huán)境，幫助能源公司選擇對(duì)地球環(huán)境影響較小，能源生產(chǎn)效率較高的地方進(jìn)行新能源發(fā)電廠的布置，如太陽能場(chǎng)、風(fēng)場(chǎng)等，不再依賴以往低效的人工地圖查詢和個(gè)人資源推薦。

3. 基于需求的能源管理與運(yùn)營(yíng)：通過深入分析大量歷史能源使用數(shù)據(jù)、天氣模式、人口統(tǒng)計(jì)以及相關(guān)事件等信息，人工智能可以精準(zhǔn)地預(yù)測(cè)未來的能源需求和能源負(fù)荷的波動(dòng)情況，從而協(xié)助規(guī)劃者合理配置能源生產(chǎn)發(fā)電和輸送能力，以應(yīng)對(duì)高峰期與低谷期的能源需求。與此同時(shí)，人工智能還能夠模擬不同的能源政策和策略對(duì)未來供需平衡的影響，協(xié)助決策者在制定能源政策，避免不必要的能源浪費(fèi)，最大限度地提高能源利用效率。

4. 能源基礎(chǔ)設(shè)施的維護(hù)和監(jiān)測(cè)：人工智能通過預(yù)測(cè)故障、智能巡檢、維修優(yōu)化以及決策支持，為能源基礎(chǔ)設(shè)施的可靠性、穩(wěn)定性和高效性提供了重要支持?；趯?duì)大量傳感器數(shù)據(jù)和智能巡檢機(jī)器人的定期監(jiān)測(cè)，人工智能具備評(píng)估設(shè)備健康狀況、預(yù)測(cè)設(shè)備故障、實(shí)時(shí)安排維修計(jì)劃的能力，可以有效保障能源基礎(chǔ)設(shè)施的高效運(yùn)行，確保設(shè)備處于最佳狀態(tài)，減少維護(hù)停機(jī)時(shí)間，并最大程度地降低不必要的能源浪費(fèi)。

5. 系統(tǒng)優(yōu)化高效利用資源：人工智能可以深入分析建筑物、工業(yè)、交通系統(tǒng)等領(lǐng)域的能源消耗模式，識(shí)別出潛在的效率提升機(jī)會(huì)，支持工程師做出系統(tǒng)提升決策，調(diào)整耗能模式。在建筑領(lǐng)域，AI 可以分析能源消耗的高峰期和低谷期，以制定更有效的暖通空調(diào)策略，降低能源浪費(fèi)。在工業(yè)領(lǐng)域，AI 可以識(shí)別制造流程中的瓶頸和能耗高點(diǎn)，并提供優(yōu)化建議，從而提高生產(chǎn)效率和降低成本。在交通領(lǐng)域，AI 可以分析車輛的行駛模式和路線選擇。

因?yàn)樘柲苌a(chǎn)受到云、雨等天氣要素的顯著影響，所以難以精確預(yù)測(cè)太陽能發(fā)電狀況并有效地將太陽能融入電網(wǎng)運(yùn)營(yíng)，進(jìn)而導(dǎo)致能源資源的浪費(fèi)。為了解決這一問題，SunShot、IBM、美國(guó)國(guó)家大氣研究中心以及美國(guó)國(guó)家海洋與大氣管理局聯(lián)合合作，針對(duì)太陽能預(yù)測(cè)開展了多尺度、多模型的機(jī)器學(xué)習(xí)研究，協(xié)助公用事業(yè)電網(wǎng)公司預(yù)測(cè)未來的太陽能發(fā)電情況，確保太陽能能夠有效地整合到電網(wǎng)系統(tǒng)中。新的預(yù)測(cè)方法成功地提升了 30% 的太陽能預(yù)測(cè)的準(zhǔn)確率，有效地降低了傳統(tǒng)發(fā)電機(jī)的啟動(dòng)和關(guān)閉成本，并減少了太陽能棄電的現(xiàn)象。

挑戰(zhàn)

1. 電力能源消耗：支撐人工智能運(yùn)行的 ICT 產(chǎn)業(yè)鏈、數(shù)據(jù)中心、網(wǎng)絡(luò)等都需要大量的能源消耗。數(shù)據(jù)中心為了維持復(fù)雜大模型的計(jì)算活動(dòng)，需要大量的硬件和電能支持，并配備強(qiáng)大的散熱系統(tǒng)維持冷卻設(shè)施的正常運(yùn)行。整個(gè)信息和通信技術(shù)（ICT）的碳足跡與航空業(yè)的碳排放也旗鼓相當(dāng)，信息和通信技術(shù)生態(tài)系統(tǒng)占全球排放量的 2% 以上。

2. 促進(jìn)傳統(tǒng)能源的發(fā)展加大碳足跡：數(shù)字化和人工智能技術(shù)在石油和天然氣等傳統(tǒng)能源領(lǐng)域的全產(chǎn)業(yè)鏈上都有著較為顯著的將本增效的作用，可以輔助勘探、開采、分銷、精煉和營(yíng)銷傳統(tǒng)能源，極大的促進(jìn)的傳統(tǒng)能源公司的發(fā)展，降低了傳統(tǒng)能源的使用成本，可能會(huì)阻礙新能源的發(fā)展。

3. AI 系統(tǒng)性設(shè)計(jì)錯(cuò)誤影響能源供應(yīng)誤差：人工智能如果出現(xiàn)系統(tǒng)性設(shè)計(jì)錯(cuò)誤，可能會(huì)出現(xiàn)目標(biāo)錯(cuò)位和道德風(fēng)險(xiǎn)問題，做出不公正的決斷。與此同時(shí)，人工智能大量依賴數(shù)據(jù)進(jìn)行分析與判斷，如果因?yàn)閿?shù)據(jù)源選擇不當(dāng)或模型選擇不對(duì)，會(huì)產(chǎn)生錯(cuò)誤的判斷和分析，導(dǎo)致應(yīng)用影響公眾利益。例如，基于人工智能的供電系統(tǒng)對(duì)公眾用電需求沒有做出精準(zhǔn)的判斷，導(dǎo)致供電量沒有跟上公眾的高峰用電需求，民眾的生產(chǎn)生活受到了影響。

4. 技術(shù)障礙進(jìn)一步加劇用電等能源的差距：人工智能技術(shù)需要基于良好的基礎(chǔ)設(shè)施、全面的信息化技術(shù)、培訓(xùn)后的專業(yè)人才，在缺乏基礎(chǔ)設(shè)施和安全管理的地方，會(huì)難以部署人工智能技術(shù)更加高效的利用能源，導(dǎo)致落后地區(qū)的能源利用效率更低，成本更高，導(dǎo)致全球能源分配與利用不平等。

目前，全球排名前三的云計(jì)算廠商都在與石油公司加強(qiáng)合作，定制數(shù)字化系統(tǒng)，利用 AI 精細(xì)化運(yùn)營(yíng)，進(jìn)一步推動(dòng)高效、大規(guī)模的石油生產(chǎn)。然而，這種在人工智能引導(dǎo)下的技術(shù)進(jìn)步，在增加傳統(tǒng)能源供應(yīng)量的同時(shí)導(dǎo)致碳排放量的增加。盡管很難孤立云計(jì)算和人工智能對(duì)生產(chǎn)水平的具體影響，但到 2025 年，先進(jìn)的分析和建?？蔀槭秃吞烊粴庑袠I(yè)創(chuàng)造高達(dá) 4,250 億美元的價(jià)值。石油公司在云計(jì)算和高級(jí)分析方面的支出將從 2020 年的 25 億美元增加到 2030 年的 157 億美元，主要用于勘探和生產(chǎn)。使石油公司更容易尋找和生產(chǎn)石油的能力對(duì)氣候來說是一種損失，但這些先進(jìn)技術(shù)所排放的碳卻沒有反映在科技公司公布的足跡數(shù)據(jù)中。根據(jù)綠色和平組織的估算，僅石油產(chǎn)量的增加就可能導(dǎo)致全球二氧化碳排放量每年增加約 3.4 MtCO2-eq。

SDG8 體面工作和經(jīng)濟(jì)增長(zhǎng)

趨勢(shì)

1. 經(jīng)濟(jì)增長(zhǎng)：人工智能能夠帶動(dòng)和創(chuàng)造全新的產(chǎn)業(yè)和商業(yè)模式，促進(jìn)經(jīng)濟(jì)多元化和增長(zhǎng)，如無人駕駛、智慧醫(yī)療、數(shù)字經(jīng)濟(jì)等。與此同時(shí)，人工智能也能給傳統(tǒng)行業(yè)的運(yùn)營(yíng)模式帶來巨大的變化，如優(yōu)化生產(chǎn)流程、增強(qiáng)企業(yè)和消費(fèi)者的高效溝通、優(yōu)化資源分配。

2. 創(chuàng)造新崗位：AI 及其相關(guān)產(chǎn)業(yè)正在創(chuàng)造許多之前從所未有的崗位，比如 AI 開發(fā)、提示詞工程師、標(biāo)注師等，這些相關(guān)的崗位給不同的背景的人群帶來了新的工作機(jī)會(huì)，特別是部分偏遠(yuǎn)地區(qū)的人群，可以借助網(wǎng)絡(luò)進(jìn)行 AI 相關(guān)的工作，減少了地域?qū)ぷ鞯氖`，增加了更多零工經(jīng)濟(jì)的機(jī)會(huì)。

3. 低收入人群知識(shí)支持與幫助匹配工作：人工智能夠有效地匹配合適的就業(yè)機(jī)會(huì)，促進(jìn)個(gè)體的技能提升和再培訓(xùn)，從而提高就業(yè)成功率和職業(yè)發(fā)展的機(jī)會(huì)。這種趨勢(shì)有助于建立更加強(qiáng)大和靈活的勞動(dòng)力市場(chǎng)，推動(dòng)個(gè)體和整體社會(huì)的可持續(xù)發(fā)展。首先，人工智能可以通過分析求職者的履歷、技能和興趣，為求職者量身定制職業(yè)建議和推薦。其次，人工智能可以通過分析市場(chǎng)需求和個(gè)人現(xiàn)有技能，為求職者提供個(gè)性化的培訓(xùn)計(jì)劃建議。

4. 降低部分工作門檻與無歧視算法匹配就業(yè)機(jī)會(huì)：AIGC 的普及使更多人可以通過簡(jiǎn)化的界面和工具，進(jìn)行創(chuàng)作和開發(fā)，甚至幫助沒有編程和技術(shù)背景的人也可以快速利用 AI 模型，從而在其領(lǐng)域內(nèi)解決問題和應(yīng)用AI技術(shù)。采用無歧視算法幫助用戶實(shí)時(shí)進(jìn)行工作匹配，在保護(hù)用戶隱私的前提下從算法層面幫助用戶充分發(fā)揮其技能長(zhǎng)處、滿足多項(xiàng)求職需求，輔助用戶和企業(yè)找到最匹配的工作和崗位候選人。

5. 輔助企業(yè)勞動(dòng)力管理：人工智能可以有助于中小微企業(yè)實(shí)現(xiàn)收入增長(zhǎng)、降低勞動(dòng)力風(fēng)險(xiǎn)、智能業(yè)務(wù)和營(yíng)銷、以及創(chuàng)新和安全的信息交換。

人工智能的發(fā)展迅猛，在訓(xùn)練模型的過程中需要對(duì)大量數(shù)據(jù)進(jìn)行人工標(biāo)注。這種新的需求興起，誕生了新的崗位——人工智能訓(xùn)練師。人工智能訓(xùn)練師的工作內(nèi)容是在電腦前根據(jù)不同模型訓(xùn)練的需要，對(duì)素材進(jìn)行標(biāo)注。數(shù)據(jù)在經(jīng)過清洗和標(biāo)注后，變成標(biāo)準(zhǔn)化格式數(shù)據(jù)，才能被人工智能所理解。這種新興崗位得到了許多地方政府關(guān)注，創(chuàng)造了大量崗位。例如 ImageNet 項(xiàng)目背后，有來自 167 個(gè)國(guó)家的 5 萬名數(shù)據(jù)標(biāo)注員。這種伴隨著人工智能誕生的新興崗位，提供了大量的就業(yè)機(jī)會(huì)。帶動(dòng)和創(chuàng)造全新的產(chǎn)業(yè)誕生。

挑戰(zhàn)

1. 崗位人員減少：人工智能的快速發(fā)展可能會(huì)引起「就業(yè)極化」效應(yīng)（中等技能勞動(dòng)力的崗位的就業(yè)份額下降）經(jīng)濟(jì)學(xué)家將生產(chǎn)過程分解常規(guī)任務(wù)和非常規(guī)任務(wù)，人工智能和機(jī)器人在執(zhí)行常規(guī)任務(wù)方面可能更具優(yōu)勢(shì)，這可能導(dǎo)致一些中等技能勞動(dòng)力的崗位受到取代。

2. 工作的非人化：基于 AI 算法的管理平臺(tái)可能將組織效率凌駕于員工的關(guān)懷之上，大量自動(dòng)化的工作現(xiàn)場(chǎng)會(huì)導(dǎo)致工作過程中缺乏人際聯(lián)系和互動(dòng)，這種缺乏溝通和人文關(guān)懷的體系里面，工人感到自己只是系統(tǒng)中可以替換的組成部分，而不是受重視的個(gè)體，從而削弱工人在工作中的身份認(rèn)同、人際關(guān)系和目標(biāo)意義，侵蝕工人與組織之間心理契約，影響工人的心理健康。

根據(jù) Challenger, Gray & Christmas 的數(shù)據(jù)，人工智能在 2023 年 5 月導(dǎo)致了近 4000 個(gè)工作崗位的消失。這種興趣在于 AI 技術(shù)能夠執(zhí)行高級(jí)的組織任務(wù)并減輕工作量。報(bào)告顯示，基于美國(guó)的雇主在五月的裁員公告超過 80,000，比前一個(gè)月增加了 20%，并且?guī)缀跏?2022 年同月的四倍。其中，AI 導(dǎo)致的裁員為 3,900，占所有失業(yè)的大約 5%，使其成為五月由雇主引述的失業(yè)的第七大原因。隨著企業(yè)迅速采用先進(jìn)的 AI 技術(shù)來自動(dòng)化一系列任務(wù)，如寫作、行政和文書工作，工作崗位的減少已經(jīng)開始。此外，OpenAI 的 ChatGPT 機(jī)器人的發(fā)布進(jìn)一步推動(dòng)了這一趨勢(shì)，這使得 AI 產(chǎn)業(yè)預(yù)計(jì)將增長(zhǎng)到超過 1 萬億美元。