AI for Good Global Summit 2024 ägde rum den 30-31 maj i Genève och samlade över 2.500 deltagare från cirka 145 länder.
I sitt inledningsanförande, Generalsekreterare Doreen Bogdan-Martin från Internationella teleunionen (ITU), som organiserade evenemanget, slog an tonen genom att förklara behovet av inkludering i AI-utvecklingen.
Hon sa: "År 2024 är en tredjedel av mänskligheten fortfarande offline, utestängd från AI-revolutionen och utan en röst. Den här digitala och tekniska klyftan är inte längre acceptabel."
Toppmötet visade exempel på användbara AI-tillämpningar som kan föra teknikens fördelar ut i periferin, t.ex. Bioniks, ett pakistanskt initiativ som utvecklar prisvärda proteser, och Ultraljud AI, ett USA-baserat kvinnolett initiativ för att förbättra förlossningsvården.
AI For Good undersökte också hur AI kan bidra till att uppnå FN:s mål för hållbar utveckling (SDG), som innehåller breda och långtgående planer för att växa och modernisera mindre utvecklade länder och samtidigt lindra fattigdom, klimatförändringar och andra existentiella problem på makronivå.
Bland de många exempel som ges kan nämnas Melike Yetken Krilla, chef för internationella organisationer på Google, diskuterade flera projekt där Googles data och AI används för att följa utvecklingen mot de globala målen för hållbar utveckling, kartlägga den över hela världen och samarbeta med World Meteorological Organization (WMO) för att skapa en översvämningshub för tidiga varningssystem.
Dessa bidrar till en stor mängd projekt som verkligen visar hur AI kan påskynda sjukdomsdiagnosen, hjälp utveckla nya läkemedel, tillhandahålla rörlighet till dem som förlorat den på grund av sjukdom, och mycket mer.
AI hjälper också naturvårdare att skydda miljön, från Amazon regnskog till Lunnefåglar utanför brittiska kusten och lax i Nordiska vattenvägar.
Enligt toppmötets budskap är AI:s potential för gott verkligen betydande.
Men som alltid finns det en annan hälft av historien.
AI:s push och pull
I stället för enkelriktad trafik frestar AI till att både krossa och påskynda digitala klyftor, vilket innebär att dess mönster av fördelar och vem som får dem är orättvisa.
Det finns starka bevis för att AI förstärker de nuvarande skillnaderna mellan länder som är mer och mindre tekniskt avancerade. Studier från MIT och Data Provenance Initiative fann att de flesta dataset som används för att träna AI-modeller är starkt västcentrerade.
Språk och kulturer från Asien, Afrika och Sydamerika är fortfarande underrepresenterade i AI-tekniken, vilket leder till att modellerna inte återspeglar eller tjänar dessa regioner på ett korrekt sätt.
AI-teknik är dessutom dyr och svår att utveckla, och det är utan tvekan ett fåtal utvalda företag och institutioner som har den största kontrollen.
AI-projekt med öppen källkod ger företag över hela världen en livlina för att utveckla billig, suverän AI, men kräver fortfarande datorkraft och teknisk talang som fortfarande är mycket efterfrågad över hela världen.
AI-modellens partiskhet
En annan spänning i AI:s dragkamp mellan fördelar och nackdelar är partiskhet. När AI-modeller tränas på partisk data, antar och förstärker de i sig dessa fördomar.
Detta kan leda till allvarliga konsekvenser, särskilt inom hälso- och sjukvård, utbildning och brottsbekämpning.
AI-system inom hälso- och sjukvården som huvudsakligen är utbildade på västerländska data kan till exempel misstolka symtom eller beteenden hos icke-västerländska befolkningar, vilket kan leda till felaktiga diagnoser och ineffektiva behandlingar.
Forskare från ledande teknikföretag som Anthropic, Google och DeepMind har erkänt dessa begränsningar och söker aktivt efter lösningar, t.ex. Anthropic"Konstitutionell AI".
Som Jack Clark, Anthropics policychef, förklarade: "Vi försöker hitta ett sätt att utveckla en konstitution som är utvecklad av en hel massa tredje parter, snarare än av människor som råkar arbeta på ett labb i San Francisco."
Det är en ädel och bra lösning, men hur skulle man kunna skapa en effektiv global demokrati för att samla in åsikter från dessa tredje parter?
Exploatering av arbetskraft
En annan risk när det gäller att utnyttja AI för goda ändamål är fall av arbetskraftsexploatering för dataetiketterare och kommentatorer, vars uppgift är att gå igenom tusentals data och tagga olika funktioner som AI-modeller kan lära sig av.
Den psykologiska påfrestningen på dessa medarbetare är enorm, särskilt när de har till uppgift att märka störande eller explicit innehåll. Detta "spökarbete" är avgörande för att AI-systemen ska fungera, men förbises ofta i diskussioner om AI-etik och hållbarhet.
Till exempel tidigare innehållsmoderatorer i Nairobi, Kenya, lämnat in framställningar mot Sama, ett USA-baserat företag för dataanmärkningstjänster som anlitats av OpenAI, och hävdade att de utsatts för "exploatering" och fått allvarliga psykiska problem till följd av sitt arbete.
Det har funnits svar på dessa utmaningar som visar hur AI:s hot mot sårbara befolkningsgrupper kan motverkas med kollektiva åtgärder.
Till exempel har projekt som Nanjala Nyabolas projekt om digitala rättigheter på kiswahili syftar till att motverka digital hegemoni genom att översätta nyckeltermer om digitala rättigheter till kiswahili, vilket ökar förståelsen bland icke-engelsktalande grupper i Östafrika.
På samma sätt, Te Hiku Media, en ideell organisation för Māorisamarbetade med forskare för att träna en taligenkänningsmodell som var skräddarsydd för maorispråket, vilket visar på potentialen i gräsrotsinsatser för att se till att AI gynnar alla.
Gräsrotsprojekt som detta kan visa sig vara effektiva när det gäller att demokratisera AI, men det är ett komplext arbete som kommer att ta tid och investeringar för att rulla ut dem effektivt på global nivå.
En balansgång
Det kommer att bli svårt att balansera AI:s fördelar och nackdelar under de kommande åren.
Snarare än att representera ett nytt paradigm för internationell utveckling kan diskussionen om AI-inkludering kanske bäst uppfattas som en fortsättning på decennier av diskussioner om teknikens inverkan på globala samhällen.
AI:s effekter är dock både mycket universella och mycket lokala.
Storskaliga AI-verktyg som ChatGPT kan tillhandahålla en "filt" av encyklopedisk kunskap och färdigheter som miljarder människor kan få tillgång till över hela världen.
Samtidigt visar småskaliga projekt som de som beskrivs ovan att vi, i kombination med mänsklig uppfinningsrikedom, kan bygga AI-teknik som tjänar lokala samhällen.
Med tiden är förhoppningen att AI ska bli både billigare och mer lättillgängligt, så att samhällen kan använda det som de vill, på sina villkor och med sina rättigheter. Men det kan förstås också innebära att vi helt och hållet förkastar AI.
AI - både de generativa modeller som skapas av teknikjättar och mer traditionella modeller som skapas av universitet och forskare - kan verkligen erbjuda samhälleliga fördelar om de kanaliseras på rätt sätt.
Toppmötet AI For Good förkroppsligade detta hopp och denna skepticism. Intressenterna är inte blinda för utmaningarna, men det betyder inte att de ännu har svaren.
