联合国193个国家的17个目标，AI可以完成
2015年，联合国193个成员国都批准了2030年的“可持续发展目标”（SDG）：呼吁采取行动“消除贫困，保护地球，确保所有人享有和平与繁荣”。
下表所示的17个目标是针对169个目标进行衡量的，并且设定了相应的时间表。例如，这些目标的第一个目标是：“到2030年，消除世界各地所有人的极端贫困，目前极端贫困的衡量标准是每天生活费低于1.25美元的人。”联合国强调，科学、技术和创新（STI）对于实现这些雄心勃勃的目标至关重要。只有在过去十年才真正出现的技术（如物联网（IOT）、区块链和高级网络连接）的快速发展，才有令人兴奋的SDG应用。
然而，没有任何创新会比人工智能（AI）和机器学习（ML）更具普遍性和变革性。麦肯锡全球研究所最近的一项研究发现，到2030年，AI将使全球产出增加约16%，即约13万亿美元。麦肯锡估计，它所带来的生产力增长每年都会大大超过早期技术的影响，这些早期技术曾从根本上改变了我们的世界，包括蒸汽机、计算机和宽带互联网。
AI/ML不仅本身是革命性的，而且也越来越成为建立下一代技术的重要基础。但是，它将带来的变革速度和规模也带来了风险，人类必须认真对待。
研究发现，在17个SDG中，AI/ML将直接贡献至少12个，可能比其他任何新兴技术都要多。在本文中，我们探讨了三个领域的潜在用例，这些领域是全球目标的核心：金融普惠、医疗和救灾以及交通。
金融普惠
获得基本金融服务——包括储存储蓄、支付和接收款项以及获得信贷和保险的工具——通常是缓解贫困的先决条件。全世界大约有20亿人被限制或无法获得这些服务。
AI/ML正日益帮助金融机构建立商业模式，为无银行账户的人服务。例如，发放贷款的最大障碍之一就是许多个人和小微企业没有正式的信贷记录。初创企业越来越多地在非传统数据源上运行ML算法，以确定其信誉——从店主的订单和付款历史到心理测试。对作物产量和气候模式数据的分析可用于帮助农民更有效地利用他们的土地，从而降低贷款机构和保险供应商的风险。
在小客户市场中，AI/ML也被用来帮助服务提供商降低成本。其中包括自动个人理财管理、客户服务聊天机器人和欺诈检测机制。
直接影响的SDG：
医疗和救灾
城乡医疗服务不平等是许多发展中国家亟待解决的问题。
基础设施薄弱的农村地区往往严重缺乏合格的医疗工作者和设施。带有生物识别传感器的智能手机和便携式医疗设备等等工具，可以供医生将其带到患者家中，或者带到村中心的公共位置，共享使用。然后，AI将医生传统的诊断和处方工作自动化。这可以降低成本，实现更快更准确的诊断，并减轻过度工作的医疗工作者的负担。
AI也被用于在需要的地方获取医疗用品。例如，一家名为Zipline的初创公司正在利用人工智能来安排和协调无人机，将血液和设备运送到很难通过公路到达的卢旺达农村地区（以及其他的非洲国家）。医生通过短信系统订购他们需要的东西，AI负责送货。这大大减少了在紧急情况下获取血液所需的时间，并消除了浪费。
在救灾方面，基于新闻来源、社会媒体等数据的预测模型有助于简化危机行动和人道主义援助。例如，AI支持的实时预测地震或洪水系统，将告诉人们在哪里造成最大的破坏，可以帮助应急人员来确定该将精力分配到哪里。
直接影响的SDG：
运输
自动驾驶汽车只是AI领域在交通应用方面的冰山一角，因为它们在许多方面都是AI创新在交通领域最明显但最不重要的影响之一。城市化浪潮的空前规模，给AI带来了一系列亟待解决的重大问题。根据联合国的数据，到2050年，25亿人将移居城市——其中93%的人来自低收入和中等收入国家——这给物流带来了巨大的挑战。
公共交通——而不是私人车辆必须是任何解决方案的核心。我们已经看到人工智能如何能大大提高城市交通网络的效率。例如，香港和新加坡的地铁系统使用他们每天数以百万计的乘客的数据，以及他们独特的旅程，以确定列车及其时间表的最佳配置。
同样，AI也将通过自动化和优化路线来改变全球货运和航运业。这些创新将降低燃油消耗和成本，缩短行程时间。
直接影响的SDG：
除了便利，还有这些风险……
每个AI/ML应用程序都有可能深刻地改变数百万人的生活。它们标志着人类在面对最大挑战的能力上的进一步改变。还有更多应用程序在这里没有讨论，它们可能具有同样强大的影响。
然而，如果没有严格的保障措施，这种深刻的变化可能会带来非常严重的风险。例如，在警务方面，预测分析越来越多地被用于监测可疑恐怖分子，预测可能发生犯罪的热点地区，以及有效地分配执法资源，以便在犯罪发生时威慑、预防和应对这些犯罪。
但是AI可以为独裁政府提供一套可怕的工具来巩固对其公民的权力。AI将作为一种越来越有效的监测和巩固绝对控制的手段提供给极权国家，使得民众变得越来越不自由，而且没有资源或有力的反击。
在使用AI/ML推进SDG的进展过程中，我们必须采取措施监控和减轻可能严重阻碍我们实现这些目标的风险。这些包括：
· 滥用和侵犯消费者隐私——例如，如果未能在向研究人员提供数据访问和保护用户个人隐私之间达成有效平衡，结果私人数据被网络罪犯和黑客获取，这种情况自然会引发忧虑。
· 开放式AI研究（尤其是政府）投资不足，这意味着很大一部分AI研究仍然是营利企业的专有知识产权。
· 未能对劳动力进行培训、再培训和教育，造成人员技能落后、工资能力下降。
· AI算法中固有偏见的扩散，可能会对数字经济的主干发展造成歧视和打击——以及其他迅速与AI交织在一起的技术的发展。
· 过度依赖自动化和机器监督，这会增加金融系统、监管系统和供应链系统崩溃的风险，并可能阻止人类在出现故障时迅速掌握控制下行的命令。