AI人工智能应用广泛，作为服务设计者能做什么呢？

WellDesignStudio

北京/教育工作者/5年前/576浏览

版权

WellDesignStudio

做调研的时候发现很多公司、机构都只专注于开发AI技术，但是很少有机构认真地关注AI的人文，社会和公共领域。

很多公司、机构都只专注于开发AI技术，但是很少有机构认真地关注AI的人文，社会和公共领域。这时候，服务设计就可以作为一个推动者，将AI应用于长期的公共利益。在这个过程中，我们（或许）可以：

为AI的当前状态（包括其影响和偏见） 建立更强有力的实例证据基础；
将 资源引导到可以产生最大社会影响的地方；
使用AI，让一群人 一起思考问题并采取更明智的行动；
通过参与有意义的公众活动，让 更多的声音去影响AI开发和使用。

AI的应用领域确实很广，阿里也开始搞脑机接口和马斯克battle，目测之后是不是可以直接通过监测各位的脑电波来判断你对这个产品喜不喜欢了……然后是不是也可以 通过意念快速配对合适的女朋友，想想都激动。。。

收。

那么我们作为服务提供者能做什么呢？

我把我了解到的一些项目简单分类了一下：

环境

组织大规模的社区响应活动可能是一个麻烦而复杂的任务，但是AI可以帮助消除这种复杂性。

例如，Nesta正在开发一种集体智能框架，该框架提供了一种设计工具，用于集体AI应用，以应对基于社区的挑战。

Nesta: Augmented Collective Intelligence Framework

这个框架表现了 物理环境和数字环境中的人，技术和对象之间的交互中产生的增强的集体智慧（Collective Intelligence）。人和物理产品（例如智能太阳能电池板）构成了物理环境。用户和数字机器，结合用来模拟的软件，构成了数字环境。用户与这些不同组件进行交互，然后 根据收集的数据和信息建模。目前Nesta通过这个框架合作了仨项目：

通过使用机器学习和公民科学技术[1]来加快达成共识的速度，以进行海量数据收集和分析。例如，Solar PV Nowcast[2] 项目使用卫星图像和短期天气预报来准确预测太阳能电池板的发电量，从而减少了化石燃料的供应。
通过分析复杂问题和推荐优化措施来鼓励和维持气候行动的推荐和反馈系统。例如，CityMatrix[3]可帮助模拟城市规划决策的影响，从而实现协作实时决策。
对多个维度的影响进行建模和可视化，为与结果相关的气候响应投资提供实例。例如，Regen Network[4]正在开发一个自动化生态系统再生的平台。

教育

近几年，人工智能在教育中的应用正开始呈指数级增长，许多投资数百万美元的初创企业将其人工智能“解决方案”出售给全世界的学校和政府。到目前为止，人工智能在教育中最常见的应用是面向学生的所谓的 “智能辅导系统”。就比如在电子设备上，会为学生提供一些课程信息，学习内容以及测验，学生们的答案决定了系统提供的下一组信息，每位学生都可以按照自己的个性、优缺点进行个性化定制（感觉和各种在线教育很像）。但是这种教学方式又很大程度地减少了与老师和同学的互动。

那么问题来了，在学校和其他教育环境中引入的AI技术能否正确地解决教育任务？

它们在本质上是作为人类来促进学习，还是让学习“更高效”？

它们是被设计来辅助还是替代老师？

今年年初，联合国教科文组织亚太第一类研究所“圣雄甘地教育和平与可持续发展研究所”（MGIEP）就使用人工智能来支持社会和情感学习（SEL）[5]举行了一次简短会议。大致意思就是，SEL不仅能够促进学习者的亲社会行为，而且对学习成绩也有积极影响。因此，首要的挑战就是要 重新考虑教育系统，使其超越仅仅应用AI来加强现有的教育传播的教学模式。所以说，与现在AI相反的是，我们要 探索适用于AI的变革性教学方法，以增强数字教学，来建立学习者的认知和情绪调节能力。

医疗

这时候就不得不提到COVID-19。

从帮助发现新药和疫苗到预测感染的传播和测试患者，AI在应对COVID-19的任务中可能发挥了重要作用。涉及COVID-19的出版物中超过1/3涉及对患者数据的预测分析，尤其是 医学扫描。同时AI还被用于 分析社交媒体数据，预测疾病的传播并开发生物医学应用。

另一方面，大数据在医疗保健方面也有着积极作用，可用于 预防流行病，改善医院流量，以及更快地诊断癌症。但是，它在预防保健中的用途还没得到很好的利用。之前英国卫生部长汉考克宣布， NHS将使用医疗，社交媒体和手机数据的组合来尝试“ 预测式预防”，就是说可以将各种数据组合在一起可以挖掘某人生病的机会。

这是一个很好的点，因为我们的手机已经可以追踪日常身体活动。购物清单的数据也可以支持人们做出更健康的饮食选择。还有研究表明，搜索引擎和社交媒体的内容可以在某人出现在临床症状之前预测出心理健康问题。所以，亚马逊、谷歌和Facebook可能比你的家庭医生（如果你有的话）更了解你的生活习惯和行为。结合个人数据可以提供有针对性的健康生活信息，甚至提供实际干预和支持。

当然这个想法并非没有难度，第一个就是 数据隐私的问题。第二个是 算法偏差，深度学习算法依赖于大量数据，但是算法的质量取决于所用数据的质量以及AI的设计，MIT Technology Review曾经发过一篇文章《偏差算法无处不在，但似乎没人在乎》，讲开发它们的大公司对解决这个问题没有兴趣。还有最关键的一点是 获得支持，比如一些有针对性的健康生活信息，像戒烟、体重管理或心理健康等，这时候可能就需要 帮助用户建立自信，确定他们自己要改变的动力。

角色与性别

关于诸如人工智能之类的新兴技术的争论越来越多。虽然这些技术有许多潜在的陷阱，例如自动化会导致失业，但还有一个值得被探讨的方面是谁来设计AI。根据研究，关于AI的研究论文中只有13.83％是女性撰写的，和上世纪90年代差不多。不仅是大学或实验室的问题，相比之下，这个数据在Google只有11.3％，在微软也只有11.95％。其实从很小的时候，我们就可以发现，很多家长不鼓励女孩学习数学和计算机等学科，而这又是通向人工智能和其他新兴技术事业的大门。这对于女生的自信会产生潜移默化的影响，慈善机构“National Numeracy”的最新发现表明，只有64％的女性对处理数字和数学充满信心，而男性为84％。这就会产生刻板印象，也就是所谓的“ brogrammer”文化，女生会认为开发人员往往是男的，这就意味着她们不愿成为这个行业中的一员。

教育是重要因素，对于政府和学校来说，他们可以为女性创造合适的环境来学习STEM、从事技术工作，而在SheCanCode[6]，女性可以看到很多在自己向往的岗位上工作的程序员、研究员。政府也发布了 政策干预措施来改善这种情况，例如政府投资1850万英镑通过大学的转换课程来提高AI角色的多样性。但现实是我们需要政府，学校，父母，社会和媒体一起，鼓励更多的女性考虑进入科技行业。