从灾难恢复到保护和医疗保健，大量的人工智能微软专家 Juan M. Lavista Ferres 和 William B. Weeks 表示，这些项目将极大造福人类。
在过去的几年里，人工智能 (AI) 一直牢牢地成为世界关注的焦点，并且正在迅速发展。在某些情况下，技术往往会引起焦虑甚至恐惧。但人工智能的进化不一定是一件本质上令人恐惧的事情，这种新兴技术可以通过多种方式为人类造福。
撰写“AI for Good”（Wiley），2024），微软 AI for Good 研究实验室的高级主管 Juan M. Lavista Ferres 和 William B. Weeks 揭示了当今世界各地数十个项目中如何使用有益的人工智能。他们解释了人工智能如何通过用于可持续发展项目（例如使用卫星从太空监测鲸鱼或绘制冰川湖地图）来改善社会。人工智能还可以用于自然灾害（例如 2023 年土耳其毁灭性地震）或社会公益（例如遏制网上错误信息的扩散）。此外，人工智能还可以带来显着的健康益处，包括研究 COVID-19 的长期影响、使用人工智能来管理胰腺囊肿或检测弱势群体中的麻风病。
在此摘录中，作者详细介绍了 ChatGPT 或 Claude 3 等大型语言模型 (LLM) 最近的兴起，以及它们如何在当今的人工智能领域脱颖而出。他们还讨论了这些系统如何对世界产生重大的有益影响。
当今语言技术（例如 GPT）的核心在于语言模型的概念。想象一下，您以“今天早上醒来，看到美丽的蓝色_____”开始一个句子。应该遵循什么？语言模型根据从大量文本数据导出的概率来预测延续。例如，像“天空”这样的词很可能是延续。然而，该模型的复杂性使其能够考虑多种可能性，例如“鸟”或“汽车”，每种可能性都有特定的概率，展示了其对不同上下文的细致入微的理解。
尽管存在局限性，LLM的影响力非常显着，尤其是在2023年下半年。例如，GPT-4已经实现了重要的里程碑，例如通过了律师考试的多项选择和笔试部分。这些模型的真正优势在于它们能够从海量信息源（万维网）中学习。这个巨大的资源包含了我们人类集体知识的很大一部分，是迄今为止世界上最重要的数据集。通过对这个巨大的数据集进行训练，大语言模型可以构建一个世界的表征，复制人类理解中发现的复杂关系。
相关：人工智能有 32 次犯了灾难性的错误
总而言之，虽然这些高级大语言模型不具备真正的理解力或意识，但他们处理和模拟人类语言和思想的能力却非常强大。随着我们不断发展和完善这些技术，了解它们的能力、局限性以及它们带来的道德影响至关重要。
获取世界上最迷人的发现直接发送到您的收件箱。
当我们讨论大语言模型时，大多数讨论都是围绕人工智能在医疗保健等领域的力量展开的诊断，但一个不经常讨论的领域是大语言模型作为语言辅助工具可以帮助非母语人士流利写作。
这个机会引起了我的深深共鸣。我是一名非英语母语人士，领导着一个研究实验室，该实验室的 70% 以上的成员来自南半球国家，而且也不是母语人士。大约 95% 的研究以英语发表，但全球人口中只有 4.7% 的母语是英语。当我在我的祖国乌拉圭演讲时，我总是强调掌握编码和英语的重要性。我很幸运，我的父母确保我从小就学习英语。然而，许多聪明人却没有这样的机会。
有了 GPT，现在每个人都可以自信地用英语写作。LLM 与 GPT 一样，并不是万能药，但它们有潜力以非凡的方式弥合语言差距。一个好的翻译工具不仅仅提供两种语言之间单词的字面翻译。它还必须传达含义、语气、文化内涵和背景。
大语言模型的工作方式是精炼可能结构不佳的文本，将其转换为类似于母语人士的表达方式。这对于经常应对英语语法和句法的细微差别的非母语人士来说尤其重要。该模型不仅可以确保语法准确性，还可以增强词汇量以匹配母语英语出版物的质量。
我认为自己在许多方面都很幸运我的生活，特别是因为我八岁时，我的父母给了我和我的兄弟一台电脑。这种早期的接触为我提供了学习编码的宝贵机会。编码对我的生活产生的深远影响是不可否认的。然而，在我的朋友和同学中，我是唯一有这个特权的人。三十多年后，世界上只有不到 0.5% 的人口知道如何编码。
学习编码类似于掌握一门新语言，作为我们对计算机进行编程的接口。尽管更多人学习编码产生了显着的积极影响，但很难预见未来几十年编码员数量的大幅增加。
然而，大语言模型的广告可能会带来巨大的影响。转移。像 GPT-4 这样的先进系统能够将自然语言翻译成实际的编程语言。这些模型使人们能够用自己的母语（无论是英语、西班牙语、普通话还是其他语言）编写程序并自动化流程。这项技术有可能使编程民主化，将其影响范围扩大到全球数亿人，并缩小会编码的人和不会编码的人之间的差距。
2023 年 4 月，John W. Ayers 及其同事在《JAMA International Medicine》上发表了一项研究，该研究将医生在回答患者询问时的反应与 GPT-4 的反应进行了比较。研究发现，GPT-4 不仅提供了比医生更准确的答案，而且表现出更强的同理心。
值得注意的是，GPT-4 并没有接受过很大一部分医学知识的广泛培训，很多其中仍处于付费墙后面。此外，该模型并未针对医疗场景进行专门训练。尽管存在这些局限性，但其令人印象深刻的表现凸显了此类模型的潜在影响。
目前，大约 40 亿人（占世界人口的近一半）缺乏就医机会。尽管近几十年来医疗服务有所改善，特别是在南半球国家，但挑战仍然严峻。
这些人工智能模型不会取代医生。然而，如果它们能够对人类的询问提供准确的答复，就可以使医生专注于他们擅长的领域。虽然我们尚未看到这些模型部署在生产环境中进行医疗咨询，但令人鼓舞的结果表明了解决全球医疗保健差距的一条前进道路。
此摘录已被编辑样式和长度。经胡安·M·拉维斯塔·费雷斯 (Juan M. Lavista Ferres) 和威廉·B·威克斯 (William B. Weeks) 撰写的《人工智能造福人类：可持续发展、人道主义行动和健康中的应用》许可转载，由 Wiley 出版。2024 年，胡安·M·拉维斯塔·费雷斯 (Juan M. Lavista Ferres) 和威廉·B·威克斯 (William B. Weeks)。保留所有权利。
AI for Good：Juan M. Lavista Ferres 和 William B. Weeks 在可持续发展、人道主义行动和健康方面的应用，现已在亚马逊上发售，售价 21.43 美元
In AI向善：在可持续发展、人道主义行动和健康方面的应用，由资深人工智能研究人员组成的团队就科学家如何利用人工智能 (AI) 的力量解决棘手的社会问题进行了富有洞察力的讨论。
Juan MLavista Ferres 是微软 AI for Good 实验室的公司副总裁兼首席数据科学家。他领导着一支由人工智能、机器学习和统计建模领域的专业数据科学家和研究人员组成的团队，与世界各地的领域专家、研究人员和组织合作，创建一个协作生态系统，推动解决世界上一些最紧迫挑战的进展.