通常，FT 科技增长论坛着眼于商业背景下的技术。然而，这份报告探讨了下一代人工智能如何成为一股正义的力量。
我们将研究人工智能如何减少人类对地球的影响并带来社会进步。这次我们的重点是农业、医疗保健和环境保护。
人类开采地球资源的破坏性影响正变得越来越明显。如果我们要将全球气温上升控制在可接受的范围内，我们对能源的使用就必须减少污染。2015 年《巴黎协定》设定的限制。一个
气候变化导致极端天气事件变得更加频繁。德国、奥地利、匈牙利和西班牙都遭受了风暴和洪水的袭击。在美国，飓风海伦在比平常更远的北部地区造成了严重破坏，而 2025 年 1 月爆发的洛杉矶野火因该季节异常干燥的天气而加剧。
管理资源，特别是食物和水，将变得越来越重要，特别是随着世界人口的持续增长。Covid-19 大流行及其对国民经济的影响表明了维持全球人口健康的重要性。
农业的未来
天气的不可预测性不仅造成了严重的生命和财产损失，而且对各大洲的农业产量产生了长期影响。预计农业面临的压力将会加大。
由于一些产量最低的地区的人口增长最快，“养活全世界”将比以往任何时候都更具挑战性。
今年，爱荷华州立大学植物科学研究所所长帕特里克·施纳布尔教授告诉英国广播公司：“所有预测都显示，气候变化导致农作物产量大幅下降。玉米产量减少 10% 或 20% 将是灾难性的。”
提高农业产量至关重要。这就是人工智能可以提供帮助的地方：改进农业技术将提高一个地区的产量，即使另一个地区遭受风暴、高温或洪水的影响。
我们必须遏制气候变化，以避免加剧极端天气的影响。如果改变耕作方法，就可以实现更低的排放。联合国粮食及农业组织表示更明智的农场管理可以抵消多达三分之一的农业排放。
水，到处都是水
我们对水的使用也需要重新考虑。由于气候变化和我们粗心的用水方式，湖泊和河流已经干涸。这些并不是影响某些国家而不是其他国家的单一问题：仅在美国，一些国家就水源正在消失即使洪水威胁更多社区比以前。
来自农业、商业和消费者的需求——都习惯了不切实际的低价——加上对通常被认为取之不尽用之不竭的资源的鲁莽管理，意味着水的使用量并不能反映其分配的现实，特别是在发达市场。
例如，干旱频发的加利福尼亚州是美国生产力最高的农业州，但它依赖对坚果等农作物的密集灌溉。2024 年的一项研究，大田作物耗水量估算，使用数据和机器学习得出的结论是，如果农民改种不太常见的作物类型，中央谷地的水需求可能会下降 93%。
这样的策略是不现实的，因为它会降低盈利能力，但让某些油田休耕的可能性可能会产生影响，并且在商业上更容易接受。
至少在加利福尼亚州，这个问题可能会随着科罗拉多河契约运营指南的重新谈判而被迫解决。美国七个州于 1922 年签订的这项条约的细节将于 2026 年到期。关于哪个州必须减少使用量以及每个州应支付多少费用的争论正在爆发。
在加利福尼亚州中部，圣华金“粮仓”山谷经历了许多与取水过多相关的问题，从饮用水污染到物种和栖息地丧失，一般地面沉降。
耕地总体需求
我们对农田的要求是巨大的。虽然总体来说农业产量持续增长，扩张速度正在减慢过度劳作的土壤难以生产。更好的消息是，技术和效率的提高正在帮助保持产出。农民可能不得不越来越依赖技术：成熟市场的农业劳动力正在下降，下降幅度高达到 2033 年，美国将增长 2%. . . . . . . . . . . . . . . . . .
再生农业可以提供帮助，其数据收集方法与“田间规模作物用水”研究所采用的方法类似。它可以指导农民实现更大的可持续性，鼓励基于补充善良在土壤中。
这个想法的支持者说更好的土壤既可以吸收碳，又可以储存更多的水。再加上人工智能引导的植物灌溉，这可以使水走得更远，并减少农业排放。
无人机、传感器和手机应用程序都有帮助
在美国等市场，人工智能驱动的技术是复杂的“精准农业”的背后。它为农民提供详细信息，以便他们能够瞄准需要更多照顾的种植区域。
图像分析在宏观和微观层面都有用处。借助无人机和拖拉机上安装的传感器的数据，机器学习算法可以监测作物并提供建议（例如，田地的特定部分养分短缺），而手机应用程序（例如Agrio 帮助识别害虫。一个
随着农业劳动力的减少，人工智能可以通过多种方式填补这一空白，承担重复性或结构化的任务，例如分类土豆、 播种或除草。机械制造商约翰迪尔的设备提供管理种子和养分放置的自动指导，并提供设备性能的更新。这智能耕耘机来自加州人工智能公司 Stout 的技术可以在不影响农作物的情况下对田地进行除草。它声称准确率高达 99%。
人工智能还在优化作物本身方面发挥着作用。这人工智能韧性农业研究所于 2021 年在爱荷华州立大学旗下成立，旨在通过创建数字孪生模型来模拟植物和田地，从而提高农场系统的弹性。
在水产养殖中，博世业务创新使用麦克风和人工智能来分析虾的行为。它的系统可以检测甲壳类动物何时饥饿，从而实现精确喂食。此外，它还可以避免过度喂养并标记疾病迹象，从而可以进行早期干预。使用这项技术的农民的生产力提高了一倍。
此类举措不仅限于发达市场。印度是世界上最大的牛奶和豆类生产国，已经拥抱人工智能从灌溉到害虫防治等领域。鉴于这个拥有小农场和 1,600 种语言和方言的国家该行业的分散性，技术最好以与当地相关且易于理解的方式提供。
提高产量、改善质量和改善市场价格
数字绿色总部位于旧金山的全球发展组织正在印度、肯尼亚和埃塞俄比亚努力实现这一目标。其多语言人工智能聊天机器人可由代理商操作，并向个体农民提供具体建议。
公司落后了萨古巴古是印度东南部泰兰加纳省的一项倡议，由世界经济论坛赞助实施。这提高了 7,000 名辣椒种植者的产量，减少了资源使用，并提高了质量、价格和收入。凯桑人工智能还提供有关害虫和作物管理的基于语音的知识。
在其他地区，先进的见解可能很难一致地提供。BeSustainable.io 创始人、比尔及梅琳达·盖茨基金会数字农业部门前负责人戴维·伯格文森 (David Bergvinson) 表示，非洲某些地区基础设施薄弱，限制了“基于天气数据的实时决策”的有效性。。
然而，当大片土地依赖降雨时，这些信息就更为重要。他说：“农业是一个受天气驱动的部门。将天气[信息]作为做出适当决策以提高生产率的驱动力，同时也可以管理风险和进入市场的时间，变得非常强大。
始终随身携带天气
明天网在盖茨基金会的支持下，正在肯尼亚开发和扩大基于天气的咨询。其目标是通过提供基于机器学习的天气信息，使非洲农民能够提高气候适应能力明天大作战通过短信等方式。这种访问开始在肯尼亚产生影响，警报帮助农民做出明智的决定。
伯格文森说，对资源（尤其是水）的压力可能会改变我们运作食品系统的方式，使其从生产力转向“每滴[水]的营养和利润”。
好消息是人工智能可以优化我们在食品生产中用水的方式。它将使我们能够规划缓解和适应气候变化的行动方案。越来越准确的建模正在帮助我们识别以前被忽视的因素，例如云相。它让我们更好地掌握变化的复杂性和速度。
人工智能的广泛应用意味着创新不再是专家的专利。从印度到非洲再到加利福尼亚州，半干旱地区的旱地农业都可以通过预测技术得到加强。
环境保护
与对农田和资源的需求相关，全球森林砍伐现象十分广泛，其中大部分发生在巴西和印度尼西亚。一个
为了维持生计和利润而进行的伐木和土地清理加剧洪水、山体滑坡和干旱据说它造成了高达 20% 的温室气体排放。栖息地破坏和偷猎使许多物种的生存受到质疑，威胁着构成健康生态系统的生物多样性。
保护是剥削硬币的另一面——人工智能可以用来制定战略。
根据 2023 年尼日利亚研究人工智能可以监控生态系统并通过声音和图像分析识别稀有或濒临灭绝的物种，发表在《世界高级研究和评论杂志》上。
它还会在出现环境问题时发出警告。
经过模型训练的卫星图像通过识别非法伐木区域和需要恢复的区域来帮助维持栖息地的健康。其规模和精度超出了仅靠人力所能达到的程度。通过分析迁徙模式和人类活动，人工智能算法可以预测偷猎可能发生的地点，帮助保护团队做出更有效的反应。这
国际自然保护联盟强调使用视频分析从数小时的镜头中挑选出稀有物种，并通过标记环境问题来保护生物多样性。在中国，卫星成像和人工智能在森林火灾发生时就发现了它们，并帮助减少了火灾的蔓延。在威斯康星州，当稀有鸟类接近时，人工智能驱动的摄像头系统可以降低风力涡轮机叶片的速度。
机器学习算法可以快速筛选和学习数据，从而可以预测植物面临哪些威胁，并预测鸟类迁徙的模式。
环境DNA，未来的力量
对于这些保护方法，世界经济论坛添加了环境DNA研究它提供了对生态系统的详细见解。通过 eDNA，脱落的细胞或粪便可用于识别有助于健康环境的物种和生物体。
有些技术甚至可以量化采取具体行动保护生物多样性的利弊。程序如通过人工智能确定保护区优先顺序将确定可以最有效地保护生物多样性的区域并计算这样做的好处，提供更有说服力的论据而不是随机选择保护目标。预算、人类压力和气候变化都是系统模拟的输入。
医药保健
从根本上讲，在医疗保健领域部署人工智能的机会与其他行业类似。人工智能可以承担管理和重复性任务，从而提高生产力。举一个例子：临床医生可以使用人工智能应用程序来听取咨询，并将摘要添加到患者的笔记中。
人工智能承担复杂任务的障碍之一是医疗数据的多样性以及数据卫生状况不佳。
德克萨斯州休斯顿 MD 安德森癌症中心副总裁兼首席数据官 Caroline Chung 表示，医疗保健行业多年来一直在努力提高透明度并建立一致的数据。
她指出，该部门提供的服务基于“人与人之间的联系”，这种联系始终优先于标准化文书工作。为了利用人工智能，医疗保健系统需要探索更好的方法来记录和管理数据。
她说，一种方法是要求数据标准化，尽管这并不容易。回顾性地整理和清理数据只是部分修复。虽然如此处理的数据可用于训练模型是可行的，但后者往往会失败，因为在护理点会生成新的非标准化数据。
– 元数据可以帮助我们交叉校准并了解这些数据集有何不同 – 您在实施和使用模型时应用的数据与用于训练或测试模型的数据集– 这可能有助于选择更好的模型或确定某些模型失败的原因，但即使是这种程度的信息也无法连续或一致地捕获。“每个人都认识到这是一个问题，但他们不知道确切的“为什么？”以找到解决这些挑战的方法。”
医疗保健的某些领域已经数字化了一段时间，人工智能可以发挥作用。诊断成像（例如放射学和心脏病学）是一个以一致方式生成数据的领域，并且是“机器消耗品”。
量子传感器和大脑图像
成像数据的同质性允许在历史图像上训练模型。他们消耗的大量信息不仅使他们能够看到现有问题，而且能够预测问题。在2024 年 1 月美国食品和药物管理局批准了第一个人工智能驱动的皮肤癌诊断工具；2021 年佩奇。AI被批准用于前列腺诊断，两年后它被应用于检测乳腺癌。
大脑图像也会受益。量子传感器用于监测大脑活动，由于尺寸小，可以在患者走动时佩戴。这为观察和测量活动的方式增加了一个新的维度。
在可以持续收集数据的地方，人工智能的其他应用正在出现。在糖尿病治疗中，人工智能模型从血糖监测和胰岛素输送的“闭环”中读取数据。经过校准的连续测量足够可靠且值得信赖，足以指导所需的治疗。
在其他地方人工智能可以改进 DNA 分析，帮助预测患者对疾病或并发症的易感性，并在早期阶段（有时在它们以其他方式变得明显之前）发现它们。预测分析通过检查历史数据来识别趋势和模式，可以识别高风险因素并标记患者进行干预。
模式匹配将为老药找到新用途
公司如深6AI,萨马和医疗数据所有这些都使用人工智能来帮助设计研究并选择针对最有可能对治疗做出反应的患者进行优化的临床试验人群。这种选择可以通过更快地找到符合条件的候选人以及从更广泛的候选人库中吸引候选人来降低成本。
EClinical Solutions，数据和分析平台以及生物识别服务提供商，说生成式人工智能可以通过预测分子行为或模拟患者群体以在虚拟环境中测试治疗来促进新药的研发。
Chung 还表示，患者数据中的人工智能模式匹配将有助于为旧药物找到新的应用。她表示，对该技术的热情正在推动提供商寻找同质化数据的方法，以实现更广泛的用途。到目前为止，这些努力已经更加有机，但也出现了“一些围绕生成更结构化报告的早期行动”，例如，美国外科医生学会要求更结构化的手术室报告。
虽然存在障碍，但卫生部门正在迅速扩大人工智能的使用。根据雪花、云数据仓库、数据标记的增长和 Python 编码的使用表明人工智能应用的飞跃 - 或者至少是探索性编程的飞跃。
一些大学，例如康奈尔大学在纽约，现在提供医疗保健数据管理和编程课程。例如，他们教学生使用技术来帮助他们预测患者是否会患上败血症。
抬高地板并抬高天花板
未来的患者护理可以通过人工智能得到加强，医生可以快速访问个人的具体详细数据。患者还可以全天候获取基于自己数据的建议。
Chung 表示，“很多人都在追求人工智能的蓝天解决方案”。她表示，更多地关注“提高医疗保健的下限”与提高医疗保健的上限同样重要，特别是在扩大和改善医疗保健的获取以及减少差距方面。– 如果人们无法出行，您能找到更好的送货解决方案吗？
缺点
从保护和气候的角度来看，部署人工智能与数据中心所需的土地和能源之间存在紧张关系。正如最近英国《金融时报》所指出的气候资本委员会圆桌会议，人工智能需要很多能量。ChatGPT 搜索所需的能量是常规 Google 搜索的 10 倍。一些专家认为，人工智能需求的增加可能会在五年内使能源消耗增加 250%。
虽然人工智能是一个强大的工具，但它的好坏仍然取决于为其提供数据。因此，需要在采购、清洁和维护投入方面付出大量努力。
Chung 说，在寻找数据的相关性时，例如在癌症成像中，时间也是一个因素。癌细胞在任何给定时刻的图像很快就会看起来不同，因此使用数据的时间是高度相关的。
道德考虑也至关重要，特别是在医疗保健领域。并非所有患者都热衷于以匿名方式共享他们的数据，并且让应用程序听取咨询可能会充满问题。
心态的重要性
虽然使用人工智能有很多优势，但在购买一项技术之前确定需要解决的问题至关重要。
令人高兴的是，人工智能也即将在这方面发挥作用。伯格文森说，下一阶段是人工智能获得理解问题的背景，然后它可以“向后整合这些技术以提供解决方案”。
对于许多社会项目来说，技术必须与人类的软技能相结合，才能使合作伙伴关系有效。
同样，基于技术的建议需要考虑人的因素。即使提供天气预报，任何消息传递都必须考虑到每个农民及其决策过程的限制，以使其具有相关性。
最后，人工智能需要保障措施以确保“恶意意图”不会被放大。伯格文森说：“谨慎处理这一问题符合每个人的利益。”如果我们烧毁了信任的桥梁，社会就很难愿意再做一次。”
后续步骤
人工智能的早期采用者相信，虽然聊天大型语言模型现在最流行，但下一阶段将涉及为特定用途设计的小型语言模型。这些可能具有利基应用程序，可以根据口头查询提供专业知识。
Bergvinson 表示：“虽然法学硕士的巨额投资耗资数百万美元，但专注于某个行业内特定垂直领域的法学硕士将在小型企业中发挥越来越重要的作用，为医疗、教育领域的社会创造价值。”和农业部门。 –
个性化正在所有这些领域取得进展，包括营养，他将其描述为“健康与农业之间的联系”。
这种转变已经在进行中。Med-PaLM 等 SML（一种基于医疗数据训练的语言模型）为患者和医疗保健专业人员提供答案，而 Nvidia 则专业医疗计算工具用户可以定制。
但是，尽管具有高水平医学专业知识的人工智能语言模型最终有望提供专业诊断，但该技术还很年轻，不应完全依赖。