麦肯锡：人工智能造福社会：改善生活、保护地球

过去两年，人工智能的进步急剧加速，其特点是能够为数百万用户大规模设计、训练和（最重要的是）运行人工智能。人工智能的潜在影响跨越各个领域，并可以带来积极的社会变革。

事实上，人工智能已经被用于推进所有 17 个联合国可持续发展目标 (SDG)——从消除贫困到建立可持续城市和社区以及为所有人提供优质教育。生成式人工智能开启了更多可能性。 2018 年，人们越来越清楚地看到，人工智能不仅可以在促进生产力和经济增长，而且可以促进社会公益方面在全球范围内发挥重要作用。我们当时发布的一份报告概述了如何在 170 个用例中使用人工智能功能（从自然语言处理到声音识别和跟踪）来造福社会 1 - 包括促进平等和包容性、改善危机应对，并保护环境。 2 今天，我们总共发现了约 600 个用例，增加了三倍多。 3

在我们的 2024 年报告中，我们重新审视人工智能如何能够并且已经成为通过映射创新和对可持续发展目标的影响来造福人类和地球的解决方案的关键部分（参见附文“方法论”）。可持续发展目标包括 17 个目标和 169 个具体目标，旨在改善世界各地的生活并保护地球。但 2023 年联合国关于可持续发展目标进展情况的最新报告表明，世界仅实现了 15% 的可持续发展目标。 4 实际上，这意味着今天有 22 亿人无法获得安全用水和卫生条件； 35 亿人无法获得安全管理的卫生设施 5 ；大约 33 亿人生活在极易受气候变化影响的环境中 6 ； 7.5 亿人面临饥饿。 7

人工智能在可持续发展目标中的潜力以及人工智能资金如何支持进展

虽然人工智能将影响所有可持续发展目标，但我们调查的专家认为人工智能具有特别高的潜力，可以为五个目标带来改变：良好的健康和福祉（SDG 3）、优质教育（SDG 4）、气候行动（SDG 13）、负担得起的清洁能源（SDG 7）以及可持续城市和社区（SDG 11）。事实上，60% 的用于社会公益的非营利人工智能部署都在这些领域。相对于其感知的人工智能潜力，零饥饿（SDG 2）、陆地生物（SDG 15）以及和平、正义和强大机构（SDG 16）等可持续发展目标有许多用例部署，而优质教育（SDG 4） 、负担得起的清洁能源（SDG 7）和气候行动（SDG 13）的数量较少（图表 1）。我们排除了体面劳动和经济增长（可持续发展目标 8）；工业、创新和基础设施（可持续发展目标 9）；来自非营利部署、基金会赠款和私人资本分析的目标伙伴关系（SDG 17）。这是因为考虑到人工智能的广泛适用性，大多数项目都可以被标记为这些领域。 8

 附件1

在分析资金用于利用人工智能实现可持续发展目标的情况时，我们发现与专家对五个最具潜力领域的意见方向一致。赠款和私人资本资助的综合观点集中在良好的健康和福祉（SDG 3）、优质教育（SDG 4）、负担得起的清洁能源（SDG 7）、可持续城市和社区（SDG 11）以及气候行动（可持续发展目标 13）。此外，在分析的 20,000 家人工智能公司中，约 40% 的私人资本投资直接或间接为 17 个可持续发展目标主题领域中的至少一个做出了贡献。 9

然而，也有一些令人兴奋的机会。考虑用于优质教育（可持续发展目标 4）的私人资本资金相对较低。即使在负担得起的清洁能源（SDG 7）和气候行动（SDG 13）方面，超过 50% 的私人资本投资也投向了自动驾驶汽车，以提高能源效率和减少排放。这表明私营实体有进一步的潜力将资本部署到人工智能具有巨大潜力的可持续发展目标主题上。

赠款分配的地理差异仍然很大。根据美国多数基金会的数据库对赠款接受者总部所在地的分析显示，从 2018 年到 2023 年，分配给解决一项或多项可持续发展目标的人工智能计划的赠款中，只有 10% 流向了总部位于低水平或低水平地区的组织。中等收入国家。 10 虽然组织可能会在其总部所在的国家/地区之外产生影响，但参与我们调查的 60% 的专家 11 一致认为，当今的人工智能工作并没有足够关注造福低收入群体的国家（而不是高收入国家或发达国家），这些国家的需求和可持续发展目标的影响可能最高。

扩展人工智能以造福社会的挑战和风险

为社会公益计划扩展人工智能的挑战是持续且艰巨的。我们的专家调查中，72% 的受访者观察到，迄今为止，为社会公益部署人工智能的大多数努力都集中在研究和创新上，而不是采用和扩展上。可持续发展目标中用于人工智能研究和部署的拨款中有 55% 为 25 万美元或更少，这与重点关注有针对性的研究或小规模部署而不是大规模扩张是一致的。除了资金之外，扩展人工智能的最大障碍仍然是数据的可用性、可访问性和质量；人工智能人才的可用性和可及性；组织的接受能力；和变革管理。有关这些主题的更多信息可以在完整的报告中找到。

在克服这些挑战的同时，组织还应该意识到应对一系列风险的策略，包括不准确的输出、基础培训数据中嵌入的偏见、大规模错误信息的可能性以及对政治和个人福祉的恶意影响。 12 正如我们在最近的多篇文章中指出的， 13 人工智能工具和技术可能会被滥用，即使这些工具最初是为了社会公益而设计的。专家们认为最大的风险是公平性受损、恶意使用以及隐私和安全问题，其次是可解释性（图表 2）。 14 与营利性组织的受访者相比，非营利性组织的受访者更关心错误信息、失业等人才问题以及人工智能对经济稳定的影响，营利性组织的受访者更关心的是知识产权侵权。

 图表2

加速人工智能的社会公益部署

科学突破提高了人工智能在模式识别、预测和创建方面的有效性。这一进展与成功的人工智能部署数量迅速增加相一致，但正如我们在上面看到的，扩大其使用以实现可持续发展目标仍然面临挑战。实现这一潜力需要利益相关者更密切地合作，以确保获得足够的人才和强大的数据解决方案，以及在世界各地的用户地理上更加开源或可扩展的人工智能应用程序和模型，从而与人们见面的需要。

通过合作寻找让人工智能大规模用于社会公益的方法，使命驱动的组织、政府、基金会、大学、开发者生态系统和企业可以帮助解决世界上一些最具挑战性和棘手的问题。它们可以帮助阻止人口贩运，确保世界各地的女孩和儿童接受应有的教育，保护森林免遭非法砍伐，支持孕妇和新生儿的健康和安全等等。如果这些东西都不值得为之奋斗，那还有什么值得呢？

 关于作者

Medha Bankhwal 是麦肯锡湾区办事处的顾问，Michael Chui 是麦肯锡全球研究院的合伙人； Ankit Bisht 是迪拜办事处的合伙人；罗杰·罗伯茨 (Roger Roberts) 是硅谷办事处的合伙人； Ashley van Heteren 是阿姆斯特丹办事处的合伙人。