Loading component...
Less than a minute(0 words) Read
对肯尼亚、塞拉利昂和多哥的一项研究表明，人工智能必须经过谨慎调整，才能造福穷人
Loading component...
Loading component...
Loading component...
Loading component...
文章和其他材料中所表达的观点均为作者个人观点，不一定反映IMF的政策。
人工智能（AI）正在重塑发展中经济体，它既带来了常见的扰动、虚假信息和监管挑战等风险，同时也有着许多潜在的好处。最近的例子展现了可如何使用人工智能技术提供更具针对性的援助和信贷，并让民众更好获得定制化的教学医疗服务。但要平衡这些风险和机遇，可不是直接把现有技术拿来用这么简单，还需要进行本地化创新和调整。
人工智能的最新进展基本源起于富裕国家，这些国家都是使用本国数据，为本国用户进行应用程序开发。而在过去几年里，我们与低收入国家的合作伙伴开展了研究，旨在利用这些国家的数据，为其用户开发人工智能应用程序。在这一背景下，基于人工智能的解决方案只有符合当地的社会和制度，才能发挥出作用。
在新冠疫情期间，多哥政府利用机器学习技术提供了定向现金支持。我们发现，其成功的关键在于要让人工智能适应当地情况。政府对原本用于在线广告的技术稍加改动，以识别该国最贫困的居民。该系统利用人工智能处理来自卫星和移动电话公司的数据（比如航拍图像中显示的欠发达村庄和手机余额不足的移动用户），从而识别贫困特征。通过这些特征进行目标定位，有助于确保现金转账能够触达最需要的人们（Aiken等人，2022年）。
这个应用程序之所以能在多哥成功，是因为多哥政府与研究人员以及非营利组织通力合作，定制了满足当地需求的技术。他们建立了一个适用于所有移动用户的手机钱包支付系统，调整了现有的机器学习软件以便有针对性地进行现金转账，同时还采访了数万名受益者以确保该系统能准确反映当地的贫困状况。即便如此，这项基于人工智能的解决方案也不是永久性的，在疫情结束后，该方案计划会逐步中止。
这个基于人工智能的项目还引发了另一项担忧：在实验室中表现良好的算法，在根据重大决策部署实施时可能并不可靠。例如，在像多哥这样的定向援助系统中，人们可能会改变自身行为来获得福利资格，从而削弱该系统向穷人提供现金的能力。
在其他地区，机器学习还用来根据手机行为确定获取小额贷款的资格（Björkegren和Grissen，2020年）。例如，在肯尼亚，超过四分之一的成年人使用手机申请贷款。但如果脸书好友较多的人获批贷款的概率更高，有些申请人可能就会迅速添加好友，而这最终会导致系统难以定位目标人群。
在与肯尼亚巴萨拉中心合作进行的一项研究中，我们发现人们能够根据此类算法规则来学习和调整其使用智能手机的行为（Björkegren、Blumenstock和Knight，即将发表）。我们展示了如何根据概念验证结果调整算法，使其更好地预测人们的响应情况。然而，技术本身无法克服在实施过程中出现的问题；构建此类系统的主要挑战是确保其在现实条件下的可靠性。
另一方面，有些系统需要经过适应才能发挥作用。例如，在许多低收入国家，教师必须使用有限的资源处理多个班级的事务。在塞拉利昂，一家当地合作伙伴试用了一款名为TheTeacher.AI的教师专用人工智能聊天机器人系统。该系统与ChatGPT类似，但是根据当地课程和教学量身定制的，即使互联网信号较差，也可以使用。在试点阶段，许多教师无法通过调整问题的措辞来生成合理的答案，但一小部分教师已开始定期使用该系统来帮助传授概念、备课以及制作课堂材料（Choi等人，2023年）。教师需要经过培训和实验才能实际使用该系统。对于有望从人工智能中受益的人来说，人工智能的用途可能不会立竿见影；需要反复试验、相互分享有用的应用程序，才能发现它的多种用途。
沟通壁垒
对于低收入国家的民众来说，发掘人工智能的潜能很可能更加困难，因为这些国家的民众识字率和计算能力较低，居民对数字数据和处理这些信息的算法并不那么熟悉。例如，我们在肯尼亚内罗毕开展实地实验时，发现很难向低收入居民解释涉及负数和分数的简单算法。不过，我们的团队找到了更简单的方式来传达这些概念。很明显，当人们对这个算法做出回应时，他们便掌握了这个概念。然而，复杂的人工智能系统是很难理解的，即使对人工智能研究人员来说也是如此。
一些应用程序并不要求用户了解算法的运行方式。例如，Netflix的电影推荐功能可为用户带来好处，即便用户不清楚算法是怎样选中其认为用户会喜欢的内容，也没关系。同样，在人道主义危机中，政策制定者可能会接受使用难以理解的“黑匣子”算法，就像多哥政府在应对新冠疫情危机时所做的那样。
透明性有时具有关键意义。在非紧急情况下定位社会保障目标时，必须要向潜在受益人解释资格标准。但这说起来容易做起来难：大量的访谈和焦点小组调查显示，在像多哥农村这样的环境中，数据和隐私方面的规范和价值观与人工智能系统更为普遍的富裕国家存在根本性差异。例如，很少有受访者担心政府或企业访问他们的数据（而这是欧美民众的一项主要关切），但他们中的许多人想知道这些信息是否（以及如何）与他人共享这些信息。
随着人工智能的应用越来越普遍，人们必须了解其日益广泛的社会影响。比如，人工智能可以生成完全虚构的煽动性照片，还能模仿通话人声音自动拨打电话。如此迅猛的变化将影响人们对网络信息的信任程度。即使是身处偏远地区的居民也必须了解这些可能性，这样才不会被误导，同时也能确保法规在制定过程中考虑到这些居民的关切。
建立通信设施
人工智能解决方案依赖于现有的实体数字基础设施：从依托于服务器的大型数据库，到光纤电缆和手机信号塔，再到人们手中的手机，悉数涵盖其中。过去20年间，发展中经济体在实现偏远地区的手机和互联网连接方面投入了大量资金，这也为推广新的人工智能应用程序奠定了基础。
尽管人工智能应用程序受益于数字基础设施，但有些应用程序可以更好地利用现有资源。例如，塞拉利昂的许多教师仍然面临上网不便的难题。对于某些任务，可以从聊天机器人那里获得想法，然后在验证这些反馈信息——这可能比从多个在线资源中自行整理信息容易得多。
然而，一些人工智能系统要求对知识基础设施进行投资，特别是在发展中经济体，因为这些地区仍存在数据缺口，而且穷人在数字方面的代表性不足。在发展中经济体，人工智能模型无法掌握所需的完整信息，如低收入居民的需求和愿望、其健康状况、人员和村庄面貌，以及非主要语言结构等。
要收集这些数据，可能需要将诊所、学校和企业整合进数字记录保存系统，制定数据使用激励措施，并确立所产生数据的合法权利。
此外，应根据当地的价值观和环境，对人工智能系统进行调整。例如，西方的人工智能系统可能会建议教师使用数字白板或数字幻灯片等昂贵的资源。这些系统必须得到调整，来适应缺乏相应资源的教师的需求。为当地人工智能开发者和设计师的能力建设和培训投资，有助于确保新一代技术创新更好反映当地的价值观和优先事项。
人工智能有望为发展中经济体的穷人提供许多有用的应用程序。我们面临的挑战并不是梦想太过宏大——要构想如何利用人工智能系统造福穷人自然不难——挑战的关键在于如何确保此类系统能满足人们的需求，适应当地条件，而且不会造成伤害。
© 2026 International Monetary Fund. All rights reserved.
