AI4SocialGood – mit Augmented Intelligence zu einer besseren Welt?

Was bedeutet AI4SocialGood und wie kann Technologie für einen gesellschaftlichen und sozialen Nutzen eingesetzt werden? Unsere Autorin geht dieser Frage nach und stellt einige Beispiele solcher Projekte vor.

Technologie an sich ist weder gut noch schlecht, und kann für verschiedene Zwecke eingesetzt werden. Der Diskurs über mögliche Risiken und Konsequenzen bei der Verwendung von Technologien, insbesondere beim Einsatz von künstlicher Intelligenz, ist deswegen ein zentrales und wichtiges Thema der Forschung. Gleichzeitig hat sich daneben aber auch das Forschungsfeld AI4SocialGood etabliert, manchmal auch AI for Social Impact genannt [1], welches einen positiven Beitrag zu gesellschaftlichen Problemen mittels Technologie leisten will.

Während Technologien zur Suche in Texten oder automatische Bilderkennung durchaus je nach Kontext auch einen gesellschaftlichen Beitrag leisten können, sind diese allgemeinen Technologien nicht mit AI4SocialGood gemeint. Das Themenfeld umfasst eher gezielte Anwendungen, welche ein spezifisches gesellschaftliches Problem angehen.

Augmented Intelligence und die UN Ziele für nachhaltige Entwicklung

Immer mehr Anwendungen von Augmented Intelligence gehen dem Ziel nach, einen gesellschaftlichen Mehrwert zu erzielen. Oftmals stützen sich diese Projekte auf die 17 Ziele für nachhaltige Entwicklung (SDG) der UNO [2] (siehe Abbildung 1), und adressieren Herausforderungen in sozialen oder umweltwissenschaftlichen Thematiken. Es wurde beispielsweise gezeigt, dass jedes der SDGs von mindestens einem AI-basierten Projekt bereits adressiert wird [3]. Insbesondere sind zahlreiche Projekte aus dem Bereich good health and well-being verzeichnet, während andere Bereiche wie affordable and clean energy, gender equality und no poverty eine Hand voll Projekte aufweisen.

Abbildung: Die 17 Ziele für nachhaltige Entwicklung der UNO.

Interdisziplinäre Zusammenarbeit

Bei AI4SocialGood kommen Informatiker*innen mit Fachexpert*innen aus anderen Themengebieten zusammen und bearbeiten eine gemeinsame Herausforderung. Dies kann auf Grund der verschiedenen fachlichen Arbeitsweisen und -kulturen herausfordernd sein und hat zu der Entwicklung von spezifischen Guidelines geführt.

Eine Nature Studie [4] hat unter Einbezug verschiedener Expert*innen die wichtigsten Aspekte und Hürden für eine erfolgreiche Zusammenarbeit im Bereich AI4SocialGood identifiziert:

1.Für den Bereich künstliche Intelligenz im Allgemeinen:

  • Erwartungshaltung: was ist möglich mit AI?
  • Einfache Lösungen
  • AI Anwendungen sollen inklusiv und zugänglich sein und ethischen Grundsätzen und den Menschenrechten entsprechen, was regelmässig kontrolliert werden muss

2. Für die Anwendungen:

  • Ziele und Use Cases müssen klar und gut definiert sein
  • Um grosse Problemstellungen erfolgreich zu meistern, braucht es tiefgehende und langjährige Partnerschaften
  • Bei der Planung müssen die Anreize aufeinander abgestimmt werden und die Grenzen der beiden Gemeinschaften berücksichtigt werden
  • Der Aufbau und der Erhalt von Vertrauen sind wichtig, um organisatorische Hürden zu überwinden
  • Möglichkeiten, um die Entwicklungskosten für KI Lösungen zu senken sollen durchdacht werden

3. Und für die Datenverarbeitung:

  • Die Verbesserung der Datenbereitstellung ist von grosser Wichtigkeit
  • Die Daten müssen sicher verarbeitet werden, mit äusserstem Respekt für Privacy und Menschenrechte

Beispielprojekte

Zahlreiche Projekte existieren bereits im Bereich AI4SocialGood. Die folgende Auflistung ist nicht wertend oder abschliessend, und soll einen Eindruck vermitteln, welchen Beitrag Augmented Intelligence bereits jetzt im gesellschaftlichen Bereich zu leisten vermag:

  • Amnesty International hat im Projekt Troll Patrol [5] unter der Verwendung von Crowdsourcing, Data Science und maschinellen Lernen ausgewertet, wieviel und in welcher Form Frauen auf Onlineplattformen sexuell belästigt werden.
  • Machine Learning wurde auch verwendet, um mit Hilfe von Satellitenbildern Vorhersagen über Armut zu machen [6]. Dies ist hilfreich, da zuverlässige Angaben über die wirtschaftliche Lebenslage in Entwicklungsländern oft fehlen, aber nötig sind, um Armut zu erkennen und zu bekämpfen.
  • Im Projekt Ocean Cleanup von Microsoft wird Machine Learning verwendet, um Verschmutzungen wie Plastik automatisch zu erkennen und zu simulieren, wie es sich auf dem Ozean bewegt. Dadurch kann die Bereinigung effizienter durchgeführt werden.

Referenzen

  1. https://towardsdatascience.com/introduction-to-ai-for-social-good-875a8260c60f
  2. https://www.un.org/development/desa/disabilities/envision2030.html
  3. Cowls, J., Tsamados, A., Taddeo, M., & Floridi, L. (2021). A definition, benchmark and database of AI for social good initiatives. Nature Machine Intelligence, 3(2), 111-115.
  4.  Tomašev, N., Cornebise, J., Hutter, F., Mohamed, S., Picciariello, A., Connelly, B., … & Clopath, C. (2020). AI for social good: unlocking the opportunity for positive impact. Nature Communications, 11(1), 1-6.
  5. https://decoders.amnesty.org/projects/troll-patrol/findings
  6. Jean, N., Burke, M., Xie, M., Davis, W. M., Lobell, D. B., & Ermon, S. (2016). Combining satellite imagery and machine learning to predict poverty. Science, 353(6301), 790-794.
Creative Commons Licence

AUTHOR: Mascha Kurpicz-Briki

Dr. Mascha Kurpicz-Briki ist Professorin für Data Engineering am Institute for Data Applications and Security IDAS der Berner Fachhochschule, und stellvertretende Leiterin der Forschungsgruppe Applied Machine Intelligence. Sie beschäftigt sich in ihrer Forschung unter anderem mit dem Thema Fairness und der Digitalisierung von sozialen und gesellschaftlichen Herausforderungen.

Create PDF

Ähnliche Beiträge

0 Kommentare

Dein Kommentar

An Diskussion beteiligen?
Hinterlasse uns Deinen Kommentar!

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert