Google 的 AI 原则 中的第一条是“造福社会”。作为 AI 从业者，我们深受 AI 技术的变革潜力的启发，它以前所未有的规模和速度造福社会和我们共同的环境。从帮助应对气候危机到帮助改变医疗保健，再到让数字世界更易于访问，我们的目标是负责任地应用 AI，造福全球更多人。要实现全球规模，研究人员和社区需要在整个 AI 生态系统中共同思考并采取行动。
我们将这种方法称为“以社会为中心的人工智能”。它既是“以人为中心的人工智能” 的延伸，也是“以人为中心的人工智能”的扩展，它关注社会的总体需求，但仍然受到个人用户需求的影响，特别是在更大的共享人类体验的背景下。最近的人工智能进步提供了前所未有的社会层面的能力，我们现在可以有条不紊地满足这些需求——如果我们将集体的、多学科的人工智能研究应用于社会层面的共同挑战，从预测饥饿到预测疾病再到提高生产力。
人工智能造福社会的机会 与日俱增。我们回顾了我们在这些领域的工作以及我们支持的研究项目。最近，谷歌宣布有 70 位教授入选2023 年包容性研究计划奖，该计划支持解决全球历史上被边缘化群体需求的学术研究。通过对这项工作的评估，我们确定了一些以社会为中心的人工智能的新兴实践：
了解社会需求
倾听社区和合作伙伴的意见对于深入了解重大问题和确定需要解决的优先挑战至关重要。作为一种新兴的通用技术，人工智能有可能解决可能对人们的生活产生重大影响的全球重大社会问题（例如，教育工人、改善医疗保健和提高生产力）。我们发现产生影响的关键是以社会需求为中心。为此，我们将努力集中在社会一致认为应优先考虑的目标上，例如联合国的17 个可持续发展目标，这是一组由 190 多个国家共同制定的相互关联的目标，旨在应对全球挑战。
共同努力满足这些需求
共同努力将利益相关者（例如地方和学术界、非政府组织、公私合作）纳入人工智能技术的设计、开发、实施和评估的联合过程，以开发和部署人工智能技术来满足社会需求。
衡量成功与否的标准是努力是否能满足社会需求
衡量人工智能解决方案是否能满足社会需求非常重要，但也很有挑战性。在每一个案例中，我们都确定了影响的主要和次要指标，并通过与利益相关者的合作对其进行了优化。
为什么以社会为中心的人工智能很重要？
下面描述的案例展示了以社会为中心的人工智能方法如何对可及性、健康和气候等主题产生影响。
了解非标准言语人士的需求
仅在美国， 就有数百万人患有非标准言语（例如发音障碍、构音障碍、发音困难）。2019年，Google Research 启动了Euphonia 项目，这种方法允许非标准言语的个人用户训练个性化语音识别模型。我们的成功始于我们对现在能够在移动设备上使用语音听写的每个人的影响。
Euphonia 起初采用了以社会为中心的 AI 方法，包括与非营利组织ALS 治疗发展研究所和ALS 居住计划共同努力，以了解肌萎缩侧索硬化症(ALS)患者的需求及其使用自动语音识别系统的能力。后来，我们开发了世界上最大的非标准语音记录语料库，这使我们能够训练通用语音模型，以便在真实对话词错误率(WER) 测量中将无序语音识别率提高 37%。这也促成了伊利诺伊大学厄巴纳-香槟分校、Alphabet、Apple、Meta、Microsoft 和 Amazon 在2022 年合作启动语音无障碍项目，这是一项持续的计划，旨在创建一个公开可用的无序语音样本数据集，以改进产品并使语音识别更具包容性，涵盖各种语音模式。其他使用 AI 来帮助消除模态和语言障碍的技术包括实时转录、实时字幕和大声朗读。
关注社会健康需求
及时获取孕产妇健康信息可挽救全球生命：每两分钟就有一名妇女在怀孕或分娩期间死亡，每 26 个儿童中就有 1 个在五岁前死亡。在印度农村地区，对准妈妈和新妈妈进行与怀孕和婴儿期有关的关键健康问题的教育需要可扩展、低成本的技术解决方案。Google Research与ARMMAN合作支持了一项计划，该计划使用移动消息和机器学习 (ML) 算法来预测女性何时可以从接受干预措施（即有针对性的预防保健信息）中受益，并鼓励她们参与mMitra免费语音通话计划。在一年内，mMitra 计划显示，出生体重增加三倍的婴儿数量增加了 17%，了解怀孕期间服用铁片重要性的女性增加了 36%。超过 17.5 万名母亲通过这种自动化解决方案受益，且这一数字还在不断增长，公共卫生工作者使用这种方法来提高信息传递的质量。
由于社区与 AI 技术开发者之间的密切合作，这些努力在改善健康方面取得了成功。我们通过与护理人员合作采用了同样的方法来满足各种医疗需求。一些例子包括：使用自动视网膜疾病评估(ARDA)帮助筛查全球诊所 25 万名患者的糖尿病视网膜病变；我们与iCAD合作，将我们的乳房 X 线摄影AI 模型引入临床环境，以帮助检测乳腺癌；以及开发Med-PaLM 2，这是一种医学大型语言模型，目前正在与云合作伙伴进行测试，以帮助医生提供更好的患者护理。
持续应对危机带来的复合效应
Google Research 的洪水预测工作始于 2018 年，首先在印度进行洪水预报，后来扩展到孟加拉国，以帮助应对每年洪水造成的灾难性损失。最初的努力始于与印度中央水利委员会、地方政府和社区的合作。这些工作的实施使用了搜索和地图上的SOS 警报，最近又通过Flood Hub广泛扩展了访问。持续的合作和基于 AI 的全球洪水预报模型的改进，使我们能够将这一功能扩展到非洲、亚太地区、欧洲以及南美洲、中美洲和北美洲的80 多个国家/地区。我们还与社区志愿者网络合作，进一步扩大洪水警报的覆盖范围。通过与政府和社区合作衡量这些工作对社会的影响，我们每年都在改进我们的方法和算法。
我们能够利用这些方法和一些底层技术（例如SOS Alerts），从洪水预报到类似的社会需求，例如野火预报和高温警报。我们与各组织的持续合作为其他努力提供了支持，例如世界气象组织 (WMO) 的“人人享有早期预警”倡议。与社区的持续合作使我们能够随着时间的推移了解用户在社会层面上的需求，扩大我们的努力，并增强我们努力的社会影响力和影响力。
进一步支持以社会为中心的人工智能研究
我们最近资助了18 项体现以社会为中心的人工智能方法的大学研究提案，这是Google 包容性研究计划奖中的一项新举措。这些研究人员正在采用以社会为中心的人工智能方法，帮助在世界各地创建有益的应用程序。一些获得资助的项目包括：
人工智能驱动的冲突国家态度两极分化监测，促进包容性和平进程和妇女赋权：该项目的目标是创建 LLM 驱动的工具，可用于监测发展中国家在线对话中的和平。最初的目标是和平处于动荡中的社区，这项工作将特别强调减轻影响妇女的两极分化并促进和谐。
人工智能辅助分布式协作室内污染测量仪：案例研究、需求分析和面向印度社区的低成本健康家居解决方案：该项目正在研究如何将低成本污染监测器与人工智能辅助方法相结合，为社区提供改善空气质量和家庭健康的建议。最初的目标社区受到污染的严重影响，与这些社区的联合工作包括制定如何衡量当地社区成果改善的目标。
乌干达合作开发人工智能解决方案，扩大青少年获得性与生殖健康教育和服务的机会：该项目的目标是创建由 LLM 驱动的工具，为撒哈拉以南非洲低收入地区用户在性与生殖健康教育方面的需求提供个性化的指导和学习。当地社会需求巨大，青少年怀孕率估计为 25%，该项目旨在通过人工智能解决方案的集体开发过程来满足这些需求。
未来方向
关注社会需求，通过多学科集体研究开展工作，并衡量对社会的影响有助于找到相关、持久、赋权和有益的人工智能解决方案。请参阅全球目标的人工智能，了解有关潜在的以社会为中心的人工智能研究问题的更多信息。我们与非营利组织在这些领域的合作与我们正在进行和鼓励的研究相辅相成。我们相信，使用以社会为中心的人工智能的进一步举措将有助于集体研究界解决问题并对整个社会产生积极影响。
致谢
非常感谢在 Google 参与这些项目的众多人士，包括 Shruti Sheth、Reena Jana、Amy Chung-Yu Chou、Elizabeth Adkison、Sophie Allweis、Dan Altman、Eve Andersson、Ayelet Benjamini、Julie Cattiau、Yuval Carny、Richard Cave、Katherine Chou、Greg Corrado、Carlos De Segovia、Remi Denton、Dotan Emanuel、Ashley Gardner、Oren Gilon、Taylor Goddu、Brigitte Hoyer Gosselink、Jordan Green、Alon Harris、Avinatan Hassidim、Rus Heywood、Sunny Jansen、Pan-Pan Jiang、Anton Kast、Marilyn Ladewig、Ronit Levavi Morad、Bob MacDonald、Alicia Martin、Shakir Mohamed、Philip Nelson、Moriah Royz、Katie Seaver、Joel Shor、Milind Tambe、Aparna Taneja、Divy Thakkar、Jimmy Tobin、Katrin Tomanek、Blake Walsh、Gal Weiss、Kasumi Widner、Lihong Xi 和团队。
评论