Πώς να αξιοποιηθεί η δύναμη της τεχνητής νοημοσύνης στον αναπτυσσόμενο κόσμο
Μεταξύ των ελίτ στις πλούσιες χώρες, έχει επικρατήσει μια ανησυχία για την τεχνητή νοημοσύνη (artificial intelligence, ΑΙ): οι μηχανές θα πάρουν τις δουλειές μας. Με την εκρηκτική δημοτικότητα του ChatGPT, του εντυπωσιακά αληθοφανούς chatbot, πολλοί στην Δύση έχουν αρχίσει να φοβούνται ότι δεν είναι μόνο οι οδηγοί φορτηγών και οι εργάτες συναρμολόγησης που κινδυνεύουν να αντικατασταθούν από ρομπότ, αλλά και οι υψηλά αμειβόμενοι εργαζόμενοι στην γνώση. Λογιστές, αναλυτές δεδομένων, προγραμματιστές, οικονομικοί σύμβουλοι, δικηγόροι, ακόμη και σεναριογράφοι του Χόλιγουντ -όλοι ανησυχούν τώρα ότι η τεχνητή νοημοσύνη θα τους αφήσει άνεργους.
Αλλά η επίδραση της τεχνητής νοημοσύνης στις περίπου 100 χώρες και στα περισσότερα από τέσσερα δισεκατομμύρια ανθρώπους στον αναπτυσσόμενο κόσμο είναι πιθανό να είναι πολύ διαφορετική. Οι χώρες με χαμηλότερο εισόδημα απασχολούν πολύ λιγότερους εργαζόμενους γνώσης και μεγαλύτερο ποσοστό του πληθυσμού τους εργάζεται σε τομείς που δεν είναι τόσο εύκολα αυτοματοποιήσιμοι, ιδίως στην γεωργία. Στις φτωχές χώρες, το μεγάλο ερώτημα δεν είναι το πώς η τεχνητή νοημοσύνη θα επηρεάσει εκατομμύρια εργαζόμενους, αλλά το πώς δισεκατομμύρια άνθρωποι θα χρησιμοποιήσουν την τεχνητή νοημοσύνη. Οι πιο μετασχηματιστικές εφαρμογές στον αναπτυσσόμενο κόσμο δεν θα είναι πιθανότατα εκείνες που θα αντικαταστήσουν τους ανθρώπους˙ θα είναι εκείνες που θα ανοίξουν νέες δυνατότητες για τους ανθρώπους.
Μέχρι στιγμής, σχεδόν όλες οι συζητήσεις για το πώς θα υποστηριχθεί η τεχνητή νοημοσύνη και πώς θα μετριαστούν οι κίνδυνοί της επικεντρώνονται στις πλούσιες χώρες, στις οποίες εδρεύουν οι εταιρείες και τα πανεπιστήμια που εργάζονται πάνω στην τεχνολογία. Αλλά επειδή οι επιπτώσεις της ΑΙ -καλές και κακές- θα εξελιχθούν διαφορετικά στις φτωχές χώρες, οι επενδύσεις και οι κανονισμοί που χρειάζονται αυτές οι χώρες είναι επίσης πιθανό να είναι διαφορετικοί. Φιλόσοφοι, οικονομολόγοι, και τεχνολόγοι έχουν ξοδέψει ατελείωτο μελάνι μελετώντας το μέλλον της τεχνητής νοημοσύνης στον ανεπτυγμένο κόσμο. Τώρα ήρθε η ώρα να σκεφτούμε μια ατζέντα για την τεχνητή νοημοσύνη για όλους τους άλλους.
ΜΗΧΑΝΙΚΗ ΔΥΝΑΜΗ
Η μηχανική μάθηση έχει ήδη αγγίξει τις ζωές των φτωχών του κόσμου. Σκεφτείτε τις εξελίξεις στον τομέα των πιστώσεων. Πολλοί φτωχοί άνθρωποι δεν έχουν οικονομικό ιστορικό και πιστωτική βαθμολογία και, ως εκ τούτου, έχουν μικρή πρόσβαση σε επίσημα δάνεια. Το 2010, πρότεινα έναν τρόπο δημιουργίας εναλλακτικών πιστωτικών βαθμολογιών, χρησιμοποιώντας μηχανική μάθηση για την εξαγωγή συμπερασμάτων σχετικά με την πιθανότητα αποπληρωμής από δεδομένα που συλλέγονται αυτόματα από δίκτυα κινητής τηλεφωνίας. Αυτή η μέθοδος είναι πλέον μια από τις πολλές που έχουν χρησιμοποιήσει δανειστές σε δεκάδες χώρες για να προσφέρουν μικρά δάνεια μέσω κινητού τηλεφώνου σε εκατομμύρια ανθρώπους. Άλλοι ερευνητές εφαρμόζουν τη μηχανική μάθηση στο ίδιο είδος δεδομένων για να εντοπίσουν ποια νοικοκυριά σε μια δεδομένη περιοχή είναι τα φτωχότερα, έτσι ώστε η βοήθεια να είναι έξυπνα στοχευμένη κατά την διάρκεια μιας κρίσης. Άλλοι πάλι την εφαρμόζουν σε δορυφορικές εικόνες, βελτιώνοντας τις πληθυσμιακές εκτιμήσεις με βάση τα μοτίβα των ανθρώπινων οικισμών και προβλέποντας ελλείψεις τροφίμων με βάση τα μοτίβα της βλάστησης. Τέτοια προγράμματα αναδεικνύουν μια ιδιαίτερη αξία της τεχνητής νοημοσύνης στον αναπτυσσόμενο κόσμο: σε περιβάλλοντα χαμηλής πληροφόρησης, η μηχανική μάθηση μπορεί να αντλήσει σήματα από νέες πηγές δεδομένων (data).
Οι δυνατότητες δεν σταματούν εδώ. Σκεφτείτε την σχολική εκπαίδευση. Τα περισσότερα εκπαιδευτικά συστήματα στις αναπτυσσόμενες χώρες δυσκολεύονται να παρέχουν ποιοτική διδασκαλία. Εξατομικευμένοι δάσκαλοι τεχνητής νοημοσύνης -chatbots με ατελείωτη υπομονή- ίσως κάποτε καλύψουν τις ανάγκες των περίεργων μαθητών σε απομακρυσμένα σχολεία. Θα μπορούσαν επίσης να βοηθήσουν τους επαγγελματίες να κάνουν την μετάβαση μεταξύ των δεξιοτήτων τους -επιτρέποντας, ας πούμε, στους εργάτες επισκευών να αυξήσουν τις δεξιότητές τους και να μάθουν μηχανική. Ή ας δούμε την υγεία. Σε μεγάλο μέρος του αναπτυσσόμενου κόσμου, είναι δύσκολο να δοθούν έγκυρες ιατρικές συμβουλές˙ τα συστήματα που λειτουργούν με τεχνητή νοημοσύνη θα μπορούσαν να προσφέρουν καλύτερες και ευρύτερα διαθέσιμες διαγνώσεις. Πολλές κοινότητες έχουν υψηλά ποσοστά κατάθλιψης και λίγους θεραπευτές˙ ψηφιακά εργαλεία ψυχικής υγείας, όπως οι θεραπευτές chatbot, θα μπορούσαν να καλύψουν μια πραγματική ανάγκη με χαμηλό κόστος. Η τεχνητή νοημοσύνη θα μπορούσε να διαδραματίσει παρόμοιο ρόλο βοηθώντας τους ανθρώπους να περιηγηθούν στις γραφειοκρατίες. Ένας Ινδός επιχειρηματίας που θέλει να εισέλθει σε μια νέα αγορά, για παράδειγμα, ίσως κάποια μέρα να μπορεί να βασιστεί σε μια εφαρμογή με τεχνητή νοημοσύνη για να συμπληρώσει τις απαιτούμενες άδειες.
Οι τεχνολογίες που επιτρέπουν αυτές τις πιθανές εφαρμογές θα συνεχίσουν να βελτιώνονται καθώς οι πλούσιες χώρες επενδύουν τεράστιους πόρους στην τεχνητή νοημοσύνη. Το κλειδί για τις αναπτυσσόμενες χώρες θα είναι να συμπληρώσουν αυτή την ροή επενδύσεων χρησιμοποιώντας τις τεχνολογίες που προκύπτουν σε προϊόντα και υπηρεσίες που ανταποκρίνονται στις τοπικές ανάγκες. Οι αναπτυσσόμενες χώρες διαθέτουν μεγάλο μέρος της κοινωνικής υποδομής που απαιτείται για την έναρξη νέων επιχειρήσεων: τεχνολογικά κέντρα, πανεπιστήμια, και ομάδες επιχειρηματιών. Οι εταιρείες τους, ωστόσο, έχουν ελάχιστα κίνητρα για να κατασκευάσουν εφαρμογές που απευθύνονται στους φτωχότερους ανθρώπους, η εξυπηρέτηση των οποίων σπάνια είναι κερδοφόρα. Ορισμένες μεγάλες χώρες μεσαίου εισοδήματος, όπως η Ινδία, έχουν την πολυτέλεια να ξεπεράσουν αυτό το πρόβλημα επενδύοντας σε τεχνολογίες τεχνητής νοημοσύνης για τους φτωχούς. Αλλά πολλές άλλες χώρες δεν διαθέτουν τους πόρους και την κλίμακα για να το πράξουν. Ως εκ τούτου, υπάρχει ένας ρόλος για τα δίκτυα των επιχειρηματιών, που μπορούν να μοιράζονται τη μάθηση διασυνοριακά, και για διεθνείς οργανισμούς όπως η Παγκόσμια Τράπεζα, που μπορούν να συντονίζουν τις επενδύσεις μεταξύ κυβερνήσεων και φιλανθρωπικών ιδρυμάτων.
ΚΑΜΠΥΛΗ ΕΚΜΑΘΗΣΗΣ
Υπάρχουν δύο βασικές κατευθύνσεις που θα μπορούσαν να ακολουθήσουν τα εργαλεία ΑΙ στον αναπτυσσόμενο κόσμο. Η πρώτη είναι να βρεθεί μια εργασία στην οποία η τεχνητή νοημοσύνη γίνεται καλή στις πλούσιες χώρες και να προσαρμοστεί για τις φτωχές χώρες. Για παράδειγμα, πολλοί επιχειρηματίες αναπτύσσουν δασκάλους chatbot για πλούσια σχολεία, εργαλεία που θα μπορούσαν να τροποποιηθούν ώστε να λειτουργούν σε μέρη με χειρότερη συνδεσιμότητα στο Διαδίκτυο και υψηλότερη αναλογία μαθητών προς δασκάλους. Η δεύτερη είναι να βρεθούν εντελώς νέες εφαρμογές για την Αι -νέα προϊόντα που θα μπορούσαν να καλύψουν τις ειδικές ανάγκες του αναπτυσσόμενου κόσμου. Για παράδειγμα, ένας οικονομικός σχεδιαστής με τεχνητή νοημοσύνη για αυτοσυντηρούμενους αγρότες θα μπορούσε να τους βοηθήσει να διαχειριστούν τους κινδύνους που ενέχουν οι αποφάσεις σχετικά με το τι να φυτέψουν. Πράγματι, ορισμένες καινοτομίες ξεκίνησαν σε μια φτωχή χώρα και έφτασαν σε πλουσιότερες χώρες αργότερα. Το σύστημα κινητών πληρωμών M-Pesa της Κένυας, για παράδειγμα, απογειώθηκε πολύ πριν από παρόμοιες εφαρμογές στις Ηνωμένες Πολιτείες.
Ενώ ορισμένα εργαλεία τεχνητής νοημοσύνης που αναδύονται από τις πλούσιες χώρες μπορεί να λειτουργήσουν καλά στον αναπτυσσόμενο κόσμο, άλλα θα χρειαστούν προσαρμογή. Ένα πρόβλημα είναι ότι τα περισσότερα συστήματα τεχνητής νοημοσύνης έχουν εκπαιδευτεί σε δεδομένα ειδικά για τον ανεπτυγμένο κόσμο, δεδομένα που συλλέγονται από ανθρώπους με σχετικά υψηλά εισοδήματα και είναι συνήθως γραμμένα στα αγγλικά. Μικρό μέρος του σώματος των γραπτών γνώσεων στον κόσμο αφορά τους φτωχούς ή παρουσιάζεται σε γλώσσες μειονοτήτων. Επιπλέον, τα συστήματα τεχνητής νοημοσύνης εκπαιδεύονται κυρίως για να παράγουν αποφάσεις και αποτελέσματα που ικανοποιούν τους πλούσιους καταναλωτές στην Δύση, οπότε μπορεί να κάνουν λάθη όταν συναλλάσσονται με φτωχότερους σε άλλα μέρη -για παράδειγμα, να χαιρετούν τους πελάτες με το μικρό τους όνομα σε μια κουλτούρα που θεωρεί μια τέτοια οικειότητα ως ασέβεια.
Οι πλούσιες Δυτικές κοινωνίες είχαν ένα προβάδισμα στην συγκέντρωση δεδομένων εκπαίδευσης, οπότε θα χρειαστεί χρόνος για να μπορέσουν τα μοντέλα τεχνητής νοημοσύνης να αντιπροσωπεύουν πλήρως ανθρώπους από τον υπόλοιπο κόσμο. Αλλά η διαδικασία μπορεί να επιταχυνθεί. Οι ερευνητές μπορούν να εντοπίσουν εφαρμογές που θα μπορούσαν να αποδειχθούν μετασχηματιστικές, αρκεί να μπορέσει κάποιος να κάνει τα data πίσω από αυτές πιο αντιπροσωπευτικά. Ένας ιατρικός σύμβουλος με τεχνητή νοημοσύνη, για παράδειγμα, μπορεί να είναι καλός στο να βοηθήσει ένα άτομο με υψηλή αρτηριακή πίεση στην Silicon Valley, αλλά λιγότερο χρήσιμος για κάποιον στο Λάγος που αντιμετωπίζει ελονοσία, επειδή δεν έχει έκθεση σε τοπικές ιατρικές περιπτώσεις. Ή ένα τέτοιο σύστημα θα μπορούσε να αποδειχθεί δημοφιλές μεταξύ των αγγλόφωνων, αλλά να μην είναι διαθέσιμο στα Γιορούμπα, μια από τις κύριες μητρικές γλώσσες της Νιγηρίας.
Για να αντισταθμιστεί η έλλειψη data από τον αναπτυσσόμενο κόσμο, πρέπει να δημιουργηθεί νέο περιεχόμενο για την εκπαίδευση των μοντέλων. Σε αυτό θα μπορούσε να βοηθήσει το crowdsourcing. Το κίνημα WikiAfrica, για παράδειγμα, συντόνισε την προσθήκη αφρικανικού περιεχομένου στην Wikipedia. Τέτοιες πρωτοβουλίες είναι ακόμη πιο πολύτιμες τώρα που αυτή η γνώση μπορεί να βελτιώσει τις αποφάσεις των μηχανών. Σε άλλους τομείς όπου η ορθότητα είναι πιο δύσκολο να διακριβωθεί -όπως η ιατρική ή η γεωργία-, το crowdsourcing δεν θα είναι αρκετό. Θα πρέπει να προσληφθούν εμπειρογνώμονες ή να ψηφιοποιηθούν αναλογικά δεδομένα, όπως τα χάρτινα αρχεία των κλινικών. Η παρουσίαση είναι μόνο ένα μέρος του παζλ, επειδή οι προγραμματιστές θα πρέπει να διαιτητεύσουν μεταξύ ομάδων με διαφορετικές αξίες. Διαφορετικές θρησκευτικές ομάδες στην Ινδία, για παράδειγμα, ίσως να διαφωνούν σχετικά με το τι συνιστά κατάλληλη ιατρική συμβουλή.
Ένα δεύτερο πρόβλημα με την εισαγωγή της τεχνητής νοημοσύνης στον αναπτυσσόμενο κόσμο είναι τεχνολογικό. Παρά την τεράστια πρόοδο, ο αναπτυσσόμενος κόσμος εξακολουθεί να υστερεί σε σχέση με τον ανεπτυγμένο κόσμο σε ορισμένα τεχνολογικά σημεία αναφοράς. Ορισμένες εφαρμογές τεχνητής νοημοσύνης θα απαιτήσουν ευρύτερη πρόσβαση σε smartphones, καλύτερη συνδεσιμότητα στο Διαδίκτυο, ή συστήματα ψηφιακής καταγραφής για την παρακολούθηση της απόδοσης των μαθητών σε ένα σχολείο, της υγείας των ασθενών σε ένα νοσοκομείο, ή της έκβασης των υποθέσεων σε ένα δικαστήριο. Για την τεχνητή νοημοσύνη, όπως και με τα προηγούμενα κύματα τεχνολογικής καινοτομίας, το κλειδί θα είναι να γίνει διάκριση μεταξύ των εφαρμογών που μπορούν να αποδειχθούν πολύτιμες σχετικά σύντομα, και εκείνων που θα παραμείνουν στην σφαίρα της επιστημονικής φαντασίας για το ορατό μέλλον. Αυτή η γραμμή θα μετατοπιστεί και θα διαφέρει από τομέα σε τομέα. Για παράδειγμα, η ιατρική έχει μικρότερη ανοχή στα λάθη που αναπόφευκτα θα κάνουν τα συστήματα τεχνητής νοημοσύνης, ενώ η γεωργία εξαρτάται από διαφοροποιημένους παράγοντες του περιβάλλοντος που είναι διαισθητικοί για τους αγρότες αλλά δύσκολο να εκφραστούν στα συστήματα τεχνητής νοημοσύνης.
ΤΑ ΟΡΙΑ ΤΩΝ ΝΟΜΩΝ
Τόσο στον ανεπτυγμένο όσο και στον αναπτυσσόμενο κόσμο, η διάδοση της τεχνητής νοημοσύνης θα εγκυμονεί κινδύνους. Όμως οι αναπτυσσόμενες χώρες αντιμετωπίζουν διαφορετικό φάσμα κινδύνων και είναι λιγότερο ικανές να ρυθμίσουν την τεχνολογία. Το κύριο ερώτημα είναι αν η τεχνολογία θα παραμείνει συγκεντρωτική, δηλαδή αν θα ελέγχεται από έναν μικρό αριθμό τεχνολογικών εταιρειών. Τα συγκεντρωτικά συστήματα τεχνητής νοημοσύνης είναι πιθανό να ρυθμίζονται σε μεγάλες αγορές όπως οι Ηνωμένες Πολιτείες και η ΕΕ. Οι μικρότερες αγορές μπορούν να ασκήσουν μόνο περιορισμένη πίεση, οπότε θα ζουν στην σκιά της ρύθμισης των ΗΠΑ και της ΕΕ. Αν και θα μπορούσαν να αποκλείσουν την πρόσβαση σε ένα κεντρικό σύστημα -για παράδειγμα, μπλοκάροντας διακομιστές, όπως ακριβώς έκαναν ορισμένες αυταρχικές κυβερνήσεις με το Twitter, το Facebook, και το YouTube-, δεν θα είναι σε θέση να εμποδίσουν το περιεχόμενο που παράγεται από ΑΙ να περνά τα σύνορα.
Ωστόσο, δεν είναι σαφές αν η ΑΙ θα παραμείνει συγκεντρωτική. Εναλλακτικές λύσεις ανοικτού κώδικα, όπως το Llama (ένα μεγάλο γλωσσικό μοντέλο που παράγεται από την ιδιοκτήτρια εταιρεία του Facebook, Meta) και η Stable Diffusion (μια γεννήτρια εικόνων που κατασκευάστηκε από την startup Stability AI) κερδίζουν έδαφος. Αυτά τα αποκεντρωμένα συστήματα μπορούν να τροποποιηθούν και να τρέξουν από οποιονδήποτε διαθέτει υπολογιστή. Αν γίνουν αρκετά χρήσιμα, θα είναι δύσκολο για οποιαδήποτε χώρα να τα βάλει άμεσα κάτω από κανόνες. Αλλά τέτοια ανοιχτά συστήματα μπορούν να προσαρμοστούν ευκολότερα στις τοπικές ανάγκες, επειδή συχνά είναι δωρεάν για χρήση και επειδή ο καθένας μπορεί να τροποποιήσει τον κώδικά τους. Δεδομένων των περιορισμένων μοχλών ρύθμισης, οι αναπτυσσόμενες χώρες ίσως πρέπει να συμβιβαστούν με την προσαρμογή στη νέα τεχνολογία αντί να την ελέγχουν. Για να μετριάσουν ζημιές, ίσως χρειαστεί να επικεντρωθούν στην ρύθμιση όχι της ίδιας της τεχνητής νοημοσύνης αλλά των βιομηχανιών που την χρησιμοποιούν -για παράδειγμα, καταφεύγοντας σε νόμους για την προστασία των καταναλωτών που καθιστούν τις εταιρείες υπεύθυνες όταν ένα προϊόν είναι επικίνδυνο, ανεξάρτητα από το αν χρησιμοποιεί τεχνητή νοημοσύνη.
Η τεχνητή νοημοσύνη έχει προκαλέσει μια υγιή συζήτηση σχετικά με την θέσπιση ρυθμίσεων στις πλούσιες χώρες. Ωστόσο, πολλές από τις προτάσεις για την αντιμετώπιση των κινδύνων της ίσως να είναι ανεπαρκείς στις φτωχές χώρες. Οι ρυθμιστικές Αρχές στην Δύση δεν έχουν την ικανότητα να αξιολογούν το πώς λειτουργούν οι κανόνες σε διαφορετικά πλαίσια˙ ένα σύστημα που πιστοποιείται ως ασφαλές στις Βρυξέλλες θα μπορούσε να μην λειτουργεί τόσο καλά στη Μπανγκαλόρ. Επιπλέον, τα πρότυπα των Δυτικών ρυθμιστικών Αρχών ίσως να είναι ακατάλληλα αυστηρά σε μέρη όπου οι υπάρχουσες εναλλακτικές λύσεις σε μια εφαρμογή ΑΙ είναι πολύ χειρότερες. Οι μετεωρολογικές προβλέψεις, για παράδειγμα, δεν χρειάζεται να είναι τέλειες για να βελτιώσουν αυτό που είναι διαθέσιμο στους αγρότες στις αναπτυσσόμενες χώρες. Και ακόμη και σε ρυθμίσεις με υψηλότερα διακυβεύματα, όπως η ιατρική, η τεχνητή νοημοσύνη ίσως σύντομα να είναι καλύτερη από τις υπάρχουσες επιλογές που είναι διαθέσιμες στους φτωχούς. Σε μια μελέτη του 2023 ελέγχθηκε η κλινική απόδοση σε χώρες με χαμηλό εισόδημα για να διαπιστωθεί ποιο κλάσμα των περιπτώσεων αντιμετωπίστηκε σωστά. Η απάντηση: λιγότερο από το μισό.
Ταυτόχρονα, ο μέσος άνθρωπος σε μια αναπτυσσόμενη χώρα είναι επίσης πιο ευάλωτος από τον αντίστοιχο άνθρωπο στον ανεπτυγμένο κόσμο. Πολλοί άνθρωποι στον αναπτυσσόμενο κόσμο έχουν ελάχιστα μέσα προσφυγής για να αμφισβητήσουν αυτοματοποιημένες αποφάσεις, όπως η απόρριψη μιας αίτησης δανείου. Τα νέα συστήματα τεχνητής νοημοσύνης συχνά αποδίδουν χειρότερα από όσο διαφημίζεται, και είναι πολύ εύκολο για τις εταιρείες να αγνοούν τα προβλήματα που προκύπτουν στους ανθρώπους με χαμηλότερο εισόδημα. Γι’ αυτό θα είναι σημαντικό για τις ρυθμιστικές Αρχές να διασφαλίσουν ότι οι καταναλωτές διαθέτουν επαρκείς διαδικασίες για την αναφορά προβλημάτων και την άσκηση προσφυγής κατά των αποφάσεων.
Πολλοί άνθρωποι στον αναπτυσσόμενο κόσμο είναι επίσης νεοφερμένοι στην ιδέα της τεχνητής νοημοσύνης και δεν έχουν ακούσει ποτέ πριν για αλγόριθμους. Επομένως, πρέπει να ληφθεί μέριμνα για την αποτελεσματική επικοινωνία. Μια μελέτη που διεξήγαγα με τον Joshua Blumenstock και τον Samsun Knight δείχνει ότι αυτό είναι εφικτό. Δώσαμε στους χαμηλού εισοδήματος Κενυάτες μια εφαρμογή που τους επιβράβευε οικονομικά με βάση τον τρόπο που χρησιμοποιούσαν το κινητό τους τηλέφωνο, χρησιμοποιώντας έναν αλγόριθμο που βαθμολογούσε την πιστοληπτική ικανότητα κάποιου. Όταν τα άτομα έλαβαν απλές περιγραφές του τρόπου λειτουργίας των αλγορίθμων, προσάρμοσαν την συμπεριφορά τους -ένα απτό σημάδι κατανόησης.
Υπάρχουν επίσης πολλά πολιτικά εμπόδια. Τα deepfakes -ρεαλιστικές φωτογραφίες, βίντεο, και ηχητικά κλιπ που παράγονται από την τεχνητή νοημοσύνη- μπορούν να έχουν ιδιαίτερα ολέθρια αποτελέσματα στις αναπτυσσόμενες χώρες, όπου τα πολιτικά συστήματα τείνουν να είναι εύθραυστα και η εμπιστοσύνη μεταξύ των ομάδων είναι συχνά χαμηλή. Καθώς οι άνθρωποι συνειδητοποιούν ότι τα μέσα ενημέρωσης μπορούν να δημιουργήσουν [ειδήσεις], ίσως να πάψουν να πιστεύουν ενοχοποιητικό περιεχόμενο που είναι στην πραγματικότητα αληθινό. Για την αποτροπή αυτών των προβλημάτων, η κοινωνία των πολιτών μπορεί να διαδραματίσει ρόλο στην οικοδόμηση της υποδομής εμπιστοσύνης -διαδίδοντας την επίγνωση ότι το περιεχόμενο ίσως να είναι πλαστό και δημιουργώντας ανεξάρτητους χώρους που αναπτύσσουν τις φήμες για την αξιολόγηση περιεχομένου.
Η τεχνητή νοημοσύνη θα επιτρέψει επίσης νέες μορφές επιτήρησης, όπως η παρακολούθηση ανθρώπων μέσω κινητών συσκευών και η αναγνώριση προσώπου. Οι περισσότερες αναπτυσσόμενες χώρες στην αγορά των εργαλείων παρακολούθησης υψηλής τεχνολογίας δεν αναπτύσσουν τα δικά τους, αλλά τα εισάγουν, συχνά από την Κίνα. Αυτή η εξωτερική ανάθεση (outsourcing) σημαίνει ότι η πραγματική εφαρμογή της τεχνολογίας με τεχνητή νοημοσύνη ίσως να είναι διάσπαρτη, καθιστώντας ευκολότερη την διαρροή των πληροφοριών που συλλέγονται από τρίτους και την παραβίαση των δικαιωμάτων με απρόβλεπτους τρόπους. Για άλλη μια φορά, η κοινωνία των πολιτών θα έχει ρόλο να διαδραματίσει, παρακολουθώντας τα νέα συστήματα και εφιστώντας την προσοχή στις καταχρήσεις.
ΠΙΣΩ ΣΤΟ ΜΕΛΛΟΝ
Αυτό το τρέχον κύμα τεχνητής νοημοσύνης έχει εισάγει προκλήσεις και ευκαιρίες με πρωτοφανή ταχύτητα. Αλλά έχουμε δει παρόμοιες τεχνολογικές μεταβάσεις και στο παρελθόν. Αν και τα κινητά τηλέφωνα σχεδιάστηκαν αρχικά για πλούσιους καταναλωτές, τα τελευταία 20 χρόνια έκαναν θραύση μεταξύ των φτωχών. Οι αναπτυσσόμενες χώρες επωφελήθηκαν από το τυποποιημένο υλικό -κεραίες και ακουστικά- που κατασκευάστηκε στην Δύση. Οι εταιρείες τηλεπικοινωνιών επινόησαν επιχειρηματικά μοντέλα που εξυπηρετούσαν τους φτωχούς, όπως τα προγράμματα κινητής τηλεφωνίας pay-as-you-go. Οι επιχειρηματίες ξεκίνησαν νέους οργανισμούς που επέτρεψαν στους ανθρώπους να χρησιμοποιούν τα τηλέφωνα για να στέλνουν χρήματα, να λαμβάνουν πιστώσεις, και να ελέγχουν τις τιμές. Αυτές οι καινοτομίες επέτρεψαν στα κινητά τηλέφωνα να φτάσουν γρήγορα στους περισσότερους φτωχούς του κόσμου και να τους συνδέσουν με την παγκόσμια οικονομία.
Αυτοί ακριβώς οι δεσμοί είναι που δημιούργησαν τις προϋποθέσεις για την εξάπλωση της τεχνητής νοημοσύνης. Ωστόσο, παρά την επιτυχία των κινητών τηλεφώνων, ακόμη και αυτή η καινοτομία δεν έχει αξιοποιήσει [πλήρως] τις δυνατότητές της στον αναπτυσσόμενο κόσμο. Οι περισσότερες καινοτομίες του ιδιωτικού τομέα έχουν επικεντρωθεί στις ανάγκες των πλουσίων. Πολύ περισσότερα έχουν επενδυθεί σε εφαρμογές που συνδέουν τους πλούσιους καταναλωτές με οδηγούς, εξοχικά, και έτοιμα γεύματα παρά σε εφαρμογές που συνδέουν τους αυτοσυντηρούμενους αγρότες με τις αγορές και τα απομακρυσμένα παιδιά με τη μάθηση. Η καινοτομία του ιδιωτικού τομέα στον τομέα της τεχνητής νοημοσύνης είναι πιθανό να μεταμορφώσει πολλούς κλάδους, από την εκπαίδευση έως την υγεία και τη νομοθεσία. Αλλά η αξιοποίηση του πλήρους δυναμικού της τεχνολογίας για τις αναπτυσσόμενες χώρες θα απαιτήσει την διαμόρφωση ενός επεκτατικού οράματος για το τι είναι δυνατό -και την ιδιαίτερη προσοχή στους ανθρώπους των οποίων τις ζωές θα μπορούσε να αλλάξει.
