在过去几年中，人工智能（AI）一直备受全球关注，这项快速发展的技术有时会成为焦虑甚至恐惧的来源。但AI的发展并不一定是可怕的事情——实际上，有许多方法可以利用这一新兴技术造福人类。
在《AI for Good》（Wiley, 2024）一书中，微软AI for Good研究实验室的高级总监Juan M. Lavista Ferres和William B. Weeks揭示了目前世界各地数十个项目中是如何利用有益的AI技术的。他们解释了AI如何通过多种方式改善社会，例如，在可持续性项目中使用卫星从太空监测鲸鱼或绘制冰川湖泊地图。AI还可以在自然灾害后发挥作用，比如2023年土耳其发生的毁灭性地震，或者用于社会公益，如遏制在线虚假信息的传播。此外，AI在健康领域也有显著的好处，包括研究COVID-19的长期影响、使用AI管理胰腺囊肿或在脆弱人群中检测麻风病。
在这段摘录中，作者详细描述了大型语言模型（LLM）如ChatGPT或Claude 3的近期崛起，以及它们如何在当今的AI领域中变得重要。他们还讨论了这些系统已经在世界上产生了显著的积极影响。
语言模型的崛起
当今的语言技术核心，如GPT，基于语言模型的概念。想象一下，你开始一个句子：“今天早上我醒来，看到一只美丽的蓝色______。”接下来应该是什么？语言模型根据从大量文本数据中得出的概率来预测句子的延续。例如，“天空”可能是一个高度可能的延续词。然而，模型的复杂性使其能够考虑各种可能性，如“鸟”或“车”，每个词都有特定的概率，展示了它对不同上下文的细微理解。
尽管存在局限性，LLM的影响是显著的，尤其是在2023年的下半年。例如，GPT-4已经取得了重大里程碑，如通过律师资格考试的多项选择题和写作部分。这些模型的真正力量在于它们能够从庞大的信息源中学习：万维网。这个巨大的资源包含了我们集体人类知识的很大一部分，无疑是世界上最重要的数据集。通过在这个巨大的数据集上进行训练，LLM可以构建一个世界表示，复制人类理解中的复杂关系。
总之，虽然这些先进的LLM不具备真正的理解和意识，但它们处理和模仿人类语言和思维的能力是极其强大的。随着我们继续发展和完善这些技术，了解它们的能力、局限性和带来的伦理影响至关重要。
LLM作为语言辅助工具
当我们讨论LLM时，大多数讨论集中在AI在医疗诊断等领域的强大能力，但一个不太常被讨论的领域是LLM作为语言辅助工具，帮助非母语者流利地写作。
这个机会对我来说非常有意义。我是一名非母语英语使用者，领导着一个研究实验室，其中超过70%的成员来自全球南方，也是非母语者。大约95%的研究以英语发表，但只有4.7%的全球人口是母语英语使用者。当我在我的祖国乌拉圭做演讲时，我总是强调掌握编码和英语的重要性。我很幸运，我的父母确保我从小就学习英语。然而，许多聪明的人没有这样的机会。
借助GPT，用英语自信写作的能力现在触手可及。像GPT这样的LLM并不是万能药，但它们有潜力以惊人的方式弥合语言差距。一个好的翻译工具不仅提供两种语言之间的字面翻译，还必须传达意义、语气、文化内涵和上下文。
LLM通过改进结构不好的文本，将其转化为类似于母语者的表达方式。这对于经常与英语语法和句法的细微差别作斗争的非母语者来说尤为重要。该模型不仅确保语法准确性，还通过增强词汇来匹配母语英语出版物的质量。
LLM用于普及编程
我认为自己在生活的许多方面都很幸运，特别是因为我的父母在我八岁时给了我一台电脑。这种早期接触使我有机会学习编码。编码对我生活的影响是不可否认的。然而，在我的朋友和同学中，我是唯一拥有这种特权的人。三十多年后的今天，不到0.5%的世界人口知道如何编码。
学习编码就像掌握一门新语言，是我们与计算机编程的接口。尽管更多人学习编码带来了显著的积极影响，但在未来几十年内，很难预见程序员数量会有激增。
然而，LLM的到来可能会带来重大转变。像GPT-4这样的先进系统有能力将自然语言转换为实际的编程语言。这些模型使人们能够用他们的母语编写程序并自动化流程，无论是英语、西班牙语、普通话还是其他语言。这项技术有可能普及编程，扩展到数亿人，缩小那些能够编码和不能编码的人之间的差距。
LLM在医学领域的应用
2023年4月，John W. Ayers及其同事在JAMA Internal Medicine上发表了一项研究，比较了医生和GPT-4在回答患者问题时的回答。研究发现，GPT-4不仅比医生提供了更准确的答案，还表现出更大的同情心。
值得注意的是，GPT-4并没有接受大量医学知识的培训，其中很多仍然隐藏在付费墙后面。此外，该模型并未专门针对医疗场景进行训练。尽管存在这些限制，其出色的表现突显了这类模型的潜在影响。
目前，约有40亿人——几乎占世界人口的一半——无法获得医疗服务。虽然近年来医疗访问有所改善，特别是在全球南方，但挑战仍然巨大。
这些AI模型并不会取代医生。然而，如果它们能够对人类的询问提供准确的回答，那么它们可以使医生专注于他们擅长的领域。尽管我们尚未看到这些模型在实际医疗咨询环境中部署，但令人鼓舞的结果表明，它们可能有助于解决全球医疗保健差异。
(全文结束)
