万事达卡发起了“人工智能加速包容性挑战赛”，旨在通过AI技术推动社会影响。该挑战赛收到了来自82个国家的500多份提交作品，最终有五个组织脱颖而出，成为赢家。这些组织将获得20万美元的技术援助和导师支持，由万事达卡和data.org赞助。以下是这五个组织的具体介绍及其面临的挑战：
桥接哥伦比亚小微企业的资金缺口：Quipu
在哥伦比亚，近600万家企业属于微型企业，员工人数少于10人，资本有限。其中只有9%的企业可以正式借款，原因是缺乏关于其业绩的信息和财务历史，这导致了巨大的资金缺口。Quipu通过使用AI来更准确地评估这些小企业的信用状况，填补信息空白。它通过分析非传统数据（如移动交易记录、社交媒体互动、短信和支付模式）建立评分模型，并提供一个融资平台和小额贷款，使这些企业能够基于金融和非金融信息构建替代信用评分。通过Quipu的应用程序，客户可以在几分钟内申请营运资金，并在两天内获得放款。
加强埃塞俄比亚的社区医疗保健：IDinsight
二十年前，埃塞俄比亚推出了一种新的农村医疗保健模式，培训并部署了数千名健康扩展工作者，为当地社区服务，显著改善了母婴健康，并减少了新HIV感染、结核病和疟疾相关死亡。为了进一步提升这一成功，IDinsight与Last Mile Health及埃塞俄比亚卫生部合作，开发了一个AI驱动的呼叫中心，健康扩展工作者可以通过该中心获得复杂病例的实时医疗指导。该AI解决方案包括案例管理系统和基于全面卫生部指南的问题解答服务，提供实时支持，使呼叫中心代理能够将关键信息传达给医护人员，确保高质量医疗服务。
向全球危机人群传递救命信息：国际救援委员会的Signpost项目
目前，全球有1.2亿人流离失所，因冲突、自然灾害、贫困和暴力等原因而被迫迁移。受影响的人们在整个迁徙过程中需要做出至关重要的、改变人生的重大决策，但信息有限。2015年，国际救援委员会启动了Signpost项目，建立了数字帮助中心，用户可以在此找到准确及时的信息、访问关键服务并直接向当地版主提问，如如何获取住房、能否获得临时工作许可、能否让孩子入学等。Signpost在全球拥有近30个活跃项目，2024年已有超过600万用户。然而，随着流离失所人数增加，信息需求也随之增加。在2023年阿富汗危机期间，一条Facebook帖子在一个月内收到了3万条消息，使当地的Signpost团队不堪重负。2024年，IRC领导的Signpost项目推出了Signpost AI，通过AI代理和人工监督增强关键信息的传递，减轻版主负担，确保及时准确的响应，改善全球流离失所人口对资源和服务的获取。
构建印度养蜂业的知识网络：Buzzworthy Ventures
印度仍然是全球农业大国，但在农业价值链中，养蜂业却缺乏关注。印度有40万小型养蜂户，许多人难以维持生计，更不用说通过昆虫授粉提高作物产量带来的经济潜力。在印度，昆虫授粉每年贡献225.2亿美元，远超蜂蜜和蜂产品市场，但这一潜力尚未得到充分利用。因此，Buzzworthy Ventures创建了Beekind，一款AI驱动的移动应用程序，旨在赋能小型养蜂户，特别是女性、小土地持有者、无地农民和部落人口等农村和边缘化社区成员。它提供实时洞察和预测分析，帮助养蜂户管理蜂巢健康、诊断疾病、提高蜂蜜产量并适应气候变化。
关闭美国的健康财富差距：Link Health
急诊医生Alister Martin经常看到贫困是患者前往急诊室的主要原因。他意识到“金钱即药物”——帮助患者获得现金援助和联邦福利，可以解决健康不佳的根本原因，缩小健康与财富之间的差距。这促使他创建了Link Health，该计划将患者与未使用的联邦援助计划（如SNAP、WIC和Lifeline）连接起来，以缓解加剧健康差异的财务压力。AI驱动的注册平台和聊天机器人旨在解锁1000万美元的州和联邦福利，减少贫困，降低财务压力，改善福祉。
最大的挑战是什么？
Mercedes Bidart，Quipu的首席执行官兼联合创始人：“最大的挑战是获得第一笔资金以开始贷款，训练我们的评分模型。创建新的信贷评估解决方案类似于先有鸡还是先有蛋的问题：你需要资金来构建解决方案，但直到测试后才能获得资金。”
Sid Ravinutula，IDinsight的首席数据科学家：“第一个挑战是技术上的。在医疗保健环境中，治疗和建议必须100%准确——不允许有任何幻觉。这需要不同于流行的检索增强生成架构的方法。我们需要构建一个准确捕捉治疗方法和诊断协议的图谱。第二个挑战是创建具有代表性的基准和验证集。在迭代和改进模型之前，我们需要一个涵盖这些工作人员可能询问的所有主题的数据集，并考虑他们可能会如何提问——使用缩写、口语术语、表情符号等。构建高质量的基准数据集成本高昂，通常需要人工标注。”
André Heller，Signpost的项目经理：“最大的挑战之一是开发既包容又上下文准确的AI工具。训练AI理解少数语言、地区方言和文化细微差别需要广泛的数据整理、专业知识和测试。此外，确保AI生成的响应遵守人道主义原则，不传播偏见，需要建立强有力的安全措施，例如人工参与监督和伦理输出的宪法重写。平衡创新与这些严格标准既具挑战性又至关重要。”
Monika Shukla，Buzzworthy Ventures的首席执行官兼联合创始人：“主要挑战在于弥合先进AI技术和基层农村环境采用之间的鸿沟。尽管印度互联网连接迅速增长——2023年互联网用户超过7亿，主要由廉价智能手机推动——但接入仍然不均衡。这种数字鸿沟加上偏远森林和村庄的网络覆盖不全，对需要持续连接和用户交互的AI驱动解决方案构成了重大障碍。”
Alister Martin，Link Health的首席执行官：“许多家庭在获取公共福利方面存在障碍。然而，最大的挑战是在已经负担过重的医疗环境中无缝集成Link Health的干预措施。这需要赢得医疗工作者的信任，确保导航员不会干扰患者护理，同时展示对患者和医疗系统的可衡量益处。”
如何确保解决方案既定制又包容？
Mercedes Bidart，Quipu：“为减少偏见，我们使用多样化的数据集，定期审计AI模型，并应用人工参与验证，以确保公平和公正的信用评估。我们的算法经过严格测试，防止性别和种族偏见，并不断监控和更新以符合道德标准。我们还为用户提供可访问的申诉程序，允许他们质疑或上诉AI决定。”
Sid Ravinutula，IDinsight：“首先，我们将其作为开源解决方案构建。我们希望这将加速类似工具在其他环境中的部署，允许组织根据具体需求进行构建。其次，我们确保它可以轻松定制和扩展到本地环境。这包括遵守本地指南、切换AI模型或添加新保护措施。通过创建可以针对每个环境进行微调的通用模型，我们确保解决方案广泛适用，同时尊重每个环境的独特要求。”
André Heller，Signpost：“Signpost AI使用来自可信来源和当地NGO的精心策划和验证的数据进行训练。这确保AI反映了区域方言、文化规范和少数语言，填补了服务不足人群的关键空白。AI代理支持语音和文本输入，使低识字率人群也能访问。工具经过本地语言专家和社区版主的测试和优化，以验证准确性和包容性。我们的AI宪法民主地确立了伦理规则，包括非歧视和创伤敏感语言，并通过持续审计来减少偏见。”
Monika Shukla，Buzzworthy Ventures：“Beekind根据特定区域、生态和作物条件量身定制其技术与触觉解决方案，整合气候、植物和农业实践等超本地因素。为此，我们积极邀请当地养蜂户、研究人员、农业专家和社区领袖共同设计实践、模型和实施策略，确保解决方案符合其服务对象的实际生活。我们优先考虑女性和小农户——印度农业生态系统中的关键但服务不足的贡献者。例如，通过提供性别敏感的培训和创造包容对话空间，我们赋予女性积极参与并从养蜂价值链中受益的权利。包容性不仅是原则；它是我们方法的实际基石。”
Alister Martin，Link Health：“导航员会在物理和情感上与患者接触，通常在候诊室，并根据患者的具体需求调整方法，例如为老年人报名参加Medicare储蓄计划。通过设计优先考虑可访问性和使用受信任的社区信使的系统，该计划确保有效服务多样化人群，特别是服务不足的社区。”
最大的担忧是什么？
Mercedes Bidart，Quipu：“构建AI模型时最重要的部分是数据集。一个好的模型应该有一个好且公平的结果，唯一实现这一点的方法是用代表各地区特点的多样化数据集训练模型。另一个重要部分是构建模型的人/团队。只有20%的AI工作由女性完成，这意味着结果没有从性别角度进行审查。我们需要更多女性领导AI解决方案。”
Sid Ravinutula，IDinsight：“可靠性。在医疗保健中，错误的诊断或不完整的治疗可能导致灾难性后果。然而，AI模型本质上表现出随机性。例如，多次问同一个问题可能会得到略有不同的答案。同样，重新表述一个问题也会产生不同的答案。虽然大多数答案可能传达相同信息，但有些可能是不完整或误导性的，可能造成伤害。强大的防护措施至关重要，以确保所有答案正确、完整和尊重。”
André Heller，Signpost：“最大的担忧是AI通过偏见、错误信息或排斥造成的潜在危害。对于弱势群体，错误信息可能带来改变人生的后果。确保AI上下文准确、透明和合乎伦理需要持续监督、测试和与当地专家合作。我们通过实施人工参与监督进行质量控制、偏见审计和伦理审查来完善响应，并通过透明框架如AI宪法来管理输出，减少有害风险。我们始终保持警惕，在平衡AI创新与责任和信任之间。”
Monika Shukla，Buzzworthy Ventures：“当AI模型使用不完全代表其所服务社区的数据进行训练时，存在强化现有不平等的风险。例如，许多AI系统使用主要语言的数据进行训练，而地方方言和口头语言往往被忽视。在印度，许多部落和地区社区讲的语言缺乏强大的数字数据集。这种代表性不足可能导致模型无法准确解释或回应这些社区的需求。此外，地区口音、语音模式和生活实践往往被忽视，使AI解决方案对这些群体效果较差甚至有害。”
Alister Martin，Link Health：“最大的担忧是AI系统可能延续现有偏见，特别是在服务不足人群中。没有仔细监督，算法可能会无意中排除最需要帮助的人或未能考虑到他们面临的系统性不平等。确保AI在决策中的透明度、问责制和合乎伦理的使用至关重要，以避免加剧差异。这也是为什么我们在关键环节保持人工参与的原因——并且我们将继续在发展AI工具时保持人工参与。”
哪个行业可以从AI中受益最多？
Mercedes Bidart，Quipu：“教育行业。我相信教育已经发生变化，我们有机会使其更加民主化。Quipu围绕教育所做的工作是开发了一个通过WhatsApp支持客户业务管理的AI助手。一个机器人可以支持数百万人的教育和成长，而无需为每个企业提供一名顾问。”
Sid Ravinutula，IDinsight：“IDinsight是跨行业的。虽然这个项目集中在医疗，但我们也在教育和社会保护领域开发了AI解决方案。农民面临与社区健康工作者相似的信息障碍。他们需要了解适合其地区的最佳作物和最佳化肥组合，并协助诊断作物疾病和治疗方法。在教育中，AI用例包括个性化导师、AI生成的教学计划和AI驱动的评估与评价。我们曾用AI识别印度失学女孩，帮助一家NGO增加女孩入学率。最后，AI可以帮助公民获取政府福利，协助确定资格并导航复杂的申请过程。”
André Heller，Signpost：“随着AI的进步，很难想象哪个行业不会被改变。问题只是何时——两年还是五年？从商业运营到数据分析，再到医疗诊断和几乎任何领域的研究，一切将以我们前所未见的速度进步。人们何时能有效利用它只是一个时间问题。一个实际例子是气象学与灾害管理之间的联系。天气警报和灾害预警系统，如洪水、飓风、干旱和极端天气事件，都具有从AI中受益的巨大潜力。先进的AI模型可以分析实时气象和水文数据，更准确地预测灾害并提供早期预警，从而更全面地应对，包括脆弱人群、当地企业、供应链和政府。Signpost已经开始通过FloodHub利用AI进行洪水响应，结合AI预测和实时更新，帮助社区准备和减轻洪水影响。”
Monika Shukla，Buzzworthy Ventures：“医疗行业有望从AI中显著受益，特别是在诊断、个性化医疗和优化农村地区的医疗供应链方面。AI工具可以帮助通过医学图像或诊断测试早期检测疾病，如疟疾和结核病。例如，AI模型可以分析胸部X光片或血液样本，即使在资源匮乏的环境中也能发现疾病的早期迹象。这可以加快诊断和治疗速度，最终挽救生命并减少欠发达地区的医疗费用。AI还可以优化偏远医疗系统中的物流，确保及时向欠发达地区运送医疗用品和疫苗，这对农村人口较多的国家至关重要。”
Alister Martin，Link Health：“教育行业有望从AI中获益良多，特别是在个性化学习体验方面。AI可以帮助识别学习差距，提供定制支持，并为学生和家庭提供多语言资源，这是传统模式无法做到的。通过解决优质教育资源获取不均的问题，AI可以对未来健康和社会经济成果产生变革性影响。”
(全文结束)
