开源人工智能可以加速可持续发展目标
开源人工智能可以加速可持续发展目标 开源人工智能为全球推进可持续发展目标提供了一个重大机遇。2018年至2024年间，其在支持这些目标方面的应用增长了300%，在农业、生态系统管理和应对气候变化等领域贡献显著。这种开放模式允许每个人研究、修改和分享工具，旨在高效且包容地加速进展。
然而，其扩展也暴露出复杂的挑战。缺乏结构化的治理框架可能导致资源过度消耗和伦理漏洞。例如，在低效的本地基础设施上分散开发冗余模型加剧了行业的碳足迹。此外，开源工具的易用性降低了深度伪造和针对性错误信息的制作成本，对信息的安全性和可信度构成威胁。
另一个问题是数字殖民主义，全球北方的强大国家和机构控制着数据和基础设施，限制了南方国家的自主权。为特定本地环境设计的数据集可能在其他地方应用效果不佳，导致错误并降低治理解决方案的相关性。
为应对这些挑战，提出了四项关键行动。第一项是将可持续性整合到模型的整个生命周期中，通过优化硬件基础设施并避免冗余开发带来的浪费。例如，模型蒸馏技术可以将模型大小减少高达70%，从而降低其环境影响。另一个方向是采用液冷数据中心并使用可再生能源，可减少20%的能源需求和52%的水消耗。
第二项行动旨在建立一个定量评估框架，以衡量人工智能对可持续发展目标的影响。这需要创建综合指标，整合本地和全球数据，从而精确评估正面和负面影响。例如，可持续性标准可能涵盖40多个社会、环境和经济指标，提供清晰的真实影响视图。
第三项行动依赖于监管和透明度。为了防止滥用，必须实施强制审计、对抗性测试和明确的许可证来定义允许的用途。开发者应使用经过审计的数据集以限制偏见，而政府可以实施严格的政策来防止恶意内容的传播。用户则有责任以伦理的方式使用这些工具，并举报不当使用。
最后，第四项行动鼓励全球合作和知识共享。尽管获取渠道已民主化，但在基础设施、人才和数据主权方面仍存在不平等。创建遵循可发现性、可访问性和可重用性原则的开放访问平台，对确保资源的公平获取至关重要。例如，全球人工智能治理对话等机构可以通过发布年度报告和组织政府间谈判来加强合作。
在区域层面，全球平台与当地研究中心的合作可以结合共享的基础模型与各自上下文的特定数据。这有助于部署适应性解决方案，同时尊重数据保护法规。例如，澳大利亚人工智能研究所或法国国家人工智能评估与安全研究所等机构在这一本地化过程中发挥关键作用。
开源人工智能结合适当的治理，可以改变决策过程，使其更加包容且基于证据。它能够更快速地识别优先事项、障碍和可持续转型路径，即使面对复杂挑战。通过整合全球公民的经验教训，它还可以使2030年后的议程更具代表性和有效性。
开源模型还提供了具体的优势。在性能相当的情况下，其成本比专有模型低5到29倍，从而扩大了可及性。例如，专注于气候的自然语言处理模型有助于打击错误信息，而其他在医疗领域使用的模型可能缓解某些地区的治疗师短缺。在经济领域，中小企业可以采用并定制这些技术来优化生产。
然而，如果缺乏适当的治理，风险依然存在。电子材料的生产和人工智能所需的基础设施增加了全球有毒废物。此外，近60%的标记为开源的模型没有任何许可证，这使得其安全使用变得复杂。未受监管的模型的扩散还使恶意行为者更容易发现漏洞，增加了网络钓鱼或仇恨言论传播的风险。
为了最大化开源人工智能的益处，协调一致的方法必不可少。它必须结合可持续性、严格评估、安全性和合作，以减少不确定性，并确保这项技术真正服务于全球进步。
开源人工智能可以加速可持续发展目标
开源人工智能可以加速可持续发展目标 开源人工智能为全球推进可持续发展目标提供了一个重大机遇。2018年至2024年间，其在支持这些目标方面的应用增长了300%，在农业、生态系统管理和应对气候变化等领域贡献显著。这种开放模式允许每个人研究、修改和分享工具，旨在高效且包容地加速进展。
然而，其扩展也暴露出复杂的挑战。缺乏结构化的治理框架可能导致资源过度消耗和伦理漏洞。例如，在低效的本地基础设施上分散开发冗余模型加剧了行业的碳足迹。此外，开源工具的易用性降低了深度伪造和针对性错误信息的制作成本，对信息的安全性和可信度构成威胁。
另一个问题是数字殖民主义，全球北方的强大国家和机构控制着数据和基础设施，限制了南方国家的自主权。为特定本地环境设计的数据集可能在其他地方应用效果不佳，导致错误并降低治理解决方案的相关性。
为应对这些挑战，提出了四项关键行动。第一项是将可持续性整合到模型的整个生命周期中，通过优化硬件基础设施并避免冗余开发带来的浪费。例如，模型蒸馏技术可以将模型大小减少高达70%，从而降低其环境影响。另一个方向是采用液冷数据中心并使用可再生能源，可减少20%的能源需求和52%的水消耗。
第二项行动旨在建立一个定量评估框架，以衡量人工智能对可持续发展目标的影响。这需要创建综合指标，整合本地和全球数据，从而精确评估正面和负面影响。例如，可持续性标准可能涵盖40多个社会、环境和经济指标，提供清晰的真实影响视图。
第三项行动依赖于监管和透明度。为了防止滥用，必须实施强制审计、对抗性测试和明确的许可证来定义允许的用途。开发者应使用经过审计的数据集以限制偏见，而政府可以实施严格的政策来防止恶意内容的传播。用户则有责任以伦理的方式使用这些工具，并举报不当使用。
最后，第四项行动鼓励全球合作和知识共享。尽管获取渠道已民主化，但在基础设施、人才和数据主权方面仍存在不平等。创建遵循可发现性、可访问性和可重用性原则的开放访问平台，对确保资源的公平获取至关重要。例如，全球人工智能治理对话等机构可以通过发布年度报告和组织政府间谈判来加强合作。
在区域层面，全球平台与当地研究中心的合作可以结合共享的基础模型与各自上下文的特定数据。这有助于部署适应性解决方案，同时尊重数据保护法规。例如，澳大利亚人工智能研究所或法国国家人工智能评估与安全研究所等机构在这一本地化过程中发挥关键作用。
开源人工智能结合适当的治理，可以改变决策过程，使其更加包容且基于证据。它能够更快速地识别优先事项、障碍和可持续转型路径，即使面对复杂挑战。通过整合全球公民的经验教训，它还可以使2030年后的议程更具代表性和有效性。
开源模型还提供了具体的优势。在性能相当的情况下，其成本比专有模型低5到29倍，从而扩大了可及性。例如，专注于气候的自然语言处理模型有助于打击错误信息，而其他在医疗领域使用的模型可能缓解某些地区的治疗师短缺。在经济领域，中小企业可以采用并定制这些技术来优化生产。
然而，如果缺乏适当的治理，风险依然存在。电子材料的生产和人工智能所需的基础设施增加了全球有毒废物。此外，近60%的标记为开源的模型没有任何许可证，这使得其安全使用变得复杂。未受监管的模型的扩散还使恶意行为者更容易发现漏洞，增加了网络钓鱼或仇恨言论传播的风险。
为了最大化开源人工智能的益处，协调一致的方法必不可少。它必须结合可持续性、严格评估、安全性和合作，以减少不确定性，并确保这项技术真正服务于全球进步。
Crédits des sources
Source principale
DOI : https://doi.org/10.1038/s41467-026-73866-8
Titre : Steering open-source AI to accelerate the sustainable development goals
Revue : Nature Communications
Éditeur : Springer Science and Business Media LLC
Auteurs : Min Chen; Kai Wu; Prajal Pradhan; Cameron Allen; Stefano Nativi; Klaus Hubacek; Alexey Voinov; Felix Creutzig; Tatiana Filatova; Niklas Boers; Michael Meadows; Peilong Ma; Frank Biermann; Hans Joachim Schellnhuber; John Ludden; Maria Paradiso; Michael Batty; Huadong Guo; Min Cao; Peng Hou; Guonian Lü