文章从人工智能与可继续开展方针间的关联度下手，将悉数可继续开展方针划分为社会、经济以及环境三个范畴维度，侧重剖析人工智能对相应范畴施加的活跃与消沉影响。继而剖析依据之间的关联度，在检视既有研讨空白的基础上，提出打造可继续人工智能的若干主张。本文是文章的中心内容摘要。
注：图3左边绿色a部分标明AI对SDGs的活跃影响占比79%，右侧橘黄部分标明AI对SDGs的消沉影响占比达35%。饼状图代表17项SDGs方针，别离从社会、经济和环境三个范畴维度标明AI的正面和负面影响。就活跃影响而言，人工智能能够促进完成134个细分方针，别离占比到达82%、70%和93%；就消沉影响而言，人工智能或许按捺59个细分方针，占比别离达38%、33%和30%。
注：图4将17项SDGs方针中的方针1、方针2、方针3、方针4、方针5、方针6、方针7、方针11、方针16划入社会范畴，绿色部分标明AI扮演活跃人物，橘黄色部分标明AI扮演消沉人物。
在社会范畴中有67项细分方针（占比达82%）能够从人工智能中获益。例如方针1（消除贫穷）、方针4（优质教育）、方针6（清洁水源与环境）、方针7（可继续动力）、方针11（可继续宜居城市）。例如人工智能既能够助力低碳体系城市的创立，完成可继续动力、可继续宜居城市和气候改变应对等方针。在才智城市或循环经济中完成更高效地资源运用，或许促进自动驾驶轿车与智能家电的快速开展。此外，人工智能可整合多重形状的可再生动力，经过智能电网将部分电力需求与光能、风能相匹配，以此继续改进全球动力运用功率。
一是人工智能难以克服各国资源不均的问题。先进的人工智能技能、研讨和产品需求很多的核算资源，继而发生巨大动力需求，而上述资源只要经过大型核算机中心才干取得。例如发达国家发明的以比特币为代表的加密钱银运用发生的全球用电量，恐怕与部分开展中国家全国的电力需求相同多，这就违反了保证人人取得负担得起的、可继续的现代动力的方针。
二是在促进可继续开展方针的一起，恐引发不持平。例如对消除贫穷、遍及优质教育和促进性别持平三大方针起到按捺效果。以方针1.1消除极点贫穷为例，虽然人工智能可运用卫星辨认技能加强国际协助，但会额定前进技能门槛，加重现有不持平。此外，人工智能技能设备散布不均衡也会加重不持平。例如小规划农业生产者并不具有杂乱的人工智能农业设备，或许加大与规划生产商之间的距离，从而影响了消除饥饿，对到达粮食安全的方针形成晦气影响。
三是人工智能没有充沛评价算法、图像辨认或强化学习等技能对性别轻视和少量族群的潜在影响。例如，机器学习算法不加批判地挑选日常新闻来练习，将无意间学习到实际社会对女人的成见，继而嵌入其自然言语算法中。此种成见轻视发生的本源，除了缺少多样性的数据集外，劳动力集体中缺少女人和种族的多样性也是重要原因。
注：图5将SDGs方针中的方针8、方针9、方针10、方针12、方针17划入经济范畴，绿色部分标明AI扮演活跃人物，橘黄色部分标明AI扮演消沉人物。
在经济范畴中有42项细分方针（占比达82%）能够从人工智能中获益，而有20个方针（占比30%）会被按捺。现有文献标明，若未来经济过度依赖于数据剖析，则发达国家与中低收入国家的经济距离日益增大，引发新的不持平，严重影响方针8（打造耐久、容纳和可继续的经济添加）、方针9（基础设施与工业化）以及方针10（削减国家间的不持平）的完成。以国家内部的不持平为例。上世纪90年代通用、福特和克莱斯勒公司与苹果、谷歌和脸书公司的职工数简直持平，但2014年后者人数在大幅下降的一起，股票市值却添加30倍，这都因为更多低技能作业被技能替代。
注：图6将方针13、方针14、方针15划入环境范畴，绿色部分标明AI扮演活跃人物，橘黄色部分标明AI扮演消沉人物。
在环境范畴中有25项细分方针（占比达93%）能够从人工智能中获益。用以继续改进生态体系。例如人工智能能够经过大规划数据剖析来拟定出一致和谐的联合环保举动。就方针13应对气候改变而言，有依据标明人工智能的前进将协助人们加深对气候改变的了解，促进对气候改变影响的建模作业。此外，人工智能也将进步低碳动力体系和高度集成的可再生动力体系功率，满意气候改变所需。
人工智能还可增强应对气候改变的前期预警才能，智能化手法能够强化各国抵挡和习惯气候相关自然灾害的才能。就防治荒漠化、康复损坏植被而言，运用神经网络等相关技能，能够前进卫星图像辨认速率，及时供给荒漠化延伸态势，为后续绿色办理供给协助。
全体上看，在悉数169个细分方针中，AI能对134项发生活跃促进效果，占比高达79%。对59个详细方针发生阻止效果，占比达35%。活跃影响远大于消沉影响。这或许是因为AI研讨一般触及定量剖析，从而使成果倾向活跃效果。
但是，当进一步审慎衡量依据的恰当性，扫除测量误差后，会发现在社会范畴，AI促进效果由82%下降到77%，降幅达5%。AI按捺效果由38%下降到25%，降幅到达13%，由此阐明依据的恰当性对AI负面效果的影响更大。在经济范畴，AI促进效果由70%下降到55%，AI按捺效果由33%下降到23%，别离下降15%与10%。依据的恰当性对AI促进效果的下降起伏更大。很大程度上是根据工作方针等社会要素考虑，但整体而言，AI对经济发生的长时刻正面影响并未被现有计算办法与试验模型所精确衡量。在环境范畴，AI活跃效果由93%下降到85%，AI按捺效果由30%下降到12%。别离下降8%与18%，也标明依据的恰当性对AI负面效果的下降起伏更大。
上述规矩标明，虽然有痕迹标明人工智能对三大范畴有必定的负面影响，但却未有强有力的确凿依据呈现，也未有专门的剖析东西来证明。
虽然研讨标明，人工智能可扮演活跃人物，但现有研讨多根据有限的数据集或剖析模型。研讨者在条件受控的试验室环境中进行模仿，选用的数据多为针对特定环境量身定做后的。一旦从更广泛的时刻和空间维度衡量AI对实际国际的影响时，跟着AI之外的其他社会要素的不断改变，上述研讨成果的参考价值会呈现不同程度的下降。
现在理论研讨未从人与机器两个方面保证AI技能的公平性。一是人内涵的自利倾向导致更多地发布活跃成果。二是发掘AI的负面效果需求长时刻研讨，需求额定评价算法公平性对环境施加的长时刻影响。
现有促进可继续开展的人工智能运用趋向于研讨资源丰富区域。例如促进农耕自动化智能化、前进粮食生产的试验多在发达区域进行，没有广泛地在贫穷区域实践。一朝一夕，这种结构性区域不持平会加重贫穷区域与技能发达区域之间的距离，减损全球可继续开展方针的可继续性。
可继续开展项目并非都有满足资金支撑。假如事前估计某个可继续开展范畴的AI正面效应不高，则相关的运用项目不会被优先资金支撑。若不加以操控，AI研讨将逐渐倾向于资金丰盛的研讨范畴，大大削减对欠发达区域的实证研讨。
1.推动人工智能算法问责立法，将品德束缚制度化。鉴于人和智能机器之间交互的潜在杂乱性，关于AI产品尤其是危险性较大的自动化机器，简单呈现失控危险。在此基础上又叠加算法成见等社会问题，继而导致以数据驱动为主的AI会发生集体性轻视成见等问题。因而要强化算法德性，将品德束缚代码化、制度化。
2.拟定多元的办理原则原则，习惯杂乱社会改变。鉴于社会的杂乱多变和人类言语的笼统表述，单一的笼统化的AI道德原则、办理原则不再有用。主张拟定多元的、分场景的AI办理原则原则，以精确地包含不同的可继续开展景象。
3.树立道德原则合格机制，及时揭露既有运用的合规状况。虽然IEEE和欧盟现已出台了AI道德原则原则，但单纯发布一般性的AI道德原则，片面想象一切AI运用能够促进一切可继续开展方针完成，而未树立道德原则合格机制，未及时揭露既有产品是否合道德、合标准，是无法切实地反映出以可继续开展为方针的相关产品与技能的可责性、可信赖程度的。
4.进步决议计划透明度，打造去中心化的人工智能。因为AI算法内部技能机理较为专业，因而要在规划、开发和运用环节，对决议计划进程与成果予以解说，包含自动化决议计划体系的逻辑、含义、想象结果和一般功用。一起不忘进步透明度，及时揭露产品技能所运用的数据信息。例如用于练习算法的数据源、办理规矩以及怎么与通行AI办理原则保持一致。
5.监管需重视人工智能运用与个人隐私安全的平衡。以数据驱动为特征的AI运用的推行与个人隐私安全的维护之间的结构性抵触是清楚明了的。假如没有恰当的精细化监管，个人发生的海量数据恐添加走漏危险。
6.加强全球协作，携手开发可继续开展的友爱型人工智能。以可继续开展为意图的AI是人类美好之所系，一切国家都应该参加协作对话，保证不让一个人掉队。