How ProSocial AI Can Catalyze Quality of Life and Positive Social Change at Scale: Double Literacy and the ProSocial AI Index
Dieser konzeptionelle Artikel führt das ProSocial AI-Quality of Life Catalyst Model (PAI-QOL) ein, ein mehrstufiges Framework, das ProSocial AI als eine Technologie definiert, die darauf ausgelegt ist, durch vier Konversionspfade und ermöglichende Bedingungen wie Double Literacy faire, multidimensionale Gewinne an Lebensqualität zu generieren, und letztlich einen disziplinierten Ansatz zur Erweiterung der menschlichen Handlungsfähigkeit und des gesellschaftlichen Wertes innerhalb planetarer Grenzen bietet.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Künstliche Intelligenz ist nicht mehr nur ein Werkzeug zur Lösung mathematischer Probleme oder zur Gesichtserkennung; sie ist zur unsichtbaren Infrastruktur des täglichen Lebens geworden. Sie entscheidet darüber, welche Nachrichten wir sehen, wie unsere Arbeit organisiert wird, welchen medizinischen Rat wir erhalten und wie wir miteinander in Kontakt treten. Da diese Systeme in das Gefüge der Gesellschaft eingewoben sind, kann ihr Erfolg nicht einfach daran gemessen werden, wie schnell sie laufen oder wie genau sie das Wetter vorhersagen. Stattdessen liegt das wahre Maß darin, wie sie die Qualität unseres Lebens beeinflussen. Dieses Konzept, bekannt als Lebensqualität, blickt über grundlegendes Glück hinaus und schließt unsere Fähigkeit, Entscheidungen zu treffen, die Stärke unserer Beziehungen, die Fairness unserer Institutionen und die Gesundheit des Planeten, den wir teilen, mit ein. Wenn wir fragen, ob eine neue Technologie wirklich gut ist, müssen wir fragen, ob sie Menschen hilft, mit Würde zu leben, ob sie unsere Gemeinschaften stärkt und ob sie die Welt für diejenigen, die nach uns kommen, besser hinterlässt.
Ein neues konzeptionelles Rahmenwerk, das von der Forscherin Cornelia Walther von der Sunway University vorgeschlagen wurde, bietet einen Weg, diese Fragen zu beantworten. Die Arbeit stellt ein Modell vor, das das „ProSocial AI-Quality of Life Catalyst Model“ genannt wird. Anstatt künstliche Intelligenz als eine Kraft zu behandeln, die die Gesellschaft automatisch verbessert oder schädigt, schlägt die Autorin vor, sie als einen Katalysator zu betrachten. In der Chemie ist ein Katalysator eine Substanz, die eine Reaktion beschleunigt, ohne von ihr verbraucht zu werden; seine Wirkung hängt vollständig von den Materialien und der Umgebung ab, in der er sich befindet. Ähnlich kann künstliche Intelligenz positive Veränderungen wie Lernen und Fürsorge beschleunigen, oder sie kann negative Trends wie Abhängigkeit und ökologische Belastung beschleunieren. Die Richtung dieser Beschleunigung hängt davon ab, wie die Technologie gestaltet wird, wer sie kontrolliert und welche Bedingungen um ihre Nutzung herum herrschen.
Der Kern der Arbeit definiert eine spezifische Art von künstlicher Intelligenz namens „ProSocial AI“. Dies ist nicht nur ein System, das ethischen Regeln folgt oder behauptet, hilfreich zu sein. Es ist ein System, das bewusst darauf ausgelegt ist, klare, messbare Verbesserungen im Leben der Menschen zu erzielen, die gerecht unter verschiedenen Gruppen verteilt werden. Es muss zudem die ökologischen Systeme schützen, die das Leben unterstützen, und die Fähigkeit künftiger Generationen bewahren, ihre eigenen Probleme zu lösen. Um dies zu erreichen, argumentiert die Autorin, dass wir über vage Versprechen von „verantwortungsbewusster“ Technologie hinausgehen und uns auf drei spezifische Verpflichtungen konzentrieren müssen: pro-menschlich, pro-planet und pro-potenzial. Pro-menschlich zu sein bedeutet, das menschliche Wohlergehen, die Würde und die Freiheit, Entscheidungen zu treffen, zu priorisieren. Pro-planet zu sein bedeutet, sicherzustellen, dass die Technologie die Umwelt nicht schädigt oder die Umweltbelastungen auf vulnerable Gemeinschaften überträgt. Pro-potenzial zu sein bedeutet, sicherzustellen, dass die Nutzung der Technologie nicht unsere menschlichen Fähigkeiten schwächt oder unsere Fähigkeit einschränkt, in der Zukunft unabhängig zu denken und zu handeln.
Die Arbeit skizziert vier spezifische Pfade, durch die künstliche Intelligenz tatsächlich die Lebensqualität verbessern kann. Der erste ist der Pfad der Handlungsfähigkeit und Kapazität (Agency and Capability). Hier ist das Ziel, Menschen dabei zu helfen, ihre Optionen zu verstehen und danach zu handeln, ohne sie von der Maschine abhängig zu machen. Zum Beispiel ist ein Werkzeug, das einem Studenten hilft, ein Konzept zu lernen, wertvoll, aber nur, wenn es nicht die eigene Fähigkeit des Studenten ersetzt, das Problem selbst durchzudenken. Der zweite Pfad ist das soziale Kapital und die Relationen (Relational and Social Capital). Dieser konzentriert sich darauf, wie Technologie unsere Verbindungen zu anderen beeinflusst. Ein System, das einer einsamen Person hilft, eine Gemeinschaft zu finden, ist vorteilhaft, aber ein System, das das menschliche Gespräch durch ein simuliertes ersetzt, birgt das Risiko, echte soziale Bindungen zu schwächen. Der dritte Pfad betrifft den institutionellen und öffentlichen Wert (Institutional and Public Value). Dieser betrachtet, wie KI das Vertrauen in Organisationen wie Krankenhäuser, Schulen und Regierungen beeinflusst. Ein System, das den Service beschleunigt, ist nur dann gut, wenn Menschen die Entscheidungen noch verstehen können und eine Möglichkeit haben, diese anzufechten, falls sie falsch sind. Der letzte Pfad ist regenerativ und intergenerationell (Regenerative and Intergenerational). Dieser betrachtet die langfristigen Auswirkungen auf die Umwelt und künftige Generationen und fragt, ob die Vorteile der Technologie die Ressourcen überwiegen, die sie verbraucht, und den Abfall, den sie erzeugt.
Damit diese positiven Ergebnisse eintreten können, identifiziert die Arbeit vier wesentliche Bedingungen, die erfüllt sein müssen. Die erste ist das, was die Autorin „Doppelte Literalität“ (Double Literacy) nennt. Das bedeutet, dass Menschen sowohl ihre eigenen menschlichen Bedürfnisse und Emotionen als als auch verstehen müssen, wie das System der künstlichen Intelligenz funktioniert, einschließlich seiner Einschränkungen und Vorurteile. Ohne dieses duale Verständnis werden Menschen der Maschine blind vertrauen oder sie nicht effektiv nutzen können. Die zweite Bedingung ist die bedeutungsvolle Teilhabe (Meaningful Participation). Die Menschen, die von der Technologie betroffen sein werden, müssen ein echtes Mitspracherecht bei deren Gestaltung und Nutzung haben, anstatt nur als Datenpunkte behandelt zu werden. Die dritte Bedingung ist die Anfechtbarkeit (Contestability), was bedeutet, dass es einen klaren und zugänglichen Weg geben muss, eine Entscheidung des Systems anzufechten und eine menschliche Überprüfung zu erhalten, falls diese falsch oder unfair war. Die letzte Bedingung ist die Proportionalität (Proportionality). Diese fragt, ob der Einsatz leistungsstarker, ressourcenintensiver künstlicher Intelligenz tatsächlich für das vorliegende Problem notwendig ist oder ob eine einfachere Lösung ebenso gut funktionieren würde, ohne die schweren ökologischen Kosten.
Um diese komplexen Wechselwirkungen zu bewerten, schlägt die Arbeit eine neue Art vor, die Auswirkungen von Technologie zu betrachten, beschrieben als eine Vier-mal-Vier-Linse. Diese Linse fordert uns auf, vier verschiedene Aspekte der menschlichen Erfahrung zu berücksichtigen – Bestrebungen, Emotionen, Gedanken und körperliche Empfindungen – über vier verschiedene Ebenen der Gesellschaft hinweg: das Individuum, die Gemeinschaft, die Nation und den Planeten. Wenn man beispielsweise ein Bildungswerkzeug betrachtet, sollte man nicht nur fragen, ob es die Testergebnisse verbessert. Man muss auch fragen, wie es die Angst eines Schülers beeinflusst, ob es ihm hilft, tiefer zu denken, wie es die Beziehung zwischen Lehrern und Schülern verändert und was die ökologischen Kosten des Betriebs des Systems sind. Dieser Ansatz stellt sicher, dass wir versteckte Schäden oder unbeabsichtigte Folgen nicht übersehen, die in einem Bereich auftreten könnten, während in einem anderen Verbesserungen sichtbar werden.
Die Autorin warnt zudem vor gängigen Arten, wie diese Systeme versagen können. Ein Risiko ist das „Prosocial Washing“, bei dem Unternehmen behaupten, ihre Technologie sei gut für die Gesellschaft, ohne echte Beweise dafür zu liefern. Ein weiteres Risiko ist die „paternalistische Optimierung“, bei der das System entscheidet, was das Beste für eine Person ist, ohne deren Input einzubeziehen, wodurch effektiv deren Entscheidungsfreiheit entzogen wird. Es gibt auch die Gefahr, menschliche Beziehungen durch synthetische zu ersetzen oder die versteckten Kosten der Technologie auf Arbeiter oder ferne Gemeinschaften zu verlagern. Um diese Fehler zu verhindern, schlägt das Papier vor, dass Institutionen damit beginnen sollten, ein echtes menschliches Bedürfnis zu identifizieren und dann zu bestimmen, ob künstliche Intelligenz das richtige Werkzeug ist, um es zu lösen, anstatt mit der Technologie zu beginnen und nach einem Problem zu suchen, das dazu passt.
Letztlich legt dieser Rahmen nahe, dass die Zukunft der künstlichen Intelligenz von menschlichen Entscheidungen abhängt. Die Technologie selbst besitzt keine moralische Richtung; sie verstärkt die Absichten und Strukturen der Menschen, die sie bauen und nutzen. Indem wir uns darauf konzentrieren, nachweisbare Verbesserungen der Lebensqualität zu erzielen, die menschliche Handlungsfähigkeit zu schützen und sicherzustellen, dass die Vorteile gerecht verteilt werden, kann die Gesellschaft die künstliche Intelligenz in eine Zukunft lenken, die sowohl Menschen als auch den Planeten unterstützt. Die Arbeit schließt mit dem Hinweis, dass der Weg zwar anspruchsvoll ist, aber einen klaren Weg bietet, um zwischen Technologie, die lediglich existiert, und Technologie, die wahrhaftig dem Gemeinwohl dient, zu unterscheiden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.