The Hardness of Achieving Impact in AI for Social Impact Research: A Ground-Level View of Challenges & Opportunities
本文基于对 26 位研究人员的访谈以及作者们的亲身经验，揭示了阻碍人工智能社会影响项目从概念验证迈向现实部署的结构性、组织性和操作性挑战，同时提出了可操作的策略与最佳实践，以指导未来的合作。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一群才华横溢的工程师（人工智能研究人员），他们渴望建造一座救生桥，帮助偏远村庄跨越一条危险的河流。他们拥有蓝图、数学公式和高科技材料。然而，当他们尝试实际建造这座桥并让村民使用它时，项目往往陷入停滞。桥梁要么半途而废，要么村民从未出现去跨越它。
这篇题为《人工智能社会影响研究中实现影响力的难度》的论文，是工程师们自己的一份报告。他们采访了 26 位尝试建造这些“桥梁”（用于社会公益的人工智能解决方案）的人，并问道：“为什么这么多项目停留在蓝图阶段，从未变成真正可用的桥梁？”
以下是他们研究发现的叙述，通过简单的类比进行分解。
1. “不发表就出局”的陷阱（学术激励问题）
类比：想象一所学校，教师仅因撰写最多、最华丽的短文而获得奖励，而不是因真正教会学生阅读而受奖。
现实：在人工智能研究领域，教授和学生的评价标准取决于他们在顶级会议上发表论文的数量。构建一个真正能帮助非营利组织或医院的现实世界人工智能解决方案，需要数年的混乱工程、实地测试和修复漏洞。这很少能产出一篇“性感”的新数学论文。
结果：研究人员感到压力，倾向于选择“低垂的果实”——那些容易撰写但难以实际部署的项目。他们经常将真实的实地工作隐藏在一篇论文中，仅仅为了发表，而不是专注于让工具为需要它的人发挥作用。
2. “幽灵职位”问题（合作伙伴组织的激励）
类比：想象一名食品银行的志愿者被要求学习一种复杂的新型机器人来分拣罐头。这名志愿者每天已经工作 12 小时，没有培训预算，学习机器人也没有额外报酬。
现实：研究人员想要帮助的组织（非营利组织、医院、政府）往往资金不足且人手短缺。
- 没有时间/资金：一线人员没有时间学习新技术。这不在他们的工作职责范围内。
- 错误的优先事项：有时，组织的“老板”喜欢人工智能的概念，但实际工作的人（如护林员或护士）却说：“我们不需要机器人；我们需要更好的鞋子或更多的枪支。”如果工具的使用者不想要它，项目就会夭折。
3. “语言障碍”（沟通差距）
类比：一位物理学家试图仅用“叠加”和“纠缠”等词汇向一位农民解释量子力学。农民礼貌地点头，但完全不知所云。
现实：人工智能研究人员讲“计算机科学”，而他们想要帮助的人讲“社会工作”、“医学”或“政策”。
- 误解：研究人员经常认为自己在解决社区实际上并不存在的问题。
- “倡导者”解决方案：成功的项目通常在合作伙伴一方拥有一位“翻译”或“倡导者”——一个既懂技术又了解社区需求的人。如果没有这个人，项目就会卡在翻译环节。
4. “移动目标”（运营混乱）
类比：想象正在建造一座房子，但每当你砌一块砖，风就会改变地块的形状，家庭搬进搬出，而城市也会更改建筑规范。
现实：现实世界充满混乱且变化迅速。
- 人员流动：非营利组织通常依赖志愿者。你培训过该软件的人辞职或离开，新志愿者必须从头开始培训。
- 优先事项转移：医院可能突然更关心一种新疾病，或者政府可能更改法律。为旧情况构建的人工智能工具一夜之间变得毫无用处。
- 数据混乱：研究人员经常假设数据已准备就绪。实际上，他们花费数月时间仅仅是为了获取数据、清理数据，或者说服组织分享数据，因为数据很敏感。
5. “一次性”问题（资金与维护）
类比：一家慈善机构为村庄建造了一座漂亮的水泵，但赠款资金仅涵盖水泵的“建造”。六个月后水泵坏了，却没有人有钱修理它。
现实：
- 短期资金：大多数赠款仅用于“概念验证”（构建原型）。它们很少支付维持工具运行所需的数年维护、服务器成本和软件更新费用。
- “学生”瓶颈：通常，维护代码的唯一人员是博士生。当他们毕业离开后，代码就被遗弃了，因为大学没有专门致力于长期软件工程的团队。
结论：如何建造更好的桥梁
这篇论文并没有说“停止建造桥梁”。它说的是：“以下是如何防止桥梁倒塌的方法。”
- 从小处着手，快速行动：不要试图立即构建庞大的人工智能系统。现在就给合作伙伴一个小型、有用的工具（例如简单的数据图表），以建立信任。
- 寻找“倡导者”：找到一位充满热情且有权力对使用工具说“是”的合作伙伴。
- 规划长远：在开始之前，弄清楚谁将支付维护费用，以及学生毕业后谁将继续维护软件。
- 改变规则：大学需要开始像重视“新数学论文”一样重视“现实世界影响力”和“已部署的软件”。
简而言之：技术并不是最难的部分。最难的是驾驭那个技术本应栖息的混乱、充满人性且官僚的世界。如果你忽视人性的一面，人工智能将永远无法走出实验室。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。