世界银行正在为发展中经济体提出一种不同的人工智能战略：开发更小型、更专业化的模型，使其能够使用本地语言，在移动电话上运行，并适用于无法假定拥有稳定高速网络连接的地区。
在曼谷举行的世界银行和国际货币基金组织年会期间，该行首席知识官帕斯卡尔·多诺霍表示，这种“小型 AI”路径可以帮助各国将数字能力转化为实际的发展成果。重点并不是复制大型科技公司正在开发的最大型通用系统，而是让经过针对性训练的工具在需要的地方可用，并服务于明确界定的任务。
为本地条件设计的 AI
这种区别之所以重要，是因为获取条件会影响实用性。对于网络连接受限、计算资源有限，或全球消费类产品很少关注其语言需求的社区而言，强大的云端服务可能难以稳定使用。针对特定任务训练的较小模型，则有望在手机上运行，并减少对持续网络连接的依赖。
多诺霍的描述将本地环境置于设计核心。在这一框架下，关键问题不只是模型在广泛基准测试中的能力有多强，还包括它能否以社区使用的语言提供信息，能否通过该社区已经拥有的设备运行，以及能否适应现实世界的网络条件。
这与当前许多 AI 讨论的重点有明显不同。围绕人工智能的公开竞争，往往由面向广泛消费者用途、日益复杂的系统主导。世界银行的观点是，发展需求可能需要一种更有针对性的模型：能够把有限问题解决得足够好的工具，从而在大规模应用中发挥作用。
农业提供了一个具体例子
多诺霍提到了世界银行在印度推出的 AgriConnect 农业计划。参与该项目的农民需要以自己的语言获取土壤分析结果。要通过大规模的人类专家队伍，为每个小型农场提供高度定制化的指导，将十分困难。该行认为，专业化 AI 可能成为扩大这类信息覆盖范围的一种方式。
这一例子同时展现了该提议的潜力与局限。价值不在于 AI 系统对农业做出笼统判断，而在于帮助特定用户获得特定信息。对农民而言，只有当工具能够被获取、被理解，并与实际决策相联系时，它才真正具有相关性。
专业化也可能使部署更加易于管理。相比试图回答所有问题，更窄领域的系统可以围绕特定领域和数据集构建。这并不会消除对周密设计、本地知识或监督的需求，但能够让投资更集中于目标明确的应用。
基础设施仍是产生影响的前提
世界银行的主张并不是小型 AI 可以绕过发展的更广泛要求。在曼谷会议上，国际货币基金组织总干事克里斯塔利娜·格奥尔基耶娃强调，各国政府需要建立采用 AI 的条件。她指出，电力、数字基础设施、公众采用技术的准备程度，以及政府提供安全保障的能力，都是不可或缺的基础。
这些要求为人们对手机端模型的热情提供了重要背景。能够在低网络连接条件下运行的工具或许可以降低一道门槛，但它仍然依赖电力、设备、技能，以及一个让人们能够放心使用的环境。本地语言的接入同样需要在数据、界面和部署方面投入工作，并确保这些工作反映服务对象社区的实际情况。
换言之，这一提议并不是绕开公共投资的捷径，而是在各国开始建设基本条件后，对 AI 投资方向的判断：应投资于适应本地限制的系统，而不是假定这些限制会自行消失。
从能力走向协作
多诺霍表示，有用的产品可以通过世界银行、各国政府和私营部门参与者之间的合作产生。这反映了未来面临的现实挑战。构建模型只是部署工作的一部分。模型还必须连接到公共或商业服务中，长期维护，并让那些可能缺乏广泛技术支持的人能够使用。
这一方法还意味着，经济价值不会仅以模型规模或其背后的计算资源衡量。对于以发展为重点的应用而言，更有意义的检验或许是：在专业知识稀缺的环境中，一款专业化工具是否改善了人们获取知识的机会。
世界银行的核心主张颇为大胆：历史上需要更长时间才能实现的发展进步，或许能够被加速。但它所描述的路径建立在一个并不光鲜的前提上。AI 最广泛的益处可能并不来自最庞大的系统，而是来自足够精简、能够在普通手机上运行、使用本地语言，并解决真实且反复出现问题的工具。
- 世界银行正在倡导面向发展中经济体的专业化“小型 AI”模型。
- 拟议中的系统旨在移动电话上运行，支持本地语言，并适应有限的网络连接。
- 电力、数字基础设施、采用准备程度和安全保障仍是产生实际影响的必要条件。
本文根据《卫报》的报道编写。 阅读原文。
Originally published on theguardian.com