China Dataset

从中期来看，减少天然气使用是帮助英国经济最重要的一件事。由于我们进口了约 60% 的天然气，因此我们的能源账单中很大一部分直接来自英国经济——这给政府借贷带来了更多问题。

能源价格冻结的缺点之一是它削弱了我们减少使用天然气的动力。富裕家庭通常有更大的削减空间，如果他们的账单金额为 6,000 英镑而不是 2,000 英镑，他们更有可能减少使用量。如果你不为此买单，为什么要削减呢？

因此，英国政府将不得不采取更多行动来提高能源效率。政府需要依靠一定程度的社会团结——就像我们在新冠疫情开始时所表现的那样——来要求人们优化锅炉，避免浪费能源。政府还应该在隔热、太阳能电池板和热泵等措施上进行大规模紧急投资，所有这些都将为其节省资金。我们拖延的时间越长，我们付出的代价就越大。在英国人道主义创新中心的资助下，Nesta 的集体智能设计中心和红十字会与新月会国际联合会最近测试了这种新方法，在尼泊尔和喀麦隆开发了两种新工具，以改善一线危机应对。该项目包括与社区合作建立新的、更多样化的数据集来训练人工智能模型——有助于将数据出现偏差的风险降至最低。这还意味着与社区和一线响应者合作，就如何评估这些工具达成一致——确保人工智能模型针对他们关心的结果进行了优化。此外，社区还参与了人工智能模型的开发阶段。在尼泊尔举办的社区研讨会结束后，种族被从模型输入之一中删除；而在喀麦隆，红十字会志愿者发现了该模型工作方式的一个盲点。

尽管充满挑战，但像这样的项目证明了利用本地 奥地利电话号码数据 数据、本地基础设施和本地人才构建本地人工智能是可能的。而且，构建响应本地优先事项和价值观的人工智能也是可能的。简而言之，采取以本地背景和受影响社区为重点的参与式人工智能方法，有助于创建更强大、更受社会接受的人工智能工具。

要使包容性人工智能成为主流实践，而不是一次性实验，需要整个行业的资助者、机构和技术创新者做出转变。当然，在地方层面投资合适的技术技能是一个明显的起点。

此外，我们需要世界各地的技术人员开发在资源受限、数据稀缺的环境中工作的人工智能模型（这是大多数面临人道主义危机的国家面临的现实），而不是构建大型的、需要监督的数据模型。

我们需要人道主义资助者投资于一种协调一致的方法来填补数据空白，并建立对当地人道主义救援人员和社区（而不仅仅是大型机构）的运营至关重要的开放数据集。我们确实需要看到更多努力在受危机影响社区的参与和监督下设计人工智能工具。要实现这一点，必须提高社区参与团队的技能，使他们成为参与型人工智能从业者，并开发有助于在技术人员和当地社区之间架起桥梁的技能和工具。

改变人道主义技术发展的现行逻辑并非易事，但如果每个机构或资助者都开始问这个问题：“受影响的社区将如何参与这项技术的设计和监督？”这无疑是创造真正智能的人道主义人工智能的第一步。