मानवतावादी मोहिमांमध्ये AI - संधी आणि आव्हाने

Image Source: Getty

दीर्घकालीन संघर्ष, हवामान बदल, जागतिक महामारी आणि मोठ्या प्रमाणात विस्थापन यासारख्या घटकांमुळे मानवतावादी संकटे अधिकाधिक गुंतागुंतीची होत आहेत. या आव्हानांमुळे मानवतावादी यंत्रणेवर भार पडला आहे, ज्यामुळे तातडीच्या गरजा पूर्ण करण्यासाठी नाविन्यपूर्ण दृष्टिकोनांची आवश्यकता आहे. तंत्रज्ञान इथे आशा देते. मानवतावादी कृतीतील त्याच्या एकत्रीकरणामुळे परिवर्तनात्मक बदल झाले आहेत, ज्यामुळे जलद प्रतिसाद, सुधारित संसाधन वाटप आणि डेटा-चालित निर्णय घेणे शक्य झाले आहे. या संदर्भात, कृत्रिम बुद्धिमत्ता (AI) मानवतावादी क्षेत्रातील विविध अनुप्रयोगांसह गेम-चेंजर म्हणून उदयास आली आहे.

मशीन लर्निंग (ML) अल्गोरिदम आपत्तीचा अंदाज लावण्यासाठी आणि असुरक्षित लोकसंख्या ओळखण्यासाठी उपग्रह, सोशल मीडिया आणि ग्राउंड सेन्सर्सकडून मोठ्या अचूकतेसह रिअल-टाइम माहितीवर प्रक्रिया करू शकतात.

आपत्ती सज्जता वाढवून, संसाधनांचे वाटप अनुकूल करून आणि प्रतिसाद व पुनर्प्राप्ती प्रयत्नांमध्ये सुधारणा करून मानवतावादी मोहिमांमध्ये पूर्णपणे क्रांती घडवून आणण्याची क्षमता AI मध्ये आहे. विशाल डेटासेटचे विश्लेषण करण्याची, संकटांचा अंदाज लावण्याची आणि कार्ये सुव्यवस्थित करण्याची त्याची क्षमता जागतिक संकटांना सामोरे जाण्यासाठी अतुलनीय संधी प्रदान करते. मशीन लर्निंग (ML) अल्गोरिदम आपत्तीचा अंदाज लावण्यासाठी आणि असुरक्षित लोकसंख्या ओळखण्यासाठी उपग्रह, सोशल मीडिया आणि ग्राउंड सेन्सर्सकडून मोठ्या अचूकतेसह रिअल-टाइम माहितीवर प्रक्रिया करू शकतात. या प्रणाली प्रभावित भागातील नुकसानीचे वेगाने मूल्यांकन करू शकतात, लोकसंख्येच्या हालचालींचा मागोवा घेऊ शकतात आणि मदतकार्यात समन्वय साधू शकतात. नैसर्गिक भाषा प्रक्रियेद्वारे (NLP) AI आपत्ती क्षेत्रांचे रिअल-टाइम नकाशे तयार करण्यासाठी सोशल मीडिया पोस्ट आणि हवाई प्रतिमांचे विश्लेषण करू शकते, ज्यामुळे आपत्कालीन प्रतिसादकर्त्यांना गरजू लोकांना शोधण्यात मदत होते. डीप लर्निंग अल्गोरिदम आणि फेस रेकग्निशन तंत्रज्ञानाचा वापर करून, AI ने संकटग्रस्त भागात हरवलेल्या व्यक्तींचा मागोवा घेण्यास आणि त्यांचा शोध घेण्यास मदत केली आहे.

AI चा वापर कुठे करता येऊ शकतो?

कोविड-19 महामारीच्या काळात, AI ने आरोग्यसेवेमध्ये महत्त्वपूर्ण भूमिका बजावली, संसर्ग हॉटस्पॉटचा अंदाज लावण्यासाठी मशीन लर्निंगचा वापर केला गेला आणि डेटा-चालित, AI-संचालित निदानाने चाचणी क्षमता, वेग आणि अचूकता सुधारली. संसाधनांचे वाटप, तयारी आणि पुनर्प्राप्तीचे प्रयत्न सुधारण्यासाठी, आरोग्यसेवेतील त्याच्या यशाची पुनरावृत्ती करण्यासाठी, ML आणि भविष्यसूचक विश्लेषणाचा वापर करून AI मानवतावादी प्रयत्नांना सुव्यवस्थित करू शकते.

आपत्ती सज्जता आणि प्रतिसाद हे AI च्या सर्वात लक्षणीय उपयोगांपैकी एक आहे. AI-प्रणाली प्रभावित समुदायांना संभाव्य जोखमींबद्दल महत्त्वपूर्ण माहिती प्रदान करण्यासाठी मोठ्या प्रमाणात डेटाचे विश्लेषण करू शकतात. सांख्यिकीय नमुने आणि डेटा-चालित शिक्षणाद्वारे चालविलेले भविष्यसूचक विश्लेषण, नैसर्गिक आपत्ती, निर्वासितांच्या हालचाली, जागतिक आरोग्य संकटे आणि दुष्काळ यांचा अंदाज लावू शकते. उदाहरणार्थ, युनायटेड नेशन्स हाय कमिशनर फॉर रिफ्यूजीज (UNHCR) च्या कार्यालयाचा प्रोजेक्ट जेट्सन उपक्रम जबरदस्तीने विस्थापनाचा अंदाज लावण्यासाठी भविष्यसूचक विश्लेषणाचा वापर करतो, ज्यामुळे सोमालियामध्ये हिंसाचार वाढला आहे. हा प्रकल्प बाजारभाव, नदीतील पाण्याची पातळी, पावसाचे नमुने, रेमिटन्स डेटा आणि युनायटेड नेशन्स हाय कमिशनर फॉर रिफ्यूजीजने गोळा केलेली माहिती यासह त्याच्या मशीन लर्निंग अल्गोरिदमचे प्रशिक्षण घेण्यासाठी अनेक डेटा स्त्रोतांचा वापर करतो. भविष्यसूचक विश्लेषणामुळे पूर आणि भूकंपासारख्या नैसर्गिक आपत्तींचा अंदाज लावणारी पूर्वसूचना प्रणाली देखील सक्षम होते, ज्यामुळे मानवतावादी संस्थांना जीव आणि संसाधने वाचवण्यासाठी पूर्वनियोजितपणे कार्य करण्याची मुभा मिळते.

संकटाची चिन्हे शोधण्यासाठी, उलगडणाऱ्या घटनांचा मागोवा घेण्यासाठी आणि प्रत्यक्ष वेळेत प्रभावित समुदायांच्या गरजा समजून घेण्यासाठी NLP मोठ्या प्रमाणात सोशल मीडिया डेटाचे विश्लेषण करू शकते.

डीप लर्निंग, NLP आणि फेस रेकग्निशन तांत्रिक प्रगतीमुळे संकटकाळात मानवतावादी प्रतिसादांना पाठिंबा देण्यासाठी AI प्रणालींच्या क्षमतेत लक्षणीय वाढ झाली आहे. या प्रगतीमुळे सोशल मीडिया संदेशांचे आणि उपग्रह प्रतिमांचे जलद वर्गीकरण शक्य झाले आहे, ज्यामुळे मानवतावादी संस्थांना परिस्थितीचे मूल्यांकन करणे आणि जिथे मदतीची तातडीने गरज आहे अशी क्षेत्रे ओळखणे शक्य झाले आहे. संकटाची चिन्हे शोधण्यासाठी, उलगडणाऱ्या घटनांचा मागोवा घेण्यासाठी आणि प्रत्यक्ष वेळेत प्रभावित समुदायांच्या गरजा समजून घेण्यासाठी NLP मोठ्या प्रमाणात सोशल मीडिया डेटाचे विश्लेषण करू शकते.

त्याचप्रमाणे, उपग्रह प्रतिमांवर लागू केलेल्या डीप लर्निंग तंत्रांमुळे आपत्तीग्रस्त भागांचे तपशीलवार मॅपिंग शक्य झाले आहे, ज्यामुळे नुकसानीच्या प्रमाणाची गंभीर अंतर्दृष्टी उपलब्ध झाली आहे. एक उल्लेखनीय उदाहरण म्हणजे रॅपिड मॅपिंग सर्व्हिस, हा संयुक्त राष्ट्र प्रशिक्षण आणि संशोधन संस्था (UNITAR), संयुक्त राष्ट्र उपग्रह केंद्र (UNOSAT) आणि संयुक्त राष्ट्र ग्लोबल पल्स यांचा संयुक्त उपक्रम आहे. हा प्रकल्प पूर, भूकंप, भूस्खलन आणि संघर्षांमुळे प्रभावित झालेल्या भागांचा वेगाने नकाशा तयार करण्यासाठी उपग्रह प्रतिमांवर AI-संचालित साधने लागू करतो. अचूक रिअल-टाइम नुकसान मूल्यांकन प्रदान करून, ही सेवा जमिनीवरील मानवतावादी अधिकाऱ्यांना माहिती देते, ज्यामुळे सुव्यवस्थित संसाधनांचे वाटप आणि मदत वितरण सक्षम होते. 2021 मध्ये जेव्हा उष्णकटिबंधीय चक्रीवादळ एलोईसने मोझांबिकला तडाखा दिला, तेव्हा UNOSAT ने पुराचे निरीक्षण करण्यासाठी आणि मदत वितरण कार्यक्षमतेने करण्यासाठी AI चा वापर केला.

AI विभक्त झालेल्या कुटुंबांचा मागोवा घेण्यास, त्यांना शोधण्यास आणि पुन्हा एकत्र येण्यास आणि समुदायांची पुनर्बांधणी करण्यास मदत करून मानवतावादी पुनर्प्राप्ती मोहिमांमध्येही बदल घडवून आणत आहे. रेड क्रॉसच्या आंतरराष्ट्रीय समितीचा 'ट्रेस द फेस' उपक्रम निर्वासित आणि स्थलांतरितांना संघर्ष किंवा आपत्तीमुळे विभक्त झालेल्या कुटुंबांशी पुन्हा एकत्र येण्यास मदत करण्यासाठी फेस रेकग्निशन तंत्रज्ञानाचा वापर करतो.

आव्हाने

आपत्ती सज्जता, प्रतिसाद आणि पुनर्प्राप्ती प्रयत्नांसाठी मानवतावादी कलाकार AI वर अधिकाधिक अवलंबून असल्याने, नैतिक, सामाजिक आणि परिचालनविषयक प्रश्न उद्भवतात. डेटाची गुणवत्ता, अल्गोरिदमिक पूर्वग्रह, डेटा गोपनीयता आणि स्वयंचलित प्रणालींवर जास्त अवलंबून राहणे यासारख्या चिंता गंभीर जोखीम निर्माण करतात, विशेषतः असुरक्षित लोकसंख्येशी व्यवहार करताना, इतर डोमेनमधील AI सिस्टम अनुप्रयोगांप्रमाणे.

AI प्रणाली प्रशिक्षणासाठी मोठ्या डेटासेटवर अवलंबून असल्याने डेटाची गुणवत्ता महत्त्वपूर्ण आहे. खराब माहितीची गुणवत्ता परिणामांवर परिणाम करू शकते आणि संघर्ष किंवा संकटाच्या वेळी उच्च-गुणवत्तेची माहिती मिळवणे अनेकदा मर्यादित असते. उदाहरणार्थ, 2010 च्या हैती भूकंपादरम्यान, प्रारंभिक AI-संचालित नुकसान मूल्यांकन प्रणाली अचूकतेसाठी संघर्ष करत होत्या कारण त्यांना प्रामुख्याने वेगवेगळ्या इमारती संरचना आणि शहरी मांडणी असलेल्या विकसित देशांमधील भूकंपांच्या डेटावर प्रशिक्षित केले गेले होते. चुकीच्या, पक्षपाती किंवा अपूर्ण माहितीसह प्रशिक्षित AI प्रणाली या चुका कायम ठेवण्याची शक्यता असते. खराब डेटा गुणवत्तेमुळे उद्भवणारा अल्गोरिदमिक बायस ही आणखी एक चिंता आहे. AI प्रणालींच्या रचनेतील आणि विकासातील पूर्वग्रह हे विकसकांचे रूढीवादी आणि पूर्वग्रह प्रतिबिंबित करतात, ज्यामुळे संभाव्यतः असमान परिणाम आणि भेदभाव होतो. उदाहरणार्थ, मदत वाटपासाठी तयार केलेले AI साधन, अधिक चांगली माहिती असलेल्या क्षेत्रांना असमान प्रमाणात संसाधनांचे वाटप करू शकते, ज्यामुळे इतरांना उपेक्षित केले जाऊ शकते.

AI प्रणालींच्या रचनेतील आणि विकासातील पूर्वग्रह हे विकसकांचे रूढीवादी आणि पूर्वग्रह प्रतिबिंबित करतात, ज्यामुळे संभाव्यतः असमान परिणाम आणि भेदभाव होतो.

डेटा गोपनीयता गंभीर नैतिक दुविधा सादर करते, विशेषतः असुरक्षित लोकसंख्येकडून संवेदनशील माहिती हाताळताना. डेटाचे उल्लंघन किंवा गैरवापर शोषणास कारणीभूत ठरू शकतो. उदाहरणार्थ, 2017 मध्ये, रोहिंग्या निर्वासितांच्या संकटाने ही जोखीम अधोरेखित केली जेव्हा UNHCR ने मदत वितरणासाठी गोळा केलेली बायोमेट्रिक माहिती निर्वासितांच्या संमतीशिवाय बांगलादेश आणि म्यानमार सरकारांशी सामायिक केली. शिवाय, व्यक्तींना डेटा वापरासाठी माहितीपूर्ण संमती देणे कठीण होऊ शकते, कारण त्यांची माहिती AI विकासासाठी पुन्हा तयार केली जाऊ शकते. टीकाकारांनी 'पाळत ठेवण्याच्या मानवतावादाबद्दल' देखील चिंता व्यक्त केली आहे, जिथे तंत्रज्ञानाचा वाढता वापर विरोधाभासीपणे गरजूंना त्यांची माहिती उघड करून अधिक जोखमीवर टाकू शकतो. मदत मागणाऱ्यांसाठी यामुळे नवीन प्रतिकूल परिस्थिती निर्माण होऊ शकते.

AI तंत्रज्ञानाचा उच्च खर्च आणि मर्यादित संसाधने यामुळे छोट्या संस्थांना त्याचा अवलंब करणे कठीण होऊ शकते. संकटग्रस्त भागात, अविश्वसनीय इंटरनेट आणि वीज यासारख्या समस्यांमुळे AI उपायांची अंमलबजावणी करणे आणखी कठीण होते.

पुढील मार्ग

मानवतावादी मोहिमांमध्ये AI च्या नैतिक उपयोजनेसाठी संबंधित जोखीम कमी करताना जास्तीत जास्त लाभ घेण्यासाठी सर्वसमावेशक दृष्टिकोनाची आवश्यकता आहे. 'प्रथम, कोणतीही हानी करू नका' असा अनुवाद करणारे 'प्राइमम नॉन नोसेरे' हे मानवतावादी तत्त्व याच्या केंद्रस्थानी आहे. या तत्त्वाचा अर्थ असा आहे की मानवतावादी कलाकारांनी त्यांच्या हस्तक्षेपांमुळे किंवा त्यांच्या अभावामुळे ते ज्या समुदायांना मदत करण्याचे उद्दिष्ट ठेवतात त्याच समुदायांना नकळत नुकसान कसे होऊ शकते किंवा नवीन जोखीम कशी निर्माण करू शकते याचे काळजीपूर्वक मूल्यांकन करणे आवश्यक आहे.

डेटा गोपनीयता हे आणखी एक महत्त्वाचे क्षेत्र आहे ज्यात संवेदनशील माहितीचे संरक्षण करण्यासाठी कठोर उपायांची आवश्यकता आहे. युरोपियन युनियनच्या जनरल डेटा प्रोटेक्शन रेग्युलेशन (GDPR) सारख्या चौकटीचा अवलंब करणे हे डेटाच्या सुरक्षिततेसाठी एक मजबूत मॉडेल प्रदान करू शकते. माहितीपूर्ण संमती, डेटा मिनिमायझेशन अधिकार यासह त्याची प्रमुख तत्त्वे, हे सुनिश्चित करतात की व्यक्ती त्यांच्या खाजगी माहितीवर नियंत्रण ठेवतात. असे डेटा संरक्षण नियमन मानवतावादी सेटिंग्जवर लागू केल्यावर विशेषतः संबंधित असू शकते, जेथे समुदायाचा विश्वास राखण्यासाठी आणि शोषण रोखण्यासाठी संवेदनशील माहितीचे संरक्षण करणे आवश्यक आहे.

स्थानिक लोकसंख्येच्या इनपुटसह AI साधने सह-विकसित केल्याने हे सुनिश्चित होईल की उपाय नैतिकदृष्ट्या योग्य आहेत आणि स्थानिक गरजांसाठी योग्य आहेत.

AI प्रणालींमध्ये विश्वास निर्माण करण्यासाठी पारदर्शकता आणि जबाबदारीसाठी एक व्यापक चौकट आवश्यक आहे. मानवतावादी प्रतिसादासाठी केंद्रीय समन्वय संस्था म्हणून, यूएन ऑफिस फॉर द कोऑर्डिनेशन ऑफ ह्युमॅनिटेरियन अफेअर्सने स्पष्ट मार्गदर्शक तत्त्वे स्थापित करणे आवश्यक आहे, ज्यात संस्थांनी त्यांच्या डेटा स्त्रोतांबद्दल मोकळेपणा दर्शविणे, AI-साधने कशी कार्य करतात हे उघड करणे आणि त्यांच्या निर्णय घेण्याच्या प्रक्रियेत पारदर्शकता सुनिश्चित करणे आवश्यक आहे. तक्रार निवारण आणि स्वतंत्र लेखापरीक्षण यासारख्या जबाबदारी वाढवण्याच्या यंत्रणेसह हे केले पाहिजे. स्थानिक लोकसंख्येच्या इनपुटसह AI साधने सह-विकसित केल्याने हे सुनिश्चित होईल की उपाय नैतिकदृष्ट्या योग्य आहेत आणि स्थानिक गरजांसाठी योग्य आहेत. या शिफारशी AI रचना आणि उपयोजनेमध्ये अंतर्भूत केल्याने नावीन्य आणि नैतिक जबाबदारी यांचे संतुलन साधता येते, AI-संचालित उपाय निःपक्षपातीपणा आणि समता यासारख्या मूलभूत मानवतावादी तत्त्वांशी सुसंगत असल्याचे सुनिश्चित करता येते.

निष्कर्ष

मानवतावादी कृतीमध्ये AI चे फायदे पूर्णपणे समजून घेण्यासाठी, तांत्रिक नवकल्पनांसह नैतिक विचारांना प्राधान्य देणारा संतुलित दृष्टीकोन स्वीकारणे आवश्यक आहे. यामध्ये मजबूत डेटा संरक्षण उपायांचा अवलंब करणे, भागधारकांमध्ये सहकार्य वाढवणे आणि AI प्रणालींची पारदर्शकता आणि उत्तरदायित्व सुनिश्चित करणे समाविष्ट आहे. मानवतावादी तत्त्वांशी सुसंगत असलेल्या जबाबदार AI पद्धतींमध्येही भागधारकांनी गुंतवणूक केली पाहिजे. यामध्ये स्थानिक समुदायांसह सह-विकसित उपाय आणि AI प्रवेशासाठी संरचनात्मक अडथळे दूर करणे समाविष्ट असू शकते. असे केल्याने, मानवतावादी मोहिमा वाढवण्यासाठी आणि निष्पक्षता, न्याय आणि मानवतेची मूल्ये टिकवून ठेवणारे प्रभावी उपाय वितरीत करण्यासाठी AI हे एक शक्तिशाली साधन ठरू शकते.

समर जयसिंग जसवाल हे ऑब्झर्व्हर रिसर्च फाऊंडेशनमध्ये रिसर्च इंटर्न आहेत.

• Cyber and Technology
• accountability
• AI in humanitarian aid
• algorithmic bias
• algorithmic bias
• Artificial Intelligence
• crisis management
• Cyber and Technology
• data privacy
• deep learning
• disaster preparedness
• emergency response
• emergency response
• ethical AI
• India
• machine learning
• natural language processing
• predictive analytics
• resource allocation
• transparency

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.

PREV NEXT