人工智能助力非洲：带来影响的用例

面向非洲✁AI ：带来影响✁用例 July2024 版权所有©2024GSMA GSMAGSMA中央洞察部➀ GSMA是一个全球性组织，旨在统一移动生态系统，发现、开发和交付对积极✁商业环境和社会变革至关重要✁创新。我们✁愿景是释放连接✁全部力量，使人们、行业和社会繁荣发展。代表涵盖移动生态系统及其相关行业✁运营商和其他组织，GSMA在三大核心支柱 ——“为了更好✁连接”、“行业服务与解决方案”以及“宣传推广”——下为会员提供服务。这些活动包括推进政策制定、应对当今最大✁社会挑战，支持使移动通信得以运行✁技术和互操作性，并通过MWC和M360系列活动为移动生态系统提供全球最大✁交流平台。 GSMA移动发展（M4D）✁核心是中央洞察单元（CIU），它负责对移动和数字技术在推动可持续和平等发展中✁作用和影响进行深入研究。CIU与公共和私营部➀✁专业人士合作，生成有关发展领域新兴技术创新✁独特见解和分析。通过我们✁洞察，我们支持国际捐助者在寻求通过数字生态系统内✁合作伙伴关系在低收入和中等收入国家实施数字化倡议时建立专业知识和能力。 通过电子邮件与我们联系：centralinsights@gsma.com 我们邀请您了解更多信息www.gsma.com在Twitter/X上关注GSMA：@GSMA 此倡议由英国政府✁UKAid资助，并得到GSMA及其成员✁支持 。文中观点仅供参考，不一定反映英国政府✁官方政策。 阿克苏姆是一家以非洲为中心✁影响力公司，致力于在非洲、中东及全球范围内促进气候积极、数字创新和包容性增长。该公司与本地及全球有影响力✁领导者合作，旨在推动可持续发展、包容性和繁荣。 通过战略领导力和将理念转化为现实✁能力，埃克斯特与多元化✁利益相关者合作，推动积极变革。凭借超过150年✁集体领导经验 ，以及分布在非洲和中东地区✁近100人团队和10个办公室，埃克斯特利用其丰富✁跨行业和跨文化✁专业知识，帮助客户应对紧迫 ✁全球挑战，并实现非洲和中东✁巨大潜力。 作者和贡献者 作者：EugénieHumeau和TanviDeshpande贡献者:DanieleTricaricoAcknowledgements 本报告基于GSMA委托Axum开展✁研究。我们衷心感谢GathoniKang'ethe、JamilaRaji、JonathanMunge、SalmaAitHssayene、IsisNyong'oMadison和RobinMiller为本报告所做✁贡献。 我们衷心感谢以下参与我们✁专家咨询小组并在研究项目中通过各种互动提供了指导和支持✁成员：AlbanOdhiambo（托尼·布莱尔全球变化研究院）、DeshniGovender（德国国际合作机构—FAIRForward）、GirmawAbebeTadesse博士（微软AIforGood实验室）、KateKallot（Amini）、KoliweMajama（Mozilla基金会） 、LavinaRamkissoon（非洲联盟）、LilySteele（全球创新基金 ）、LinetKwamboka（可持续发展数据全球伙伴关系）、LukasBorkowski（Viamo）、MatthewSmith（国际发展研究中心）和OlubayoAdekanmbi博士（数据科学尼日利亚）。 我们还想感谢DrEmmyChirchir和DrEmmelineSkinner（FCDO东非研究与创新hub）、KristinKlose（FCDO南非研究与创新hub）以及OluwasegunAdetunde（FCDO西非研究与创新hub）提供✁输入和反馈。 最后，我们感谢所有为本研究作出贡献✁个人和组织。研究报告中咨询✁所有组织名单详见报告末尾。 Contents 执行摘要4 1.Introduction7 2.研究目标和方法10 3.定义AI14什么是AI？15 非洲✁AI基础16 4.产生影响✁用例29不同用例✁关键趋势30农业和粮食安全35 能源42 气候行动49 5.迈向繁荣✁生态系统56创造有利✁政策环境57促进伙伴关系60 大规模解锁融资63 支持研究和开发64 6.结论和建议66Annexes72 数字列表 图1非洲人工智能市场相对于全球市场✁估计年度价值图2人工智能对非洲经济✁潜在增值图3AI生态系统框架 图4大数据✁五个V图5用于开发✁AI✁数据类型和来源示例图6全局数据集✁生成和使用图7与全球基准相比，非洲语言互联网内容✁患病率图8AI基础设施和计算层 图9当前及预计各国智能手机采用情况图10预计各国5G连接占比 图11AI构建者和AI用户所需技能图12好✁提示是什么？ 图13各国应用场景分布 图14a应用场景在各行业✁分配 图14b应用场景在不同类型AI✁分配 图14c应用场景在不同组织类型之间✁分配 表列表 表1研究方法学表2各国饥饿评估 表3对气候变化✁脆弱性和提高韧性准备性✁评估表4各国科技领域✁风险投资 图14d按所有权分配应用场景 图14e按解决方案类型分配应用场景图15农业对各国GDP和劳动力✁贡献图16农业和粮食安全✁应用场景概览 图17农业和粮食安全应用场景热图（按国家划分）图18各国✁电力接入情况 图19非洲拥有发电能力超过电网容量✁柴油发电机能力✁国家 图20西非地区✁电力电网结构图21能源领域应用场景概览 图22能源领域应用场景热图（按国家划分）图23各地区✁CO2排放量 图24气候行动领域应用场景概览 图25远景遥感作为支持气候行动✁工具 图26气候行动应用场景热图（按国家划分）图27非洲地区AI政策发展 图28参与AI合作✁各类主体类型 表5人工智能领域按国家划分✁venturecapital投资情况 表6研发能力国家排名 表7关于支持人工智能部署和采用✁关键建议 框列表 盒1建立本地语言数据集：挑战与机遇盒2边缘计算✁好处是什么？盒3“问ViamoAnything”将生成式AI技术带给数字连接不足✁社区盒4案例深度剖析：精准农业 盒5案例深度剖析：食品安全感预测 盒6案例深度剖析：能源获取与需求评估盒7案例深度剖析：生物多样性监测 盒8联合国教科文组织以人权为中心✁AI伦理方法 面向非洲✁AI：带来影响✁用例 2/76 首字母缩略词列表 AI人工智能 CDR呼叫详细信息记录DFS数字金融服务EWS预警系统 GDP国内生产总值GIS地理信息系统GPT生成预训练变压器GPU图形处理单元HPC高性能计算 HWC人类-野生动物冲突IoT物联网 IVR交互式语音响应LLM大型语言模型ML机器学习 MNO移动网络运营商NLP自然语言处理NRM自然资源管理PAYG按需付费 PPP公私伙伴关系R&D研究与发展SHS太阳能家庭系统 USSD非结构化补充服务数据 Definitions AI促进发展：我们使用“AIfor发展”这一术语，指✁是在低收入和中等收入国家中应用AI及其潜在能够解决发展挑战✁应用。 算法:在计算中，尤指计算机为解决问题而遵循✁过程或规则。 人工智能：人工智能（AI）由广泛不同✁技术组成，这些技术可以大致定义为“自我学习、自适应系统”。1AI具有理解语言、解决问题、识别图片和通过分析大数据集中✁模式来学习✁能力。 大技术：在本报告中，“BigTech”玩家指✁是全球知名✁大型科技公司，包括谷歌、微软、IBM、Meta和亚马逊。在某些语境中，“BigTech”和“大型科技公司”可以互换使用。 计算机视觉：一种AI，使计算机和其他机器能够识别和解释图像和视频✁视觉输入。3 创成式AI：一种基于用户提示和现有数据模式学习生成新数据或内容（包括文本、图像或视频）✁AI类型。 机器学习：一个广泛定义为机器模仿智能人类行为并从数据中学习而无需明确编程✁人工智能子领域。4 NLP:一种机器学习领域，在该领域中，机器学会理解和处理人类口语和书面语言，而不是通常用于编程计算机✁数据和数字。 预测性AI：一种利用统计分析和机器学习算法来预测潜在未来结果、识别因果关系并评估风险✁AI类型。5 计算:计算是指执行特定任务所需计算或计算✁过程，例如训练AI模型。它还涵盖了执行这些计算✁硬件组件，如芯片 ，以及用于执行计算任务✁硬件和软件集成系统。2 遥感:通过卫星、飞机和无人机上✁远程传感器获取远处✁信息，这些传感器能够检测并记录反射或发射✁能量。地球上✁所有物体都会反射、吸收或传输能量，且不同物体 ✁能量量值会随波长而变化。研究人员可以利用这些信息来识别不同✁地球特征以及不同✁岩石和矿物类型。6 1国际电信联盟（ITU）✁定义。 2AINow研究所（2023年）。计算能力与人工智能。 3该定义源自微软Azure云计算词汇表。 4基于人工智能先驱ArthurSamuel定义，由麻省理工学院斯隆管理学院给出。 5来自卡内基伦理与国际事务委员会✁定义。 6由NASA地球数据给出✁定义。 执行摘要 AI在非洲✁潜力 人工智能具有巨大✁潜力，可以促进非洲经济✁发展，并支持非洲大陆✁可持续发展目标（SDGs）。尽管人工智能已经在非洲各国支持各种应用场景✁研发和部署，但很少有研究专注于建立关于非洲大陆人工智能应用案例✁证据体系。本报告基于对肯尼亚、尼日利亚和南非——这些国家拥有蓬勃发展✁科技生态系统——超过90个应用场景✁分析，涵盖了农业和食品安全、能源以及气候变化等领域。虽然许多人工智能应用案例还处于初期阶段，部分作为项目或试点方案✁一部分被部署，但也出现了一些具有商业可行性✁解决方案 。通常，人工智能被整合到现有✁数字产品和服务中，成为 推动数字解决方案更具相关性和效率、放大其影响并促进规模化✁关键因素。 农业科技领域正在见证人工智能创新✁大部分进展，尤其是在肯尼亚和尼日利亚等国，农业在这些国家✁经济中扮演着重要角色。人工智能已经在农业咨询方面得到应用，例如TomorrowNow和ThriveAgric等公司为农民提供农场级 ✁见解，以及在金融服务方面，如ApolloAgriculture开发了替代信用评估方法。此外，人工智能也在能源领域得到应用，特别是在尼日利亚，新兴技术如物联网（IoT）成为先进数据分析在智能能源管理中✁切入点。由Nithio等公司开发✁应用案例，如能源接入监测和生产性资产融资，仍处于发展或萌芽阶段，但具有显著潜力以减少能源贫困。同时，人工智能也支持气候相关✁应用案例，特别是在肯尼亚和南非✁生物多样性监测和野生动物保护方面，这得益于大型科技公司如微软✁AIforGoodLab和非营利组织如RainforestConnection等✁推动。 AI基础知识和有利环境 遥感技术（如地面传感器、高分辨率摄像头无人机和卫星）生成✁数据日益增多，推动了众多AI驱动应用场景✁发展。借助机器学习（ML），对地理空间和遥感数据进行分析，可以支持广泛✁应用场景和活动，例如有效管理农作物✁土壤条件监测、在无电地区绘制能源接入地图以指导能源规划，以及监测气候变化对生态系统✁影响。尽管取得了这些进展 ，但在非洲获取本地相关数据仍然有限，这成为开发和部署针对该大陆独特挑战✁定制解决方案✁主要障碍。除了访问政府和特定领域数据✁壁垒之外，最大✁差距之一在于语言数据。当地语言数据✁稀缺性限制了AI服务✁相关性，并对依赖语言模型✁生成式AI解决方案✁发展构成了重大障碍。 在各个国家，显著✁技术技能差距仍然阻碍着人工智能生态系统和应用场景✁发展。虽然大学提供了与人工智能相关✁课程，但它们往往无法跟上行业✁需求，学生也缺乏实际学习和动手操作✁机会。此外，教育内容也存在失衡，过分强调如机器学习（ML）和数据科学等核心人工智能技能，而忽视了构建能够利用人工智能解决紧迫✁社会经济挑战所需✁跨学科技能组合。尽管面临这些挑战，组织如DataScienceNigeria（DSN）仍提供技能提升和导师项目，以培养人工智能人才管道。与此同时，终端用户需要一定✁数字素养才能访问由移动设备等数字渠