在上一篇文章中，我们详细拆解了 SDG1-SDG8 之下的 AI 趋势与挑战，本文我们将继续更新 SDG9-SDG17 的相关内容。
在开始正文之前，先和大家分享一个好消息：MSC 咨询联合有想法网络科技打造的 AIGC 导航正式上线！
https://aigcmass.com/
点击上方链接，跳转 AIGCMass⬆️
AIGCMass 是一个专注于 AI 与全球可持续发展目标（SDGs）的创新平台，在这里你可以：
- 探索前沿应用：探索全球前沿、优质、实用的 AIGC 产品，应用于自身日常业务与可持续发展项目。
- 获取最新趋势：获取 AI 与 17 个可持续发展目标下的最新趋势，紧跟科技发展的前沿。
- 了解实际挑战：除了分享成功案例，我们并不回避应用过程中可能遇到的实际挑战，你可以全面了解 AI 在推动可持续发展目标实现过程中的真实情况。
- 制定有效策略：了解 AI 在实现可持续发展目标中的趋势和挑战，以便制定有效的策略，确保科技的进步能真正惠及全人类。
如果您有独特的实践经验或创新案例，欢迎在网站主页提交相关信息，审核通过后该案例将在网站进行展示，与更多人共享智慧和经验，推动 AI 技术在全球可持续发展中发挥更大的作用。
SDG9 产业、创新和基础设施
趋势
1. 生产自动化与流程优化：AI 技术可以自动化例行任务、简化运营管理、减少人工劳动，提高各行业的生产力，拉动经济增长，使企业在更少的资源下生产更多产品。人工智能算法可以分析历史数据，以识别制造流程中的瓶颈、低效率和需要改进的领域。这有助于优化工作流程、资源分配和生产计划，从而提高产量并减少浪费。
2. 定制化生产：人工智能驱动的生产线可以快速适应生产定制产品，比传统制造流程更有效地响应不断变化的客户需求。
3. 重塑产业创造：人工智能通过分析大量数据集、识别模式和生成见解来加速创新，推动各个行业的进步，带来材料、技术和工艺的突破，目前已经在化学、蛋白质折叠、材料科学等领域取得了科研突破。
4. 基础设施设计和选址优化及供应链优化：人工智能可以通过分析多元数据因素，如成本、环境、效率等，为基础设施的选址和设计提供参考。还可以通过预测需求，优化资源在供应链管理、物流和生产等领域的分配，从而实现成本节约和提高效率。
5. 基础设施维护和监测：布置物联网传感器可以实时监测基础设施的结构健康状况，结合 AI 算法判断和预警基础设施损坏风险，提前提醒人员进行修复和维护，防止潜在故障。
在纳米比亚，绝大多数人口从事农业生产，作为自给自足的农民，但由于生产力水平低下，该国的粮食需求只能通过这些活动满足一半，另一半则通过进口满足 。由于纳米比亚是撒哈拉以南非洲最干旱的国家之一，人们对水管理和水资源短缺、废物产生和污染等问题的担忧与日俱增。该项目通过 4IR 和数字工具，以支持有针对性、负责任和可持续的灌木疏伐和后续加工，从而实现增值和创造就业机会。利用人工智能结合可行性和市场情报研究，可以生产高价值牲畜饲料、煤炭、木片、阿拉伯胶和其他精选产品利用金合欢树种。通过这些措施，实现了更高水平的农工业生产力，从而改善当地和区域的动物饲料、能源和其他灌木产品的供应。
挑战
1. 系统性网络安全风险：过度依赖人工智能系统可能会导致依赖性，使基础设施和行业更容易受到系统故障、网络攻击或技术故障的影响。
2. 技术被私有公司控制：先进人工智能的技术被少量私营公司所控制，人工智能的发展趋向于私有化。这导致了人工智能的使用可能存在技术垄断，数据泄露的风险。并且这可能会阻碍部分发展中国家技术开发、研究和创新，违背了 SDG9.B 的目标。
SDG10 减少不平等
趋势
1. 揭示隐性歧视，促进平等：人工智能具备处理大规模数据的能力，能够揭示导致长期不平等现象存在的潜在模式和趋势，为政策制定者和社会行动者提供有价值的洞见。
2. 帮助残障人群：基于人工智能的语音、图片、文字等的识别和转译功能能够帮助到残障人士更加精准地感知世界，便利地与他人沟通，参与到协同合作中，提升他们的生活便利度；由 AI 赋能的智能辅助机器人也能更好的帮助残疾人士或日常活动受限的人进行移动、交流、护理等，让他们自信自主地处理日常生活。
3. 助力中小企业并为弱势群体提供金融服务：人工智能工具能够帮助小公司以相对比历史更加低的成本获得复杂的分析和创作工具，在资源分配上做出更好的角色，同时减少新业务开拓成本。在传统的正规金融体系中，弱势群体因为缺少证明文件、信任和接触金融服务的途径等原因导致面临借贷困难，难以形成资本积累。在大数据和人工智能的加持下，数字普惠金融平台能够借助信息技术降低边际运营成本，并基于更丰富的行为记录进行金融服务评估。
4. 降低服务及获取服务的门槛：人工智能可以大大减少弱势群体或是低收入群体群体获取服务的门槛。集合支持人工智能的医疗保健解决方案，如远程医疗和诊断工具，可以改善偏远或服务不足地区的医疗服务，减少医疗保健不平等并改善健康结果。
深圳在经济高速发展的同时，不断加大民生投入，着力提高人民生活水平，建立了比较完善的社会保障体系，尤其是对低收入群体及残疾人各项权益的保障，取得了全国瞩目的成绩，让全体市民共享了经济发展的成果。
挑战
1. 加深社会偏见和资源分配不均：如果我们不注意在训练数据中存在的偏见，AI 模型可能会在生成内容时重复这些偏见，从而加剧现有的社会偏见。这种情况可能会对信息传播、决策制定等领域产生负面影响，进一步加深不平等和偏见问题。
2. 收入不平等：AI 的自动化效应可能会对大多数人的工资水平产生下压力，同时放大了少数拥有和控制技术资源的人和市场力量的影响。自动化有可能导致公司的收入从员工转移到公司所有者身上。
3. 区域发展（包括国家）发展不平等：技术经济相对落后的国家/地区可能在适应人工智能及其相关产业链的发展方面面临更大的挑战，未能跟上技术潮流的地区可能会进一步滞后。发达经济体在技术和资本方面更具优势，这使得它们在新人工智能的研发中占据主导地位。这种优势可以进一步巩固其在全球技术体系中的地位，并获得更大的收入份额。相反，其他经济体可能缺乏研发和应用的能力和资本，更容易陷入被动和劣势地位。
美国医疗保健系统使用商业算法来为有复杂健康需求的患者提供额外资源，然而，这些算法却显示出明显的种族偏见。尽管风险评分相同，黑人患者的病情似乎比白人患者更严重。这种偏见产生的原因是算法的预测依赖于医疗花费，而不是疾病本身。在现实生活中，黑人患者在疾病治疗上的花费普遍较少。因此，这种存在偏见的算法预测可能导致黑人患者中应该获得额外关怀的人数减少了一半以上，从而进一步加剧了种族间医疗机会不平等的问题。从而进一步加剧了种族间医疗机会不平等的问题。如果弥补该差距，需要额外帮助的黑人患者比例将会从 17.7% 增加到 46.5%。
SDG11 可持续城市和社区
趋势
1. 智能交通优化：通过大数据云计算和 AI 分析技术，实时监测和分析交通流量，优化交通信号和路线，从而减少交通拥堵，提高城市的流动性。通过使用人工智能和深度学习技术，减少由人为错误引起的事故，提高交通流量，减少拥堵，并为那些因年龄、残疾或其他因素而无法驾驶的人提供更多的出行机会。
2. 节能资源管理：运用各种人工智能和统计技术，如人工神经网络（ANN）、多代理系统（MAS）、EM 算法等，实时监测城市居民对于水电资源的消耗，智能优化能源管理系统，确保资源的精准调配，以实现节能减排的目的。
3. 基础设施安全监测：利用人工智能图像识别技术，识别和分类桥梁和其他结构上的故障和损坏，定期对城市基础设施进行智能检测和预测性维护，确保桥梁、隧道和道路等关键设施的持久稳定和安全，为居民提供持续的安全保障。
4. 精准气象及灾害预警：通过对大量气象数据进行分析，提供更准确的天气预测和突发事件预警，从而帮助城市和社区做出及时决策，减少灾害风险。结合既有数据（实时抓取天气预报、卫星图像等数据点）和极端气候现象预测模型，运用人工智能预测极端气候发生的时间、严重程度和可能受到影响的地区等。还能通过对未来洪涝/干旱情景的模拟，做出设计水务系统应对方案。系统能够提前精准控制水务基础设施的运行，从而管理应对极端气象事件。
5. 自动化垃圾分类：通过图像识别技术自动识别和分类不同类型的垃圾，提高分类的准确性和效率，从而促进更有效地资源回收和再利用。
随着城市化的发展，废物处理成为一个日益严重的问题。传统的废物处理厂面临的主要问题是输入的废物流是高度变化和不受控制的，急需实时自动化的信息系统来监控和管理正在处理的材料混合物。然而，现有的技术如NIR传感器过于昂贵，不能满足需求。因此，Sadako公司开发了 RUBSEE 项目，这是一个基于AI的废物流实时监测系统，得到了欧洲联盟的财务支持。该系统使用先进的人工智能和计算机视觉技术，实时确定废物流中各个位置的材料组成，并生成自动警报，帮助管理者和技术团队检测和解决不良事件。项目于 2017 年 2 月开始，于 2019 年 9 月成功结束。主要成果包括 Sadako 的 AI 技术在废物检测方面的重要进展（通过许可给 Max-AI© 商业化）以及在三个不同的欧洲废物处理厂中安装和运行的 3 个试点系统。
挑战
1. 工作岗位替代带来的城市及社区责任制问题：AI 通过自动化替代人力完成某些任务，导致某些工作岗位的消失，从而影响社区的经济稳定性和就业机会。在此基础上，若被替代的岗位出现问题，很难对人工智能进行追责从而带来社区管理层面的挑战。
2. 技术的脆弱性：通过 AI 技术辅助的智慧城市严重依赖技术和连通性，在系统故障、停电或网络攻击的情况下，关键服务可能会中断，体现出过度依赖技术的脆弱性。
SDG12 负责任消费和生产
趋势
1. 智能农业技术：通过传感器、摄像头结合人工智能系统帮助农民预测天气模式、病虫害和土壤条件，从而优化种植策略，减少化肥和农药的使用，确保可持续的农产品生产。
2. 供应链优化及产品生命周期管理：通过分析线上线下商品的点击和购买数据来预测市场趋势，使企业能够更精准地调整供应链，优化运输和库存，避免资源浪费和过度生产，也减少能源消耗和碳排放。通过跟踪和优化产品生命周期，以发现潜在的质量问题或产品性能低于预期的领域，帮助生产商设计更好的产品回收和再利用方案。
3. 智能电网管理：人工智能可以帮助企业及政府分析大量的电力供需数据，预测负荷峰值和低谷期，帮助优化电力分配，确保电力在不同时间段和地区的高效使用，降低能源浪费。
4. 节能减排：智能家居系统和智能建筑管理系统能够实时监测能源使用情况，自动调整能源消耗，减少能源浪费。
Evergreen 是美国领先的塑料回收商之一，使用 AMP Cortex™ 智能机器人系统对绿色和透明的 PET 瓶进行分类。借助 AMP 的人工智能引导机器人，Evergreen 提高了纯度和一致性，并将其俄亥俄州工厂的 PET 回收率提高了一倍，生产了更多高质量的再生塑料。
挑战
1. 电子垃圾：快速更新的 AI 技术可能导致工业链上大量旧设备被淘汰，增加电子垃圾的产生。
2. 大量 AI 消费场景导致的能源消耗：区别于 AI 本身需求的水耗，AI 因其便利性和及时性在消费场景中的使用增长会带来更多训练和运行需要大量计算资源，从而导致能源浪费和碳排放增加。
SDG13 气候行动
趋势
1. 精准预测和监测：使用气候变化分析工具分析易受灾害影响地区的大量气象和环境数据，提供精准的气候预测和变化监测，有助于采取适时的紧急行动。
2. 助力碳封存与监测碳指标：相比人工分析，AI 能以更加低成本、高效率、可扩展的方式自动学习海量的农业、气象和地质数据集，分析现有的碳封存数据和行动计划，以确定最适合实施碳封存的地点。与此同时，使用 AI 算法还能指导农户更加有效地管理日常种植，而 AI 的实时碳监测功能也可为碳信用市场提供标准化碳指数，吸引更多支持发展低碳农业的资金流入，在全球范围内扩大实施农业碳封存。
3. 提高对气候灾害的防御能力：AI 可以通过帮助管理和分析多样化的海量数据，形成防御自然灾害和尽量减少损失的洞察力与决策建议。如识别出重大防洪漏洞，减轻人类所面临的自然灾害威胁；以及锁定了森林大火威胁下的脆弱区域，并评估和制定个性化的应急措施与减灾预案；分析海洋数据，监测海洋酸化、海平面上升等问题，提供海洋生态系统保护的决策支持。
着气候变化的加剧，各种极端天气事件变得越来越频繁和严重，这对许多行业和社区都带来了巨大的挑战。AT&T 作为一家通信公司，其网络的稳定性对数百万人来说至关重要。为了更好地预测和应对由气候变化引起的各种威胁，如极端天气事件，以确保通信网络的稳定和可靠，AT&T 与美国能源部的 Argonne 国家实验室合作，开发了一个业界领先的气候变化分析工具。这个工具不仅仅依赖于 10 天的天气预报和过去的灾害信息，而是能够利用 AI 技术更好地预测、准备和适应不断变化的气候。该工具可以帮助 AT&T 可视化气候变化如何在邻里级别影响其网络和运营，甚至可以预测未来 30 年的影响。此外，AT&T 还将其丰富的气候数据集提供给公众，以便其他人可以评估其脆弱性并建立应对气候变化的韧性。
挑战
1. 人工智能增加温室气体排放：人工智能可以通过三种主要方式增加温室气体排放：通过将其用于对排放产生直接负面影响的应用程序；通过系统级影响，例如与人工智能应用程序相关的诱导需求或锁定效应，以及通过与相关软件和硬件的生命周期影响相关的碳足迹。
2019 年，马萨诸塞大学阿默斯特分校的研究人员发现，训练一个 AI 模型可以排放超过 626,000 磅的 CO2，相当于五辆汽车在其生命周期内的排放量。此外，数据中心的能源消耗也是一个问题，因为它们 24/7 运行，大部分能源来自化石燃料。尽管有越来越多的数据中心努力使用可再生能源，但由于全球数据中心的能源消耗，它们占全球温室气体排放的 2.5% 到 3.7%，甚至超过了航空业。
SDG14 水下生物
趋势
1. 水质监测和污染预警、清理：通过分析水体中的数据，快速检测和预测污染事件，从而及时采取行动，保护水生生物的健康。AI 和机器人技术还可以用于识别、定位和清理海洋中的垃圾和污染物，有助于净化海洋环境。
2. 渔业管理和保护：帮助监测渔业资源，搭建模型来提供渔获量预测，监测和预防非法捕捞行为，协助制定可持续的渔业管理政策，防止过度捕捞。
3. 珊瑚礁保护：分析海洋生态系统数据，帮助科学家监测珊瑚礁的健康状况并绘制地图，及早发现和应对环境变化对珊瑚礁的威胁。
4. 海洋生物物种识别：通过卫星和人工智能识别技术的结合，加速海洋生物物种的识别和分类，有助于保护濒危物种，促进海洋生态多样性。
全球的珊瑚礁是海洋生态系统中的宝贵资源，但由于气候变化和其他人为因素，它们正面临着严重的威胁。传统的珊瑚礁价值评估方法主要依赖于用户输入的数据，这种方法既不精确也不具有代表性。自然保护协会的「Mapping Ocean Wealth」项目与 Microsoft AI for Earth 和 Esri 合作，开发了一个 AI 驱动的网络应用程序，该程序使用照片库作为数据源，通过集成 AI 和机器学习技术，实现了对珊瑚礁全球价值和各国价值的可视化展示。与此同时，这种方法通过图像识别技术，实现了更高的特异性和准确性。用户可以通过这个应用程序探索特定地点的旅游价值，以支持可持续的管理目标。
挑战
1. 水资源消耗：AI 算法需要的大量的水消耗可能导致水资源短缺，这对水生动植物的生存和繁殖构成威胁。随着水资源的减少，湿地和河流的生态平衡可能会受到破坏，导致生物多样性下降。此外，过度抽取地下水可能导致地下水位下降，进一步影响水生生态系统。
ChatGPT 作为强大的人工智能算法，不仅需要大量的能源进行训练，而且还消耗了大量的水。加利福尼亚大学河滨分校和德克萨斯大学阿灵顿分校的研究者们在一篇尚未经同行评审的论文《使 AI 不那么口渴》中探讨了 AI 训练的环境影响。他们发现，仅在训练 GPT-3时，与OpenAI 合作的微软就消耗了 185,000 加仑的水，这相当于冷却一个核反应堆所需的水量。该论文还指出，ChatGPT 在进行大约 20-50 个问题和答案的简单对话时需要「喝」（相当于）500毫升的水。考虑到 ChatGPT 有数十亿的用户，这个数字是非常大的。研究者建议，像 Google 和 OpenA I这样的公司应该承担社会责任，通过解决自己的水足迹来起到示范作用。
SDG15 陆地生物
趋势
1. 森林监测和保护：利用 AI 技术识别卫星拍摄的地球图像，可以对森林地区进行实时监测，识别并预测火灾、盗伐等问题，从而更好地保护森林资源。
2. 物种保育：AI 在图像识别方面的进步有助于自动识别并记录野生动植物，从而监测物种数量、分布以及潜在的威胁，有助于保护濒危物种。
3. 土地规划优化与农业智能化：通过分析历史土地利用数据，帮助政府和组织更好地规划土地用途，避免不合理的城市扩张，保护自然生态环境。AI 在农业中的应用，如智能灌溉、病虫害预测等，可以提高农作物产量，减少浪费，降低对土地资源的压力。
4. 荒漠化治理：监测土地的植被覆盖率和土壤质量，代替人工在荒漠种植和培育植被，帮助决策者制定有效的荒漠化治理计划，恢复受损土地。
全球森林正在以越来越快的速度消失，与此同时，农业和商品生产也在增长。尤其是为了棕榈油生产所需的大规模种植园，对环境造成了特别大的伤害，并导致了大规模的森林砍伐。传统的森林覆盖映射方法依赖于卫星图像中某些像素的「绿色」程度，这种方法有其局限性。自 2015 年以来，世界资源研究所(WRI)和 Orbital Insight 合作，利用计算机视觉和深度学习找到新的应用，以改进全球森林观察(GFW)项目，对世界森林进行检查。GFW 的深度学习模型观察图像的更广泛的上下文，并可以基于它们的颜色、大小、形状和模式区分种植园。此外，GFW 还使用了一种称为卷积神经网络(CNN)的技术来训练他们的算法，以准确区分不同的种植园。通过 WRI 的森林监测专长和 Orbital Inisght 的高分辨率卫星数据分析，该项目已经能够更好地评估森林的状况，并在马来西亚、印度尼西亚、柬埔寨和哥伦比亚绘制棕榈油种植园的地图。GFW 项目允许全面监测森林砍伐，特别关注由人类商业活动引发的景观变化。任何政府、农民或公民社会成员都可以免费监测世界的某个选定区域。
挑战
1. 生态干扰：AI 技术可能在某些情况下干扰到野生动植物的自然行为，例如使用无人机可能会惊扰动物。
2. 生态平衡干扰：过度依赖 AI 技术监测和干预自然系统，可能干扰生态平衡，引发未预料的生态问题。
3. 应用不当：若 AI 被用于非法猎捕、非法伐木等活动，可能会加重对陆地生态和物种多样性造成破坏。
自从 2022 年 11 月 OpenAI 发布了 ChatGPT 这一人工智能聊天机器人后，人工智能的优势和劣势成为了热门讨论话题，尤其是其被犯罪分子，包括野生动植物走私者滥用的情况。走私者可以利用基于 AI 的大型语言模型（LLMs）如 ChatGPT，通过特定的提示欺骗搜索引擎如 Microsoft Bing，找到各种社交媒体、电商网站以及在线论坛和网站上与野生动植物非法交易有关的账户/供应商。此外，社交媒体网站如 Facebook、Instagram、Twitter 和 YouTube等的 AI 算法也助长了野生动植物的非法交易。
SDG16 和平、正义与强大机构
趋势
1. 犯罪预防：通过分析犯罪模式，预测未来犯罪趋势，有助于执法部门更好地分配资源，提高犯罪预防和打击犯罪的效率。
2. 腐败监测：通过分析大量政府工作人员相关数据以检测潜在的腐败迹象，有助于监测政府机构和公共部门的不正当行为，例如尼日利亚使用 AI 来监测政府开支，减少腐败问题。
3. 司法效率提升：将繁琐的法庭流程自动化，加速案件处理，减少司法滞后，提高司法系统效率，例如中国的「智慧法院」系统利用 AI 分析法律文书，提高了判决速度和质量。
4. 智能监狱管理：AI 和监控摄像结合可以帮助监狱管理，确保犯人得到适当对待，例如美国的一些监狱使用 AI 分析监控录像，监测潜在的暴力事件。
5. 在线纠纷解决：AI 可以用于在线平台上解决纠纷，提高争议解决的效率，例如欧洲的「ODR 平台」通过 AI 处理电子商务纠纷。
6. 失踪人口追踪：通过人脸识别技术和 AI 相似度比对，为执法部门和非政府组织提供关于失踪儿童可能的下落的线索。
随着全球不安定事件的增加，某国正在寻找先进的技术来加强其安全防范努力。该国的国家安全机构计划开始使用人工智能（AI）进行安全防范和刑事调查。这些实验将使用过去在某地区发生的攻击特征来训练 AI，以便在拥挤的地方识别可疑人员，并引入 AI 系统来分析刑事调查中的监控视频。
挑战
1. 算法偏见：AI 系统的偏见和错误可能导致不公正的判决，特别是在依赖历史案例做出决策的情况下。
2. 透明度和解释性不足：某些 AI 系统的决策可能缺乏透明度和解释性，使人们难以理解为何做出某些决定，可能破坏公信力。
马萨诸塞州的公民自由联盟（ACLU）对亚马逊的云端面部识别技术 Rekognition 进行测试时，发现 Duron Harmon，一名为 New England Patriots 队效力并赢得三次超级碗的 NFL 球员，以及其他二十多名新英格兰的专业运动员被错误地与犯罪嫌疑人的照片数据库进行了匹配。亚马逊的 Rekognition 技术是一种基于 AI 的面部识别技术。尽管亚马逊声称该技术在寻找失踪儿童或识别人口贩卖受害者方面具有多种益处，但 ACLU 的测试结果表明，该技术在默认的 80% 相似度阈值下存在误识别的问题。亚马逊建议执法部门和公共安全机构在 99% 的置信度阈值下使用 Rekognition，并结合人的判断。测试结果显示，ACLU 使用 Rekognition 的默认设置，将 188 名当地运动员的官方头像与 20,000 张公开逮捕照片进行比较，结果有 27 名运动员被错误匹配，这意味着近六分之一的运动员被错误地与犯罪嫌疑人的照片匹配。
SDG17 促进目标实现的伙伴关系
趋势
1. 加强信息真实性和透明度：通过人工智能量化偏见来识别和防止错误信息的在线传播，从而增强了信息的真实性和透明度。
2. 推动人类发展和可持续发展目标的实现：结合人工智能和数据分析为各国的人类发展问题提供定制化的解决方案，有助于各国将其国家计划与全球可持续发展目标保持一致。
3. 推动科学研究（如天文社区）：将人工智能系统和大型巡天望远镜结合，短期内可同时监测大量的天体物理事件，协助全球各地天文工作者的观测任务，促进了科学研究和社区间的合作。
4. 增强全球协作（如传染病预防和控制）：基于大数据创建传染病跟踪系统，为全球传染病的预防和控制提供了强有力的工具。
随着第四次工业革命的到来，人工智能（AI）正在渗透到从医疗保健到交通、教育、金融和保险等每一个主要行业中。据麦肯锡全球研究所称，AI 正在帮助社会发生变革，其速度是工业革命的10倍，规模是其 300 倍。联合国开发计划署（UNDP）面临的一个挑战是如何快速、准确地评估各国的国家发展计划与全球可持续发展目标的 169 个目标之间的对齐度，以确定一个国家实施全球发展议程的准备情况。UNDP 与 IBM 研究部门合作，利用 AI 自动化其快速综合评估（RIA）工具。这是一个通常需要专家三到四周时间，手动审查数百甚至数千页文件的繁琐过程。通过使用 AI，该项目开发了一个算法，已经在五个国家（不丹、柬埔寨、利比里亚、毛里求斯和纳米比亚）的国家发展计划上进行了测试。测试的目的是比较算法应用的结果与专家手动进行的 RIA 的结果。系统成功地识别了与 SDG 目标对齐的大量相关国家目标。在某些情况下，系统甚至能够识别出在手动 RIA 中未被专家捕捉到的与国家目标对齐的目标。此外，使用这种系统，进行 RIA 的时间可能从三到四周大幅缩短到三到四天。这一成功的努力将帮助各国快速识别对齐的缺口，从而使他们能够根据自己的特定背景和优先事项更好地将 SDGs 整合到其规划框架中。
挑战
1. 失去人际互动：过度依赖 AI 可能使合作伙伴关系失去人际互动和合作的核心，可能导致冷漠和疏离。
2. 知识集中：AI 技术的应用可能导致知识集中在少数机构手中，增加信息垄断的风险。
3. 不一致性：AI 模型在处理复杂逻辑和敏感问题时可能会给出不准确或危险的建议，尤其在涉及生命健康的关键情境中，这种不一致性可能带来严重的风险。