数据向善：DeepLearning.AI 专访微软 AI 向善实验室主任
随着人工智能成为应对全球复杂挑战的有力工具，DeepLearning.AI 推出了新的专业课程 "AI for Good"。该课程旨在扩大具备将人类智能与机器智能结合以造福地球与人民能力的社区。为此，DeepLearning.AI 与 Microsoft AI for Good Lab 深度合作，并采访了该实验室主任兼首席数据科学家 Juan Lavista Ferres。
Juan 的工作致力于催化旨在利用人工智能解决全球紧迫挑战的合作伙伴关系。他的贡献已发表在《Pediatrics》等权威学术期刊上，并获《纽约时报》、CNN 及 100 多个全球新闻机构报道。
在本次对话中，Juan 分享了其职业历程、AI 在解决社会与环境挑战中的创新应用，以及加入 AI 向善运动的理由。
从个人悲剧到全球使命：AI 向善的初心
Juan 对 AI for Good 类工作的兴趣贯穿了其职业生涯的绝大部分。20 年前，一位好友因婴儿猝死综合征（SIDS）失去孩子，这促使他开始志愿参与西雅图儿童医院的工作，致力于理解病因并寻找预防步骤以降低风险。这段志愿经历最终促成了微软 AI 向善实验室的成立。
"我从未想过今天我们所从事的工作会有如此规模和影响力，" Juan 表示。从改善健康成果到生物多样性保护及人道主义响应，AI 在各个领域的相关性和需求从未如此显著。
核心职责：以数据与云技术催化全球挑战
作为 AI 向善实验室主任，Juan 的核心职责是确保每个项目都推进使命："利用数据、云技术、数据科学人才和微软品牌的力量，催化并激励他人合作解决世界最大的挑战。"这是他们的"北极星"。
此外，他负责协调分布在全球三大洲的多元化团队，将其独特的经验、背景和技能集转化为协同效应，以实现最大的积极影响。
给从业者的建议：从"点击广告"到"挽救生命"
针对希望将职业导向积极影响的 AI 从业者，Juan 引用了 Facebook 首位数据科学家 Jeff Hammerbacher 的话："我这一代最聪明的大脑都在思考如何让人们点击广告。" Juan 指出，虽然预测婴儿死亡率与预测广告点击率在宏观社会视角下截然不同，但从纯数据科学角度看，这两个问题非常相似。
"你可以将所学的技能用于帮助世界，" Juan 建议。他特别推荐从业者与拥有领域专业知识的组织合作，引导数据科学解决方案解决重要的社会问题。
融入人道主义与气候领域的四步走策略
对于希望在人道主义、健康、无障碍及气候领域融入 AI 的从业者，Juan 提出了四点关键建议：
- 与专家协作：AI 是跨学科领域，成功整合通常需要与 AI 专家、数据科学家和技术人员合作。利用行业与学术界众多渴望与相关组织合作的数据科学家的机会。
- 识别相关数据源：数据是 AI 的基础。探索现有数据集、开源数据计划或与收集相关数据的组织建立合作伙伴关系。确保数据具有多样性、代表性且符合伦理。
- 从小处着手并迭代：从小型 AI 项目或试点开始，以测试和验证 AI 的可行性及潜在影响。这种方法允许从初始实施中学习、改进并构建成功结果，同时有效管理资源和降低风险。
- 解决伦理考量：在人道主义、健康等领域应用 AI 涉及独特的伦理问题。需警惕潜在的偏见、公平性、隐私和安全问题。确保制定伦理框架和指南来规范 AI 解决方案的开发和部署。
关键技能：代码、统计与协作
对于寻求在 AI for Good 领域就业的人才，Juan 强调了以下关键技能：
- 编程与数据管理能力：精通 Python 或 R 等语言，具备高效的数据操作、分析及模型开发能力。同时，掌握数据清洗、预处理和集成等数据管理技能至关重要。
- 扎实的统计学知识：理解统计学对于从数据中提取有意义的见解至关重要。应精通统计技术、假设检验、回归分析和实验设计，以便识别模式、检测偏见并做出明智决策。
"最好的数据科学家不仅懂得如何预测，更懂得如何利用这些预测去改变世界。" —— Juan Lavista Ferres
