人工智能助力非洲：带来影响的用例

July 2024 GSMA 中央洞察部门 GSMA GSMA 是一个全球性组织，旨在统一移动生态系统，发现、开发和交付对积极的商业环境和社会变革至关重要的创新。我们的愿景是释放连接的全部力量，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的运营商和其他组织，GSMA 在三大核心支柱——“为了更好的连接”、“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、应对当今最大的社会挑战，支持使移动通信得以运行的技术和互操作性，并通过 MWC 和M360 系列活动为移动生态系统提供全球最大的交流平台。 GSMA移动发展（M4D）的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的作用和影响进行深入研究。CIU与公共和私营部门的专业人士合作，生成有关发展领域新兴技术创新的独特见解和分析。通过我们的洞察，我们支持国际捐助者在寻求通过数字生态系统内的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 阿克苏姆是一家以非洲为中心的影响力公司，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的领导者合作，旨在推动可持续发展、包容性和繁荣。 此倡议由英国政府的UK Aid资助，并得到GSMA及其成员的支持。文中观点仅供参考，不一定反映英国政府的官方政策。 通过战略领导力和将理念转化为现实的能力，埃克斯特与多元化的利益相关者合作，推动积极变革。凭借超过150年的集体领导经验，以及分布在非洲和中东地区的近100人团队和10个办公室，埃克斯特利用其丰富的跨行业和跨文化的专业知识，帮助客户应对紧迫的全球挑战，并实现非洲和中东的巨大潜力。 作者和贡献者 作者 ： Eug é nie Humeau 和 Tanvi Deshpande 贡献者: Daniele Tricarico Acknowledgements 我们还想感谢Dr Emmy Chirchir和Dr Emmeline Skinner（FCDO东非研究与创新 hub）、Kristin Klose（FCDO南非研究与创新 hub）以及Oluwasegun Adetunde（FCDO西非研究与创新 hub）提供的输入和反馈。 本报告基于GSMA委托Axum开展的研究。我们衷心感谢Gathoni Kang'ethe、Jamila Raji、Jonathan Munge、Salma Ait Hssayene、Isis Nyong'o Madison和Robin Miller为本报告所做的贡献。 我们衷心感谢以下参与我们的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的成员：Alban Odhiambo（托尼·布莱尔全球变化研究院）、Deshni Govender（德国国际合作机构—FAIRForward）、Girmaw Abebe Tadesse博士（微软AI for Good实验室）、Kate Kallot（Amini）、Koliwe Majama（ Mozilla 基金会）、Lavina Ramkissoon（非洲联盟）、Lily Steele（全球创新基金）、Linet Kwamboka（可持续发展数据全球伙伴关系）、Lukas Borkowski（Viamo）、Matthew Smith（国际发展研究中心）和Olubayo Adekanmbi博士（数据科学尼日利亚）。 最后，我们感谢所有为本研究作出贡献的个人和组织。研究报告中咨询的所有组织名单详见报告末尾。 Contents 执行摘要 1.Introduction 2.研究目标和方法 3. 定义 AI14什么是 AI ？15非洲的 AI 基础16 4. 产生影响的用例29不同用例的关键趋势30农业和粮食安全35能源42气候行动49 5. 迈向繁荣的生态系统56创造有利的政策环境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和劳动力的贡献图16 农业和粮食安全的应用场景概览图17 农业和粮食安全应用场景热图（按国家划分）图18 各国的电力接入情况图19 非洲拥有发电能力超过电网容量的柴油发电机能力的国家图20 西非地区的电力电网结构图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 各地区的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的工具图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合作的各类主体类型 图 1非洲人工智能市场相对于全球市场的估计年度价值图 2人工智能对非洲经济的潜在增值图 3AI 生态系统框架图 4 大数据的五个 V 图 5用于开发的 AI 的数据类型和来源示例图 6 全局数据集的生成和使用图 7与全球基准相比 ，非洲语言互联网内容的患病率图 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11 AI构建者和AI用户所需技能图12 好的提示是什么？图13 各国应用场景分布图14a 应用场景在各行业的分配图14b 应用场景在不同类型AI的分配图14c 应用场景在不同组织类型之间的分配 表列表 表5 人工智能领域按国家划分的venture capital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的关键建议 表1 研究方法学表2 各国饥饿评估表3 对气候变化的脆弱性和提高韧性准备性的评估表4 各国科技领域的风险投资 框列表 盒1 建立本地语言数据集：挑战与机遇 盒2 边缘计算的好处是什么？ 盒3 “问Viamo Anything”将生成式AI技术带给数字连接不足的社区 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的AI伦理方法 首字母缩略词列表 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 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 Definitions AI 促进发展 ：我们使用“AI for发展”这一术语，指的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的应用。 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的视觉输入。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）的AI类型。 算法:在计算中 ， 尤指计算机为解决问题而遵循的过程或规则。 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的人工智能子领域。4 人工智能 ：人工智能（AI）由广泛不同的技术组成，这些技术可以大致定义为“自我学习、自适应系统”。1 AI 具有理解语言、解决问题、识别图片和通过分析大数据集中的模式来学习的能力。 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的数据和数字。 大技术 ：在本报告中，“Big Tech”玩家指的是全球知名的大型科技公司，包括谷歌、微软、IBM、Meta和亚马逊。在某些语境中，“Big Tech”和“大型科技公司”可以互换使用。 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的AI类型。5 计算:计算是指执行特定任务所需计算或计算的过程，例如训练AI模型。它还涵盖了执行这些计算的硬件组件，如芯片，以及用于执行计算任务的硬件和软件集成系统。2 遥感:通过卫星、飞机和无人机上的远程传感器获取远处的信息，这些传感器能够检测并记录反射或发射的能量。地球上的所有物体都会反射、吸收或传输能量，且不同物体的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的地球特征以及不同的岩石和矿物类型。6 执行摘要 AI 在非洲的潜力 人工智能具有巨大的潜力，可以促进非洲经济的发展，并支持非洲大陆的可持续发展目标（SDGs）。尽管人工智能已经在非洲各国支持各种应用场景的研发和部署，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的证据体系。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的科技生态系统——超过90个应用场景的分析，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的一部分被部署，但也出现了一些具有商业可行性的解决方案。通常，人工智能被整合到现有的数字产品和服务中，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的关键因素。 农业科技领域正在见证人工智能创新的大部分进展，尤其是在肯尼亚和尼日利亚等国，农业在这些国家的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的见解，以及在金融服务方面，如Apollo Agriculture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的切入点。由Nithio等公司开发的应用案例，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的应用案例，特别是在肯尼亚和南非的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的AI for Good Lab和非营利组织如Rainforest Connection等的推动。 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）生成的数据日益增多，推动了众多AI驱动应用场景的发展。借助机器学习（ML），对地理空间和遥感数据进行分析，可以支持广泛的应用场景和活动，例如有效管理农作物的土壤条件监测、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的影响。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的定制解决方案的主要障碍。除了访问政府和特定领域数据的壁垒之外，最大的差距之一在于语言数据。当地语言数据的稀缺性限制了AI服务的相关性，并对依赖语言模型的生成式AI解决方案的发展构成了重大障碍。 在各个国家，显著的技术技能差距仍然阻碍着人工智能生态系统和应用场景的发展。虽然大学提供了与人工智能相关的课程，但它们往往无法跟上行业的需求，学生也缺乏实际学习和动手操作的机会。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的社会经济挑战所需的跨学科技能组合。尽管面临这些挑战，组织如Data ScienceNigeria（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，终端用户需要一定的数字素养才能访问由移动设备等数字渠道提供的人工智能驱动的服务。然而，知识和技能的缺乏仍然是采用和使用数字工具和服务的最大障碍之一，尤其是在女性、低收入和农村社区以及残疾人群体中。 尽管肯尼亚、尼