2024人工智能就绪度分析报告：向标准化就绪框架迈进

2024 年 9 月版本 1.0 AI 就绪 - 对标准化就绪性框架的分析 版本 1.0 2024 年 9 月 免责声明 该出版物中使用的名称和材料的呈现方式，并不妨碍国际电信联盟（ITU）或ITU秘书处对任何国家、领土、城市或区域及其当局的法律地位表达任何意见，也不妨碍对它们的边界或边界的划分。 提及特定公司或某些制造商的产品不意味着这些公司或产品得到了国际电信联盟（ITU）的推荐或认可，不及未提及的类似性质的其他公司或产品。除非有误或遗漏，专有产品的名称将以大写字母开头区分。 所有包含在本出版物中的信息均已通过ITU验证，采取了所有合理的预防措施。然而，本材料以任何形式（明示或暗示）不作任何担保。材料的解释和使用责任在于读者。 本出版物中表达的意见、发现和结论不一定反映国际电信联盟（ITU）或其成员的观点。 ISBN 978 - 92 - 61 - 39131 - 7 (电子版) 978- 92 - 61 - 39141 - 6 (EPUB 版) 978 -92 - 61 - 39151 - 5 (Mobi 版) 在打印此报告之前 ， 请考虑环境。 © ITU 2024 一些权利保留。本作品根据知识共享 Attribution-NonCommercial-ShareAlike 3.0 IGO 许可证（CC BY-NC-SA 3.0 IGO）授权给公众使用。 在这种许可条款下，您可以出于非商业目的复制、重分发和改编该作品，并且必须适当引用作品。在使用该作品时，不应暗示国际电信联盟（ITU）支持任何特定组织、产品或服务。未经授权使用ITU名称或标志是不允许的。如果您改编了该作品，则必须根据相同的或等同的Creative Commons许可协议发布您的作品。如果创建了该作品的翻译版本，则应添加以下免责声明以及建议的引用：“此翻译并非由国际电信联盟（ITU）创建。ITU不对该翻译的内容或准确性负责。原始英文版将是具有约束力和权威的版本”。更多信息，请访问https://creativecommons.org/licenses/by-nc-sa/3.0/igo/ 目录 1iii3 个案研究 -4 用例分析2 介绍 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -行政摘要3.1 案例研究-1：基于标准指数的物联网环境监测 ������������������������������������������������������������������������������������������������������������������������ 73.2 案例研究-2：基于人工智能的前端与多模态后端数据聚合 ��������������������������������������������������������������������������������������������������������������������������� 83.3 案例研究-3：协作型多代理系统 �������������������������������������������������������� 93.4 案例研究-4：赋能当地社区 �������������������������������������������������������������������� 123.5 案例研究-5：区域定制化 �������������������������������������������������������������������������� 144.1 案例总结 ����������������������������������������������������������������������164.2 交通安全 ����������������������������������������������������������������������������������������������������174.3 智能农业 ����������������������������������������������������������������������������������������������������184.4 医疗保健 ����������������������������������������������������������������������������������������������������214.5 公共服务 �����������������������������������������������������������������������������������������������������224.6 防灾减灾 �����������������������������������������������������������������������������������������������������244.7 气候、清洁能源 ���������������������������������������������������������������������������������������254.8 未来网络与电信 ��������������������������������������������������������������������������������264.9 可及性 ���������������������������������������������������������������������������������������������������������265 数据分析策略�������������������������������������������������������������������������������������������������������296 未来工作与结论���������������������������������������������������������������������������������������������������337 参考文献������������������������������������������������������������������������������������������������������������������������������34附录 A：用例详细分析及AI对用例的影响������������41附录 B：这些特征对AI就绪标准框架的具体影响需进一步研究������������� 数字和表格列表 数字 图1：国际电信联盟AI向善无限框架——AI准备性 2图2：案例研究1中的准备性因素实例 8图3：案例研究2中的准备性因素实例 9图4：案例研究3中的准备性因素实例 11图5：案例研究4中的准备性因素实例 13图6：案例研究5中的准备性因素实例 15 Tables 表1：AI就绪性因素特征������������������������������������������������������������29表2：通用用例分析及AI影响��������������������������������������������������������������41表3：用例场景分析������������������������������������������������������������������������������������������51 首字母缩略词 AI 就绪 - 对标准化就绪性框架的分析 1 执行摘要 这份报告对人工智能准备度研究进行了分析，旨在开发一套评估人工智能准备度的框架，以表明其在人工智能整合方面的获益能力。通过研究不同领域中的各类参与者和特征，采用自下而上的方法，使我们能够发现这些领域的共同模式、指标和评估机制。 对用例特征的分析将我们引向了主要的 AI 准备因素 ： 1) 开放数据的可用性 数据的可用性对于AI的训练、建模和应用至关重要，无论是在哪个领域。分析用的数据可能来自私人或公共来源。私人数据的元数据可以发布（例如数据类型和结构）。然而，公开可供任何人分析的公共数据则需要进行清洗和匿名化处理，以移除敏感或个人身份信息。 2) 获得研究 平衡研究的两大主要方面，即领域特定研究的进步和人工智能研究的进步，需要领域专家与人工智能研究人员之间的合作。提供一个平台，促进来自不同知识领域的专家之间的合作，以及他们之间的信息交流，是创建基于人工智能创新的可持续生态系统的关键。 3) 部署能力以及基础设施 两大类基础设施被研究——物理基础设施和通信基础设施。考虑到交通安全的背景，物理基础设施的例子包括速度障碍和其他用于限速的监管机制（见第4.2.4条）。其他例子包括温室、湿度调节器（见第4.3.6条）以及用于农业应用场景中提供适宜环境并监测植物状态的传感器。物理基础设施元素在数据采集、聚合（在边缘或核心）、训练（联邦或集中）以及使用执行器应用人工智能和机器学习（AI/ML）推理方面发挥着重要作用。 此外，还有后端基础设施，如计算资源的可用性、存储资源的可用性、光纤/无线资源的最后一英里连接，以及高速广域网能力，这些将使AI/ML解决方案更加普及，并为创新创造可扩展性。 4) 利益相关者通过标准实现的购买 - 信任 ， 互操作性 ， 安全性 互操作性和符合标准能建立信任。安全的标准促进了AI就绪性，因为全球参与和共识决定了预标准研究是否能够应用于现实世界。供应商生态系统，包括开源软件，在不同的应用场景中具有多样性。以交通应用为例，行人安全和驾驶员安全是重要考量因素。采用涉及人类（如行人和司机）的基于AI的解决方案需要获得他们的信任和对使用基于AI的解决方案的认可。 5) 通过开源创建的开发人员生态系统 充满活力的第三方开发人员生态系统不仅可以快速采用 ， 还可以实现创收。 AI 就绪 - 对标准化就绪性框架的分析 开发者生态系统通过基线和开源工具集自主实现算法的参考实现。第三方应用程序、应用编程接口（API）和软件开发工具包（SDK）以及众包解决方案通过迁移学习增强了AI/ML解决方案在不同地区和领域的通用性。硬件实现，尤其是开源物联网板，正在演进以支持边缘数据处理。SG 20 [95] 参考网络实现正逐渐成熟至大规模部署的水平。LoRa网关、SDK和API等物联网网关能够促进新创新应用的创建和部署，从而推动可持续发展目标的实现。 6) 通过沙盒试验实验设置进行数据收集和模型验证 许多应用场景需要一个实验性的沙箱来测试，创建实验性解决方案，并通过实验设置进行验证。虽然真实世界的数据可以提供更可靠的数据来源和更现实的测试环境，但并非所有场景都能在真实世界中遇到，尤其是当灾难性事件及其相关数据较为罕见时。 图 1 将上述准备因素纳入 ITU AI “良好无限 ” AI 准备框架。 本报告在第3条中收录了五个案例研究，重点关注准备因素的具体方面或影响。准备因素的映射用图表表示，这些图表突出显示适用于每个案例研究的具体准备因素。这些案例涉及多种应用场景。本报告涵盖了来自不同领域的共计30个应用场景。每个应用场景可能又包含不同的场景情景。第4条总结了应用场