米兰（亚洲新闻/通讯社）—菲律宾农业部和菲律宾航太局（PhilSA）将启动一项合作计划，旨在促进人工智能（AI）在农业和粮食安全领域的应用。
根据菲律宾媒体上周报道，根据一项为期五年的协议，双方将利用人工智能处理的卫星资料来监测作物状况、估算产量，并绘制受洪水和干旱影响的区域地图，从而识别最脆弱的地区。
农业部长弗朗西斯科·蒂乌·劳雷尔（Francisco Tiu Laurel Jr.） 补充说，这些技术还可以用于识别可以收集和储存多余水源的区域，以便在旱季使用。 他说：“我们目前视为灾害的部分水资源可以转化为农业资源，”
印尼、马来西亚和越南也已引入此类工具，这表明在东南亚，人工智能的应用也正从主要的个人应用转向关键领域的实际应用。然而，在该地区，最令人担忧的问题之一是可及性。
人们担心，对于使用当地语言的社区、战略地位较低的贸易伙伴以及可能缺乏获取高效模型所需资金的较贫穷国家而言，这项技术可能难以获取或效果不佳。
因此，涉及政府、卫生服务机构、大学和公民的区域利益不仅仅在于哪个大国将发展出最先进的模型。
事实上，从实际角度来看，即使是最先进的系统，如果人们无法使用，例如因为系统没有提供菲律宾他加禄语或印尼语等当地语言版本，也可能无法产生正面效果。
在语言多样性显著的地区，这个问题尤其突出，因为许多当地语言在用于训练模型的资料中代表性不足。
一个在英语中运作良好的系统，如果其结果在其他语言中难以理解，那么在医疗保健或公共管理等对语言准确性要求极高的领域，该系统就可能无法使用。
乔治城大学副教授泽诺比亚·陈（Zenobia Chan）指出，东南亚人工智能面临的主要问题在于可及性，这至少反映在三个层面。
首先是语言层面。其次是经济层面：对于许多公共机构和小型企业而言，能否使用这些模型取决于其成本，而过于复杂的模型可能会超出他们的承受能力。
最后，还存在政治风险：各国采取的策略可能日益影响最先进系统的分配和获取，而那些既不被视为威胁也不被视为优先战略市场的国家，可能最后才能获得最尖端的技术，或者只能获得功能有限的版本。
为了应对这些问题，一些东协国家已经开发或正在寻求开发自己的人工智能语言模型。
事实上，正如陈所指出的，“人工智能竞赛”的关键不在于实现完全自主——对大多数国家而言，这被认为是不切实际的目标，而且可能也并非有效利用公共资源。
真正的挑战在于该地区能否确保对这些模型的“弹性获取”，即确保现在和未来都能切实获得这些模型。
陈认为，同样重要的是要整合来自不同生态系统的技术，以便保留可靠的替代方案，并在获取条件发生变化时留有回旋余地，同时避免仅仅造成更复杂的依赖关系。
因此，全球不平等加剧的风险不仅在于人们是否能够正式取得人工智能，还在于能否根据各国的具体需求及其内部不同语言群体的实际需要，以切实可行的方式运用人工智能。
如果人工智能模型已经存在，但却无法充分理解使用者所使用的语言，那么它实际上可能会加剧而非缩小现有的不平等。
