[G1-Sync] Manual knowledge update

2026-05-10 22:08:15 +09:00
parent 21ac3ed255
commit 504fd5fb42
3011 changed files with 380280 additions and 206977 deletions
@@ -1,68 +1,403 @@
 ---
 id: wiki-2026-0508-ai-for-social-good
-title: AI for Social Good
+title: AI for Social Good (AI4SG)
 category: 10_Wiki/Topics
-status: needs_review
+status: verified
 canonical_id: self
-aliases: [P-Reinforce-AUTO-AIFG-001]
+aliases: [AI4SG, AI for Good, social impact AI, public-interest AI, humanitarian AI, SDG AI]
 duplicate_of: none
-source_trust_level: A
-confidence_score: 0.95
-tags: [auto-reinforced, ai4good, social-impact, Sustainability, humanitarian-ai, global-goals]
+source_trust_level: B
+confidence_score: 0.85
+verification_status: conceptual
+tags: [ai4good, social-impact, sdg, humanitarian, climate-ai, public-interest, ai-ethics]
 raw_sources: []
-last_reinforced: 2026-04-20
+last_reinforced: 2026-05-09
 github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+inferred_by: Claude Opus 4.7 (manual cleanup 2026-05-09)
+tech_stack:
+  language: process / multidisciplinary
+  applicable_to: [Non-profit, Research, Government, Corporate Social Responsibility]
 ---

-# [[AI for Social Good|AI for Social Good]]
+# AI for Social Good (AI4SG)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> "선한 영향력의 지능적 확장: 기술적 우위를 단순히 수익 창출에만 쓰지 않고, 기후 변화, 질병 퇴치, 교육 격차 해소 등 인류가 직면한 거대 난제를 해결하는 데 집중하는 따뜻한 AI."
+> **AI 의 commercial 외 사용**. 매 UN SDG (climate, health, education, equity) 의 AI 응용. 매 vendor 의 lab + non-profit + government 의 partnership. **Hype 보다 partnership + data + sustainability 가 중요**.

 ## 📖 구조화된 지식 (Synthesized Content)
-사익을 위한 AI(AI for Social Good, AI4SG)는 기술의 잠재력을 사회적 가치 창출과 지속 가능한 발전을 위해 활용하는 운동이자 연구 분야입니다.

-1.  **주요 타겟 분야 (UN SDGs 연계)**:
-    *   **Health**: 전염병 확산 예측, 희귀 질환 신약 개발 가속화, 원격 의료 지원.
-    *   **Environment**: 위성 데이터를 통한 산림 파괴 감시, 정밀 농업을 통한 비료 낭비 방지, 에너지 망 최적화.
-    *   **Education**: 소외 지역 아이들을 위한 개인화된 AI 튜터, 실시간 다국어 교육 번역.
-    *   **Safety**: 재난 발생 시 골든타임 확보를 위한 구호 경로 최적화 및 인구 이동 분석.
-2.  **핵심 원칙**:
-    *   **Inclusivity**: 특정 집단이 아닌 소외된 계층까지 기술의 혜택이 닿아야 함.
-    *   **Transparency**: 사회적 의사결정에 쓰이는 AI는 과정이 투명해야 함.
+### 정의 + scope
+AI 의 application 의 social benefit 목표:
+- 매 UN SDG (Sustainable Development Goals) 의 mapping.
+- Non-profit / NGO / government partnership 의 흔함.
+- 매 commercial value < social value.
+
+매 typical area:
+- Climate & sustainability.
+- Healthcare (특히 underserved).
+- Education (digital divide).
+- Disaster response.
+- Conservation.
+- Accessibility.
+- Agriculture (food security).
+
+### UN SDG 의 AI mapping
+
+#### SDG 3: Health
+- **Diagnosis**: malaria detection (mobile + ML), TB X-ray screening.
+- **Outbreak prediction**: 매 epidemic 의 early signal.
+- **Drug discovery**: 매 rare disease 의 candidate.
+- **Mental health**: chatbot support (Wysa, Woebot).
+- **매 example**: Google's diabetic retinopathy screening (India, Thailand).
+
+#### SDG 13: Climate
+- **Forest monitoring**: 매 satellite imagery 의 deforestation detect.
+- **Energy optimization**: grid balance, demand prediction.
+- **Climate model**: 매 weather / temperature.
+- **Methane leak detect**: satellite + ML.
+- **매 example**: Google's flood forecasting (India, Bangladesh).
+
+#### SDG 4: Education
+- **Personalized learning**: Khanmigo, Duolingo Max.
+- **Translation**: real-time multi-lingual.
+- **Literacy**: 매 student 의 reading support.
+- **Access**: low-bandwidth countries.
+- **매 example**: AI tutor 의 1.7B underserved.
+
+#### SDG 11: Cities / Disaster
+- **Disaster routing**: 매 evacuation optimize.
+- **Population displacement**: satellite + social media.
+- **Damage assessment**: 매 earthquake / flood.
+- **매 example**: Google Crisis Response.
+
+#### SDG 14, 15: Biodiversity
+- **Species identification**: iNaturalist (10M user).
+- **Anti-poaching**: 매 patrol route + acoustic detection.
+- **Coral reef monitoring**.
+- **매 example**: Wildbook (whale shark identification).
+
+#### SDG 5, 10: Equity
+- **Bias detect**: 매 system 의 audit.
+- **Voice for marginalized**: low-resource language.
+- **Accessibility**: 매 disability (vision, hearing).
+- **매 example**: Project Euphonia (atypical speech).
+
+### 매 organization 의 program
+- **Google AI for Social Good**: $25M+ funding.
+- **Microsoft AI for Earth / Health / Accessibility**.
+- **IBM Sustainability Accelerator**.
+- **Anthropic Claude for Climate / Health / Education**.
+- **OpenAI Nonprofit grants**.
+- **DeepMind AlphaFold (free)**: protein structure.
+- **UNICEF MagicBox**.
+- **Partnership on AI**.
+
+### 매 framework / methodology
+
+#### Theory of Change
+1. 매 social problem 의 root cause.
+2. 매 intervention (AI 의 specific role).
+3. 매 outcome (short / long-term).
+4. 매 measurement.
+5. 매 stakeholder (beneficiary, partner, funder).
+
+#### Co-design
+- 매 affected community 의 participation.
+- 매 design 의 representation.
+- 매 deployment 의 local trust.
+- 매 outcome 의 feedback.
+
+→ "Nothing about us without us".
+
+#### Human Rights Impact Assessment (HRIA)
+- 매 AI 의 deployment 의 human rights effect.
+- Privacy, freedom of expression, equality.
+- UN B-Tech Project.
+
+### 매 challenge
+
+#### Data scarcity
+- 매 underserved region 의 data 부족.
+- 매 sensitive (health) 의 collection 어려움.
+- Synthetic data, transfer learning, federated learning.
+
+#### Sustainability
+- 매 pilot 의 funding 끝 → 매 deployment 의 abandon.
+- Local capacity building.
+- Open-source.
+
+#### Bias
+- 매 training data 의 Western / urban bias.
+- 매 underserved 의 misrepresent.
+- Local validation.
+
+#### Ethics / consent
+- 매 vulnerable 의 informed consent.
+- 매 data sovereignty (indigenous data).
+- 매 deployment 의 community approval.
+
+#### Verification
+- 매 claim 의 evidence.
+- "AI4SG washing" (marketing 의 hype + reality 부족).
+- 매 outcome 의 measurement 어려움.
+
+### 매 implementation pattern
+
+#### Phase 1: Discovery
+- Problem definition (community + experts).
+- Data audit.
+- Stakeholder mapping.
+- Feasibility.
+
+#### Phase 2: Co-design
+- Local team partnership.
+- Iterative prototype.
+- 매 community 의 feedback.
+
+#### Phase 3: Pilot
+- Small-scale deploy.
+- 매 outcome 의 measurement.
+- 매 unintended effect 의 monitor.
+
+#### Phase 4: Scale
+- 매 partner 의 capacity build.
+- Open-source 의 enable.
+- Sustainability (funding, governance).
+
+#### Phase 5: Sustain / Transition
+- 매 local ownership.
+- Continuous improvement.
+- 매 exit plan.
+
+### Critique
+
+#### "AI Solutionism"
+- 매 social problem 의 root cause 가 social, not technical.
+- 매 AI 의 surface fix.
+- 매 tech-driven solution 의 limit.
+
+#### "AI Colonialism"
+- 매 Western / Global North 의 deploy + Global South.
+- 매 local agency 의 erasure.
+- Data extractivism.
+
+#### "Pilotitis"
+- 매 pilot 의 abundance + scale 의 부족.
+- 매 academic / company 의 self-promote.
+- 매 sustainable impact 의 부족.
+
+→ Critical perspective + design 의 integration 가 답.
+
+## 💻 패턴 (응용)
+
+### Federated learning (privacy)
+```python
+# 매 hospital 의 own data + central model.
+import flwr as fl
+
+class HospitalClient(fl.client.NumPyClient):
+    def __init__(self, model, local_data):
+        self.model = model
+        self.data = local_data
+    
+    def fit(self, parameters, config):
+        self.model.set_weights(parameters)
+        self.model.fit(self.data)
+        return self.model.get_weights(), len(self.data), {}
+
+# 매 hospital 의 data 가 own.
+# 매 model update 의 share.
+fl.client.start_numpy_client(server_address='central:8080', client=HospitalClient(...))
+```
+
+→ 매 patient data 의 hospital 의 own. Central model 의 collective learning.
+
+### Low-resource translation (NLLB)
+```python
+from transformers import pipeline
+
+# Meta NLLB 200 language
+translator = pipeline('translation', model='facebook/nllb-200-distilled-600M')
+
+# 매 underserved language
+result = translator('Hello', src_lang='eng_Latn', tgt_lang='swh_Latn')
+print(result)
+```
+
+→ 매 community 의 mother tongue.
+
+### Satellite imagery analysis (deforestation)
+```python
+# 매 region 의 매 month 의 satellite image
+# Diff = deforestation rate
+import rasterio
+from sentinelhub import SHConfig, BBoxSplitter
+
+# Sentinel-2 의 10m resolution
+config = SHConfig()
+config.sh_client_id = '...'
+
+# 매 area 의 매 month image
+images = fetch_sentinel(area, dates=monthly_2024)
+deforestation_mask = ml_model.predict(images)
+```
+
+→ Forest watch 의 ML.
+
+### Disaster response (population)
+```python
+# 매 social media + satellite + cell tower data
+import pandas as pd
+
+def estimate_displacement(events):
+    cell_density_before = load_ctd('before-event')
+    cell_density_after = load_ctd('after-event')
+    
+    # 매 cell 의 population shift
+    delta = cell_density_after - cell_density_before
+    return delta
+```
+
+→ Refugee / displacement track.
+
+### Health (medical imaging, low-resource)
+```python
+# 매 mobile-friendly model
+import tensorflow as tf
+
+model = tf.keras.applications.MobileNetV3Small(weights='imagenet')
+# Fine-tune on disease classification
+
+# Quantize for edge
+converter = tf.lite.TFLiteConverter.from_keras_model(model)
+converter.optimizations = [tf.lite.Optimize.DEFAULT]
+quantized = converter.convert()
+
+# 매 doctor 의 phone 의 deploy
+```
+
+→ Off-grid / low-connectivity.
+
+### Accessibility (ASR for atypical speech)
+```python
+# Project Euphonia (Google) 식
+# 매 user 의 own data + base ASR
+from transformers import WhisperForConditionalGeneration
+
+model = WhisperForConditionalGeneration.from_pretrained('openai/whisper-base')
+
+# Fine-tune on user's own atypical speech
+# (small dataset, transfer learning).
+```
+
+→ Cerebral palsy / ALS 의 communication.
+
+### Co-design checklist
+```yaml
+# Pre-deployment audit
+co_design:
+  - Local team 의 partnership: Y/N
+  - Affected community 의 input: Y/N
+  - Pilot 의 small + measurable: Y/N
+  - Outcome 의 transparent disclosure: Y/N
+  - Local capacity building: Y/N
+  - Sustainable funding: Y/N
+  - Exit plan / transition: Y/N
+  - Open-source / shared: Y/N
+```
+
+### Impact measurement
+```python
+# 매 outcome 의 quantify
+class ImpactTracker:
+    def __init__(self):
+        self.baseline = self.measure_baseline()
+    
+    def track(self, intervention_period):
+        post = self.measure_after()
+        delta = post - self.baseline
+        
+        # 매 confounder 의 control (RCT 가 ideal)
+        return {
+            'metric': 'lives_saved',
+            'baseline': self.baseline,
+            'post': post,
+            'delta': delta,
+            'confidence': self.compute_confidence(),
+        }
+```
+
+→ 매 honest reporting (vs hype).
+
+## 🤔 의사결정 기준 (Decision Criteria)
+
+| 상황 | 추천 |
+|---|---|
+| Problem 가 social structural | AI 의 limit + structural solution |
+| Tech 가 augment | AI4SG 의 perfect fit |
+| Vulnerable population | Co-design + ethics review |
+| 매 region 의 data 부족 | Federated / synthetic / transfer |
+| Privacy critical | Federated / on-device |
+| Off-grid | Edge / mobile / quantize |
+| Sustainability concern | Local capacity + open-source |
+
+**기본값**: Co-design + impact measurement + sustainability plan + ethics review. 매 pilot 의 scale path.

 ## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
- **과거 데이터와의 충돌**: 과거에는 기술 사회 공헌을 기업의 '선택적 기부' 정책 정도로 보았으나, 현대 사회 정책은 AI를 공공재(Public Goods)의 일부로 인식하고 기술 설계 단계부터 공익성을 내재화하는 '내재적 공익 정책'을 장려함(RL Update).
- **정책 변화(RL Update)**: 공익용 AI 개발 시 데이터 가용성의 한계를 극복하기 위해, 각국 정부가 공공 데이터를 'AI4SG 전용'으로 개방하고 연구 자금을 지원하는 '디지털 임팩트 펀드 정책'이 글로벌 트렌드가 됨.
+- **Solutionism vs structural**: 매 social problem 의 tech 의 limit.
+- **Pilot vs scale**: 매 academic / company 의 pilot 의 abundance + scale 의 부족.
+- **Open-source vs sustainability**: 매 open 의 funding model 어려움.
+- **Local vs global**: 매 local context 의 specific need vs global model 의 generality.
+- **Corporate motive**: 매 vendor 의 social good 의 marketing vs sincere commitment.
+- **AI ethics 의 cost**: 매 ethics review 의 development friction.
+- **매 SDG 의 hype**: 매 vendor 의 SDG checkbox + 매 actual impact 의 부족.

 ## 🔗 지식 연결 (Graph)
- [[Wicked-Problems|Wicked-Problems]], [[AI & Data Sovereignty|AI & Data Sovereignty]], [[Universal Basic Income (UBI)|Universal Basic Income (UBI)]], Foundational Models, [[Scientific Communication|Scientific Communication]]
- **Modern Tech/Tools**: Google AI for Social Good program, Microsoft AI for Earth, UN Global Pulse.
---
+- 부모: [[AI-Ethics]] · [[Technology-for-Development]] · [[Public-Interest-Tech]]
+- 변형: [[AI-for-Earth]] · [[AI-for-Health]] · [[AI-for-Climate]] · [[AI-for-Accessibility]]
+- 응용: [[Federated-Learning]] · [[Low-Resource-NLP]] · [[Satellite-Imagery-ML]] · [[Mobile-AI-Edge]]
+- 비판: [[AI-Solutionism]] · [[AI-Colonialism]] · [[Pilotitis]] · [[AI4SG-Washing]]
+- 관련: [[AI-Humanism]] · [[AI-Accountability]] · [[AI-Governance-Policy]]
+- 기관: [[Google-AI-for-Social-Good]] · [[Microsoft-AI-for-Earth]] · [[Partnership-on-AI]] · [[UN-Global-Pulse]] · [[Anthropic-Claude-for-Climate]]
+- Adjacent: [[Co-Design]] · [[Theory-of-Change]] · [[Human-Rights-Impact-Assessment]] · [[Sustainable-Development-Goals]]

 ## 🤖 LLM 활용 힌트 (How to Use This Knowledge)

 **언제 이 지식을 쓰는가:**
- *(TODO)*
+- 매 nonprofit / NGO 의 AI partnership.
+- 매 corporate CSR 의 AI program design.
+- 매 SDG 의 AI mapping.
+- 매 grant proposal 의 framing.
+- 매 pilot 의 sustainability planning.

 **언제 쓰면 안 되는가:**
- *(TODO)*
+- Specific country 의 regulation (local expert).
+- Crisis 의 immediate response (humanitarian agency).
+- Technical implementation 의 detail (engineer).
+- Cynicism 의 platform (constructive critique 만).
+
+## ❌ 안티패턴 (Anti-Patterns)
+- **Solutionism**: 매 social problem 의 tech 의 fix.
+- **Colonial deploy**: local agency 의 erasure.
+- **Pilotitis**: 매 pilot 의 scale 의 plan 부족.
+- **AI4SG washing**: marketing 의 hype + reality 부족.
+- **Co-design 의 token**: 매 community input 의 superficial.
+- **Open-source 의 abandon**: maintenance 의 부족.
+- **Outcome 의 unmeasured**: claim 의 evidence X.
+- **Ethics review 의 skip**: vulnerable 의 harm.

 ## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
+- **정보 상태:** verified (concept-level).
+- **출처 신뢰도:** B (UN Global Pulse, Partnership on AI, Stanford HAI, Google AI for Social Good reports).
+- **검토 이유:** Manual cleanup. 매 specific 프로그램 의 detail 가 evolving.

 ## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
+- **기존 유사 문서:** [[AI-Humanism]] (related), [[AI-Ethics]] (parent), [[AI-Governance-Policy]] (related).
+- **처리 방식:** KEEP (specific application focus).
+- **처리 이유:** AI4SG 가 distinct application area + methodology.

 ## 🕓 변경 이력 (Changelog)
-
 | 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
 |------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
+| 2026-05-08 | P-Reinforce Phase 1 정규화 | UPDATE | A |
+| 2026-05-09 | Manual cleanup — SDG mapping + code pattern + 비판 + 안티패턴 + co-design 추가 | UPDATE | B |