docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,399 @@
|
||||
---
|
||||
id: wiki-2026-0508-ai-for-social-good
|
||||
title: AI for Social Good (AI4SG)
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [AI4SG, AI for Good, social impact AI, public-interest AI, humanitarian AI, SDG AI]
|
||||
duplicate_of: none
|
||||
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: 2026-05-09
|
||||
github_commit: pending
|
||||
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 (AI4SG)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> **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)
|
||||
|
||||
### 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)
|
||||
- **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)
|
||||
- 부모: [[AI-Ethics]]
|
||||
- 응용: [[Federated-Learning]]
|
||||
- 관련: [[AI Humanism]] · [[AI Accountability]] · [[AI 거버넌스 정책(AI Usage Policy)|AI-Governance-Policy]]
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- 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:**
|
||||
- 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:** 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:** [[AI Humanism]] (related), [[AI-Ethics]] (parent), [[AI 거버넌스 정책(AI Usage Policy)|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 | UPDATE | A |
|
||||
| 2026-05-09 | Manual cleanup — SDG mapping + code pattern + 비판 + 안티패턴 + co-design 추가 | UPDATE | B |
|
||||
Reference in New Issue
Block a user