斯坦福社会创新评论
￥ 32.87 6.7折 ￥ 49 全新
库存8件
湖北武汉
认证卖家担保交易快速发货售后保障
作者斯坦福社会创新评论编辑部
出版社中信出版社
ISBN9787521717174
出版时间2020-05
装帧平装
开本16开
定价49元
货号9787521717174
上书时间2024-09-21
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
《斯坦福社会创新评论》英文版指导和激励来自世界各地和社会各个部门（非营利组织、企业和政府）的数百万社会变革。通过在线研讨会、会议、杂志、在线文章、播客等，《斯坦福社会创新评论》探讨涉及各类主题的研究、理论和实践，包括影响力投资和非营利组织的商业模式。《斯坦福社会创新评论》由斯坦福大学PACS 中心出版。《斯坦福社会创新评论》中文刊出版方：北京乐平公益基金会。北京乐平公益基金会致力于构建一个包容发展的社会，为真切关心社会发展的人提供解决社会问题的生态环境。乐平将自己定位为社会创新的触媒和社会创新市场的构建者。通过以影响力为导向的综合性投资，乐平支持具有高成长性的新生代社会企业快速发展，并催化具有规模化潜力的社会创新方法，很终产出规模化的社会影响力。通过一系列知识与思想产品，乐平为社会创新构建人才市场和思想市场，基于跨界多元的社群培育一个有利于社会企业家生长的社会创新环境，促进更多社会企业的规模化发展。
目录
中文版09期导言
科技向善，以技术推动社会创新
特别策划
中国区块链驱动慈善事业的新模式
AI向善的机遇与挑战
用3D打印解决住房问题
“反家暴”新思路：一个多方共创的庇护网络
水滴启示录：社会价值嵌入商业创新充满挑战，但这值得冒险
专题文章
循证实践在国际发展援助领域的新思路——超越线性思维，建立协商文化
金字塔底层市场的“共创模式”
密苏里模式：应对创伤的系统性变革新视角
东亚聚焦
从三方皆好到七方皆好：日本后增长时代的利益相关者经济
最佳实践
网络彩虹行动
新方法
爆料失败的国际援助项目
用区块链为无家可归者提供身份证明
拯救北极冰盖的阿波罗计划
观点荟萃
合作社模式是打破传统信贷壁垒的新途径
社会影响力债券面临融资缺口
研究速览
失败的组织文化易造成性别不平等
公立学校更能战胜分歧，促进社区融合
绩效体系或影响心理健康
新书架
绝不仅仅是模仿：中国式的企业创新
内容摘要
《斯坦福社会创新评论》英文版指导和激励来自世界各地和社会各个部门（非营利组织、企业和政府）的数百万社会变革。通过在线研讨会、会议、杂志、在线文章、播客等，《斯坦福社会创新评论》探讨涉及各类主题的研究、理论和实践，包括影响力投资和非营利组织的商业模式。《斯坦福社会创新评论》英文版由斯坦福大学PACS中心出版。《斯坦福社会创新评论》中文简体版由北京乐平公益基金会引进，汇集了世界各地在社会创新方面的前沿研究、实践、经验总结，以及专家学者对社会创新方面新的见解。作为一本前沿性刊物，SSIR每期都会推出一些对读者来说比较陌生，但又与当今社会热点问题紧密相关的概念和方法论。本期重点讨论了区块链、人工智能、3D打印等科技发展在社会创新领域的运用和发展，指出科技必须是向善的，分析了科技运用于慈善过程中出现的一些问题以及应对方法；本期还讨论了在靠前发展援助领域中循证实践的作用，循证实践可以帮助项目在援助过程中持续关注进展、发现问题以便改善援助方式等。
精彩内容
AI向善的机遇与挑战对自杀预防来说，每一分钟的响应时间都至关重要。为此，纽约市著名的非营利组织“危机短信热线”（CrisisTextLine）的技术团队分析了大约6500万条短信，从统计学的角度来判断哪些词与高自杀风险相关。分析结果令团队惊讶。例如，在短信中使用“EMS”（emergencymedicalservice）这个词，其所预示的自杀风险比“自杀”这个词要高出5倍之多。通过使用这种分析，团队可以像医院急诊科的分诊系统一样，更好地对收到的消息进行优先级排序。如今，该组织能够在5分钟之内对94%的存在高自杀风险的短信发信人做出回应。
如果没有某种形式的自动化分析，如此规模的分析工作显然是难以进行的。这只是“使命驱动型人工智能”的一个例子—以负责任的方式运用人工智能，从而应对社会挑战和生态挑战。使命驱动型人工智能有时也被叫作“AI向善”，是指运用机器学习来为非营利组织、非政府组织和社会企业等服务，从而提升运营效率、改善项目质量。
确切地说，AI是一个广义的术语，描述了机器获得与人一样不断进化的执行任务的能力。机器学习是AI的一个具体方法，指将统计技术应用于数据，训练计算机去执行任务，且无须再由人工对规则进行具体编程。“深度学习”是机器学习的一种，它模仿大脑处理数据的方式，搭建多个处理层来处理数据。在本文中，我们有意于将AI放在更广的维度中讨论。尽管如此，机器学习确实占据了AI研究和开发的绝大部分内容，因此我们在谈到运用了这个技术的特定项目时也会使用机器学习这个术语。
使用AI来驱动向善的力量可以增强社会变革部门的能力。具体来说，它有可能降低成本、提高质量，扩大社会变革组织的影响力。想想看，把这些组织从一辆大众甲壳虫变成一艘航空母舰，会是怎样的效果。
第一步在机器学习领域，我们正在经历着像寒武纪那样的爆炸式发展时代：算法已经可以击败围棋世界冠军、驾驶汽车、通过智能手机摄像头进行实时翻译，以及简化已高度优化的商业流程—例如将谷歌数据中心的冷却费减少40%。
这些创新也将改变非营利部门。我们预测，非营利组织将最先采用AI来进行组织能力建设—通过加强筹款、营销和行政管理等方面的技能，以及优化流程和资源配置，来提高机构的有效性和可持续性。非营利机构对能力建设的需求通常是相似的。通过些许调整，一个关于筹款、会计或传播的解决方案通常就可以满足多个组织的需求。因此，对能力建设的技术投入可以很快地在非营利部门中得到推广，这是我们希望通过机器学习解决方案来实现的。
许多非营利组织已经使用Salesforce和Blackbaud关系管理数据库服务来管理筹款业务了。这些服务现在已经开始整合机器学习功能，这意味着这些组织将很快能够使用数据驱动的模型来预测捐赠者的行为，更加准确地预测年终筹资额和其他财务目标。会计软件包QuickBooks是另一款非营利组织常用的工具，目前也增加了机器学习功能，特别是那些可以对费用和其他会计数据进行自动分类的功能。这样，机器学习就会成为已经熟知工具里的一个新功能，在这种情况下使用机器学习的障碍将相对较低。
机器客服在非营利领域的应用所有巨头科技公司都开发了机器客服，越来越频繁地使用AI来回答基于文本的问询，并将代码开放给其他软件开发人员。通过对话式地回应信息需求，回复简单问题，机器客服可以帮助组织提高响应能力，这有点像一种全自动的常见问题问答（FAQs）。现在，企业客服部门也越来越多地在部署机器客服。对非营利组织来说，机器客服将在处理小额捐赠和其他常规互动操作方面发挥重要作用。
机器客服还能开发出更具创新性的应用。2016年，非政府组织慈善机构“水”（Water）通过机器客服模拟了与虚构埃塞俄比亚女孩“Yeshi”的对话，以提高人们对获取干净水的认知。各组织也在尝试把机器客服用于研究目的，例如就食品价格和食品安全状况对尼日利亚和海地民众进行访谈。
大规模应用的四个障碍对于非营利组织和社会企业来说，虽然机器学习的下一个阶段将会放缓，但它的影响将是革命性的，因为机器学习可以使组织更加聪明地工作，并且降低工作成本。
但在改变发生之前，这个领域还需克服四个障碍。首先是资金。如果非营利组织想从AI中获取超越普通能力建设的成果，那么它们就需要量身定制的、与项目相关的机器学习应用。每一个组织将单独承担这些具体产品的大部分开发费用。在资助人眼中，这增加了新技术投资的风险。
第二个障碍是机器学习系统开发的复杂性。然而，这个问题可能在机器学习的过程中自我解决。几年前，这些技术还需要多年经验。而今天，来自谷歌、亚马逊和微软等公司的新软件开发平台已经可以对构建机器学习系统的过程进行自动化，从而降低了门槛，极大增加了可为非营利组织开发软件的人员数量。有了更简单的工具和更充足的开发人员资源，开发成本就会下降。
第三个障碍涉及对大规模、高质量和结构化数据集的需求，这是构建机器学习系统所必需的。诸如Salesforce和Intuit（QuickBooks的开发者）这一类的公司能够调用海量客户数据，为许多能力建设应用程序解决这一难题。但是，当涉及与具体项目相关的应用程序时，很少有非营利组织能拥有足够多的数据用于训练机器学习系统。即使有些组织确实收集到了数据，这些数据的结构格式通常也无法满足机器学习应用程序的要求。
有一种解决办法可能存在于更大的、策划更好的政府和第三方数据集中。例如，森林监测项目全球森林观察（GlobalForestWatch）和非营利技术组织雨林链接（RainforestConnection）使用机器学习来识别导致刚果和亚马孙地区森林流失的因素；可持续渔业计划全球渔业观察（GlobalFishingWatch）分析了渔船发出的约220亿条短信，用于揭发非法工业渔船。要想更好地利用外部数据资源，这些组织还可以使用Tableau和Alteryx等数据分析系统。
另一个可供非营利组织选择的办法是数据共享。CollegeForward是一个高科技的大学导师项目，它正在训练Salesforce的机器学习能力，以自动预测哪些学生最有可能辍学。该组织已将此技术授权给全美其他40个类似的大学学业管理项目，影响了约30万名学生。首席执行官奥斯丁.布钦（AustinBuchin）指出，他们的计划是帮助这些合作伙伴项目能最终通过数据共享协议来进行数据汇总，如果他们这样做，“预测质量将获得飞升”。
最后一个障碍是低价、易获取的计算基础架构。用以推动机器学习的复杂计算模型和海量数据集给计算基础架构带来了沉重负担。幸运的是，亚马逊、NVIDIA（英伟达）、谷歌和微软都开发了云计算服务。这四家公司都有针对非营利组织的服务程序，我们希望它们都能很快将其机器学习功能加入这些程序中。
AI向善的未来展望未来，非营利组织最终能够整合通过机器学习所获得的有用信息，并将其自动应用到各个项目当中。
一些熟谙技术的非营利组织已经起步了。由微软联合创始人保罗.艾伦资助的Skylight项目利用卫星、船只记录、渔业法规和其他数据，使各国能够识别可疑的捕捞活动，并实时协调各国之间的应对措施。同样，雨林链接建立了一个偷猎和森林砍伐的监测系统，监视置放在雨林里的音频记录设备。该网络与一个用于捕获偷猎者和非法伐木者的实时警报系统绑定在一起。
当然，这些例子都不算是主流现象。大多数非营利组织并不拥有经过培训的工程师和数据科学家。尽管如此，我们相信许多非营利组织将会采用技术解决方案来提升能力和优化流程。对社会企业家和技术人员来说，巨大的机会已经摆在眼前。我们希望社会变革部门能更全面地拥抱机器学习，以此作为提升其工作效率、筹款以及扩大影响力的一种方式。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价