面向低资源社区的人工智能：不确定世界中的影响力最大化

人工智能（AI）在应对困扰社会的挑战性问题方面潜力巨大，尤其在医疗健康、环境保护以及公共安全与安保领域。这些领域中的许多问题涉及利用服务不足社区的社会网络来促成积极改变，例如，利用无家可归青年的社会网络来提高对人类免疫缺陷病毒（HIV）及其他性传播疾病的认识。遗憾的是，大多数此类现实世界问题都以社会网络结构和影响模型的不确定性为特征，而AI以往的研宄未能充分解决这些不确定性。本论文通过将对最先进技术的推进提升至新一代社会网络干预算法来弥补这些不足。具体而言，本论文描述了新的影响力最大化算法的设计与开发，这些算法能够处理现实世界社会网络中普遍存在的各种不确定性。这些算法利用序贯规划问题与社会网络理论中的技术来开发新型AI算法。此外，本论文还通过在洛杉矶实际无家可归青年中开展的三项试点研究来描述这些算法的现实影响，以传播对HIV的认识。这代表了基于计算机科学的影响力最大化算法在该领域的首批部署之一。我们的结果表明，我们的AI算法在现实世界中比最先进技术提升了160%。我们讨论了部署这些算法时所面临的研究与实施挑战，以及可为未来此类算法部署汲取的经验教训。这些部署的积极结果说明了AI在解决社会相关问题方面的巨大潜力。