Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

随着人工智能消除工作,一种让人们在经济上维持生计的方法(这不是 UBI)

Posted on 2023-04-22

在硅谷,一些最聪明的人认为,保证人们不受限制的现金支付的普遍基本收入 (UBI) 将帮助他们生存和繁荣,因为先进技术消除了我们所知道的更多职业,从白领和创意角色——律师,记者、艺术家、软件工程师——从事劳动工作。这个想法获得了足够的关注,以至于自 2020 年以来,美国城市已经启动了数十个保证收入计划。

然而,即使是 OpenAI 的首席执行官和 UBI 最知名的支持者之一 Sam Altman 也不相信它是一个完整的解决方案。正如他在今年早些时候的一次静坐中所说的那样,“我认为这是解决方案的一小部分。我认为这很棒。我认为随着 [高级人工智能] 越来越多地参与经济,我们应该更多地分配财富和资源,随着时间的推移,这将变得很重要。但我认为这不会解决问题。我不认为这会给人们带来意义,我不认为这意味着人们将完全停止尝试创造和做新事物以及其他任何事情。所以我认为它是一种使能技术,而不是社会计划。”

所提出的问题是,在这种情况下,社会计划会是什么样子,虚拟现实领域的创始人、计算机科学家 Jaron Lanier 在本周的纽约客中写道,“数据尊严”可能是一种解决方案,如果不是回答。

这是基本前提:目前,我们大多免费提供数据以换取免费服务。拉尼尔认为,我们停止这样做将变得比以往任何时候都更加重要,我们所依赖的“数字东西”——部分是社交网络,还有越来越多的人工智能模型,如 OpenAI 的 GPT-4——而不是“与人类联系”谁首先给了他们这么多的摄入量。

这个想法是让人们“为他们创造的东西获得报酬,即使它是通过大模型过滤和重新组合的。”

这个概念并不是全新的,Lanier 在 2018 年哈佛商业评论的一篇题为“更好数字社会的蓝图”的文章中首次引入了数据尊严的概念。正如他当时与合著者兼经济学家格伦·韦尔 (Glen Weyl) 所写的那样,“科技行业的言辞表明,由于人工智能 (AI) 和自动化,即将到来的就业不足浪潮”以及“未来人们将越来越多地受到对待因为毫无价值,没有经济代理。”

但拉尼尔和外尔观察到,普遍基本收入倡导者的“言论”“只为两种结果留有余地”,而且它们相当极端。 “尽管技术进步,要么会出现大规模贫困,要么必须通过社会财富基金将大量财富置于中央、国家控制之下,以便为公民提供普遍的基本收入。”

但两人写道,“过度集中权力并破坏或忽视数据创造者的价值”。

解开我的思绪

当然,为人们对世界上存在的一切做出的无数贡献分配适当数量的信用并不是一个小挑战(即使人们可以想象 AI 审计初创公司承诺解决这个问题)。拉尼尔承认,即使是数据尊严研究人员也无法就如何理清 AI 模型吸收的所有内容或应该尝试进行多详细的核算达成一致。

但他认为——也许是乐观的——这可以逐步完成。 “该系统不一定会考虑数十亿为大型模型做出环境贡献的人——例如,那些通过语法增加了模型的模拟能力的人。 [它] 可能只关注在特定情况下出现的少数特殊贡献者。”然而,随着时间的推移,“更多的人可能会被包括在内,因为中间权利组织——工会、行会、专业团体等——开始发挥作用。”

当然,更直接的挑战是当前人工智能工具的黑盒性质,拉尼尔说,他认为“系统必须变得更加透明。我们需要更好地说明它们内部发生的事情以及原因。”

虽然 OpenAI 在前几年至少发布了一些训练数据,但此后它完全关闭了和服。事实上,Greg Brockman 上个月告诉 TechCrunch GPT-4,它是迄今为止最新和最强大的大型语言模型,其训练数据来自“各种许可、创建和公开可用的数据源,其中可能包括公开可用的个人信息”,但他拒绝提供更具体的信息。

正如 OpenAI 在 GPT-4 发布时所说的那样,该机构透露的信息比它实际显示的要多,这有太多的缺点。 “鉴于竞争格局和 GPT-4 等大型模型的安全影响,本报告不包含有关架构(包括模型大小)、硬件、训练计算、数据集构建、训练方法或类似内容的更多详细信息。”

目前的每一个大型语言模型也是如此。例如,谷歌的 Bard 聊天机器人基于 LaMDA 语言模型,该模型在基于名为 Infiniset 的互联网内容的数据集上进行训练。但除了谷歌研究团队一年前所写的内容外,人们对它知之甚少,也就是说——在过去的某个时期——它包含了 29.7 亿份文件和 11.2 亿个对话以及 133.9 亿条语句。

监管机构正在努力解决该怎么做。 OpenAI——其技术正在像野火一样蔓延——已经成为越来越多国家的目标,包括禁止使用 ChatGPT 的意大利当局。法国、德国、爱尔兰和加拿大的数据监管机构也在调查其收集和使用数据的方式。

但正如前谷歌人工智能伦理联合负责人的人工智能研究员玛格丽特米切尔告诉媒体Technology Review 的那样,这些公司目前几乎不可能识别个人数据并将其从模型中删除。

正如媒体所解释的那样:OpenAI“本可以通过从一开始就建立强大的数据记录来避免让自己头疼,[根据米切尔的说法]。相反,在 AI 行业中,通过不加区别地抓取网络然后将删除重复或不相关的数据点、过滤不需要的东西和修复拼写错误的工作外包来为 AI 模型构建数据集是很常见的。”

如何救人一命

这些科技公司实际上可能对其模型中现在的内容了解有限,这显然是对拉尼尔的“数据尊严”提议的挑战,拉尼尔在他的纽约客文章中称奥特曼为“同事和朋友”。

它是否使它变得不可能只有时间才能证明。

当然,希望让人们对自己的工作拥有所有权是有好处的,随着更多的世界被这些新工具重塑,对这个问题的挫败感肯定会增加。

OpenAI 和其他公司是否有权搜集整个互联网来为其算法提供数据,这已经成为针对他们的众多广泛版权侵权诉讼的核心。

但随着时间的推移,所谓的数据尊严也可以大大有助于保持人类的理智,拉尼尔在他引人入胜的《纽约客》文章中指出。

在他看来,全民基本收入“相当于让每个人都领取救济金,以维持黑匣子人工智能的理念。”与此同时,结束“我们当前 AI 模型的黑匣子性质”将使人们的贡献更容易计算——使他们更有可能继续做出贡献。

重要的是,拉尼尔补充说,它还可以帮助“建立一个新的创意阶层,而不是一个新的依赖阶层。”你更愿意成为其中的一员?

随着人工智能消除工作,一种让人们在经济上维持生计的方法(这不是 UBI)作者: Connie Loizos,最初发表于TechCrunch

原文: https://techcrunch.com/2023/04/21/as-ai-eliminates-jobs-a-way-to-keep-people-afloat-financially-thats-not-ubi/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme