一、AI的局限性
在《一边崇尚技术进步，一边害怕AI“成精”，AI的天平将如何倾斜？|研究报告》一文中详细分析了AI带来的红利与鸿沟。
事实上，红利与鸿沟的两面性本质上是一种技术发展过程中的偏态化，它们体现在资源占有不均、技术能力不同、社会阶段差异等诸多方面。
2023年8月，报纸连锁公司Gannett宣布，由于几篇由AI工具LedeAI写的报道因重复、写得糟糕、缺乏关键细节而在网上疯传，他们将暂停使用这个AI工具。
同样在2023年8月，辅导公司iTutorGroup同意支付365000美元，以解决美国平等就业机会委员会提起的诉讼，该公司的招聘AI因年龄歧视而拒绝了申请人。
这些案例表明，AI的应用如果缺乏全面的考量和多元化的生态视角，就容易将人类社会中原有的偏见和不平等放大、强化和重述。
更何况，AI不仅是生产力革命，还是生产关系的革命，单靠技术难以应对现实生产活动中流程和人性的复杂度。
2024年4月，科技巨头亚马逊旗下的生鲜门店，突然停用了零售支付技术 “Just Walk Out”。该技术在顾客离开门店后通过智能手机应用程序向他们收费，无需收银员。这样高大上的人工智能，最近却被爆出实际要靠人工来实现“智能”。
有美国媒体指出，“Just Walk Out”技术背后有1000多个印度工人在人眼验货。他们在监控器后面，手动审查账单与货品是否匹配。
此外，亚马逊自己也承认，虽然“Just Walk Out”能带来无需排队结账的体验，但顾客还是希望在购物时就能看到产品的总价、折扣，以及能省多少钱。
可以肯定的是，“Just Walk Out”的滑铁卢暴露了亚马逊的短板：既没搞好科技，也没搞懂人性。”
二、应用和治理的新生态
进一步而言，诸葛亮作《隆中对》，通过很少的情报搜集就给出了一个方案，这需要的不仅是信息，更要从全局、生态的角度出发。
在此意义上，AI后续发展的重点已从单纯的技术转移到应用和治理的新生态。
首先，在向通用AI技术转型的过程中，真正决定各国成败的，或许是能否建立起一套制度安排，让全社会都能享受技术利好。
正如动力织机给英国带来了繁荣和财富，但也造成了大量失业与工资下滑，引发了19世纪英国民间长期的对抗工业革命、反对机器的劳工运动——卢德运动。资本与劳工的拉锯让英国最终走上了长期衰落之路。
到了第二次工业革命期间，自动流水线技术的出现也带来了人“异化”为“螺丝钉”的新问题。
但相比之前的自由放任资本主义，美式大企业有效地缓和了劳资关系。例如，创办福特公司的亨利·福特一方面严厉打压工会，另一方面在1913年采用自动流水线后开始实施著名的“5美元一天”的工资政策，将流水线工人的工资上涨了一倍，让福特的工人能负担得起自己制造的汽车，为大量制造提供了消费基础。
以大规模制造为竞争优势的美国企业在二战以后大多建立起稳定的就业体制，为白领工人和大部分蓝领工人提供长期的雇佣关系和较好的福利。
其次，以往探索式、倒逼式的治理模式已难以适应AI技术迭代带来的挑战，未来的AI生态需要敏捷治理模式。
敏捷治理不再强调零风险的治理逻辑，而是在平衡各方利益的情况下，强调灵活运用各种治理工具对人工智能可能带来的风险问题进行敏捷规制、多元规制、靠前规制，将风险置于可控范围。
例如，2023年，英国政府表示将资助200万英镑建立一个新的沙盒，为人工智能企业提供测试环境。企业可以测试如何将监管应用于人工智能产品和服务，以支持创新者将新想法推向市场，而不会受到监管规则的约束。
这种监管沙盒模式与人工智能产业迭代速度快的特点相适应，将有助于监管跟上人工智能的发展，支持创新并降低未来的风险。
总之，AI在于为人服务、造福人类，而非超越人、悖于社会。如果说人工智能是一幅浩瀚的科技画卷，那动人之处当刻画在人机共存的生态化治理图景中。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
