Sanders and Schneier: 对AI的恐惧实际上是对资本主义的恐惧

Nathan Sanders 和 Bruce Schneier 的一篇 [Tech Policy Press 文章](https://techpolicy.press/separating-ais-technological-problems-from-its-capitalism-problems) 认为，关于AI的辩论总是将两个不同的问题集混为一谈：技术本身做得很糟糕的事情，如上下文丢失、幻觉和谄媚；以及市场结构利用技术所做的事，如资源垄断、垄断和劳动力削减。他们借鉴了 Ted Chiang 在2021年的观察，即“大多数对AI的恐惧最好理解为对资本主义的恐惧”，并在整篇文章中将这两条线索分开讨论。他们最尖锐的例证是医疗领域。给医生一个AI助手，用作者的话说，“AI可以让医生有更多时间去做工作中人性化的部分”。或者，同样的工具可能让诊所管理者让一个医生“接诊五倍的病人”，并解雇其他四名医生。你得到哪种结果“不是技术问题，而是市场激励问题”。能力是相同的；经济包装决定了谁受益。为了展示选择是真实的，文章对比了三种姿态。他们指出，瑞士的 Apertus 模型“完全基于经验证可用于AI（非盗用）的数据训练，使用现有的公共计算基础设施，并利用可再生能源水电”。中国的实验室如 DeepSeek 和 Qwen 正在商用硬件上发布“更小、更高效、更便宜的模型”，并且经常免费提供。美国的前沿开发者，如 OpenAI 和 Anthropic，处于另一端，运行资本密集型的重训周期。相同的底层技术，三种截然不同的政治经济学。改革清单简短而直接。Sanders 和 Schneier 希望公司“被迫支付AI开发的能源和环境成本”，利润“充分征税并再分配”，反垄断法“强力执行”。我们追踪的两位AI专家在文章发布当天就传播了这篇文章，这是一个小信号，表明这种框架不仅对构建者，而且对政策制定者也有吸引力。