人工智慧專題報告：AI 世界中的資料標註者
標註與註釋：AI 生態系中的不可或缺角色
本週在 AI 領域中，關於機器學習的新聞不勝列舉，而值得特別關注的則是標註與註釋型新創公司──例如 Scale AI。這些公司或許不像 OpenAI 的 Sora 等閃亮的新生成 AI 模型那樣受到關注，但它們卻是至關重要的存在。現代 AI 模型的訓練需使用標註的資料。為何？因為標籤或標記有助於模型在訓練過程中理解和解釋資料。精確和高質量的標籤對訓練模型的效能和可靠性有著重大影響。然而資料標註是一項龐大的工作，需要為使用的大型和複雜的資料集標註成千上萬甚至百萬個標籤。標註者的勞動條件：當代 AI 倫理之反面
然而值得關注的是，許多資料標註者卻時常面臨著惡劣的工作條件。這些新創公司中，不乏有幾十億美元資金的公司，例如 OpenAI，它們卻依賴著在第三世界國家中，只支付每小時僅幾美元的標註者。這些標註者有時會接觸到極其令人不安的內容，例如影象中的血腥畫面，但卻無法休息（因為他們通常是合同工）或者獲得心理健康資源。而一些標註平臺則聲稱提供了“公平貿易”工作，但事實如何，卻因公司不同而有著巨大的差異。思考與建議：AI 標註倫理需要制度監管
然而究竟應當如何應對這些問題呢？除非出現一場巨大的技術突破，否則為 AI 訓練標註資料的需求不會消失。我們或許可以期待這些平臺自我監管，但更現實的解決方案似乎應當是透過政策制定。這本身就是一個棘手的問題，但我認為，這是我們改善現狀甚至開始改變的最好機會。在這個情況下，讓我們一同關注一下本週其他 AI 領域的新聞吧：OpenAI 開發了語音複製工具
OpenAI 展示了他們開發的新 AI 工具 Voice Engine，能夠從 15 秒的語音錄音中複製一個聲音。然而公司選擇暫時不對外發布該技術，原因是擔憂被濫用。亞馬遜加大對 Anthropic 的投資
亞馬遜進一步投資了 27.5 億美元，加固其 AI 實力，這是其在去年九月所開放的選項的延續。Google.org 推出了一個加速器
Google.org 推出了一個新的 2,000 萬美元獎勵計劃，以幫助資助開發運用生成式 AI 的非營利組織。新的模型架構：AI 新創公司 AI21 Labs 釋出了一個生成式 AI 模型 Jamba
該模型採用了一種新的模型架構——狀態空間模型（SSMs），以提高效率。Databricks 推出了 DBRX
Databricks 本週推出了 DBRX，這是一種類似於 OpenAI 的 GPT 系列和 Google 的 Gemini 的生成式 AI 模型。Uber Eats 和英國 AI 監管
Uber Eats 快遞員對抗 AI 偏見，顯示了在英國 AI 監管下獲得司法保障的艱辛。歐盟選舉安全指南
歐盟平臺發布了關於選舉安全的指導方針，旨在防止內容推薦算法傳播生成式 AI 所基於的假新聞（即政治 deepfakes）面向未來：AI 在天氣預測、自然模擬和文字理解方面的應用
最後近日的機器學習研究還包括了天氣預測、自然模擬和文字理解等方面的應用。其中 MetNet-3 和 GraphCast 團隊發表了一篇關於天氣預測系統 SEEDS 的論文，該系統利用擴散方法快速生成可信的天氣預測結果。 此外 Fujitsu 正在探索將 AI 影像處理技術應用於水下影像和水下自主載具收集到的 lidar 資料，以改善影象質量，從而建立水體的“數位孿生體”。 此外 AI 研究人員發現，有時即使複雜的 AI 模型在內部工作中也可能會使用簡單的線性函數。這些發現都闡明了 AI 在未來將會如何塑造我們的生活。結語
在 AI 發展的過程中，我們必須牢記，技術發展絕非僅僅局限於創新和效率提升，而是應當體現出對於人類價值觀和道德準則的遵從。讓我們期待未來的 AI 科技發展能夠更加關注人的需求和尊重 AI 從業者的權益。 本報告由紐約時報評論家 撰寫，授權 AskWonder.com 翻譯。ArtificialIntelligence-人工智慧,資料標註,專題,技術,機器學習
