关于人工智能的17个没人问的问题

报道人工智能的媒体机器已经进入了一种舒适的模式。一个新模型发布。基准被吹捧。一轮融资宣布。然后循环重复，很少停下来审视表面之下的东西。

从今天开始，seventnews推出了一个由17部分组成的系列，题为"Générer un article"，这是一个刻意的挑衅，它问：如果我们生成一些不仅仅是另一篇新闻稿重述的东西呢？每一期将聚焦于一个行业注意力经济所忽视的问题或紧张点，并以应得的深度进行探讨。

数字17并非随意。它代表了当下AI领域真正被讨论不足的问题的大致数量，从推理的环境成本到开放权重模型分发的日益集中化，再到机器学习研究中可重复性悄无声息的死亡。

为什么这些问题很重要

每周都会传来另一个十亿美元估值或另一个模型在某些狭隘基准上"超越人类表现"的消息。但决定未来十年的问题并未在新闻发布会或财报电话会议上被提出。

你的AI所训练的数据到底归谁所有？给这些数据加标签的工人会怎样？为什么安全评估仍然缺乏标准化的方法论？这个系列将以报道和分析的方式处理这些问题，而不是危言耸听。

第一期

这个系列以一个令人不安的真相开始：开源AI运动，尽管有其言辞，却日益依赖少数企业行为者。"开源"标签掩盖了一个现实：一家公司的许可决定可以在一夜之间重塑整个生态系统。

后续文章将涵盖包括单个ChatGPT查询的碳足迹、AI基准的政治学，以及AI能做什么与它实际在现实世界中部署做什么之间日益扩大的差距等主题。

每篇文章将以适合其主题的风格撰写，有些是调查报告，其他则是专栏、采访或分析文章。将它们联系在一起的线索是拒绝接受行业对其自身进步的框架。

编辑立场

这个系列并非反AI。它是为了促进理解。这项技术太重要了，不能留给新闻稿和产品发布会。通过提出没人问的问题，我们希望为读者描绘一个更清晰的图景：这个领域实际走向何方，而不是营销材料声称它要去哪里。

第一篇文章将于明天发表。欢迎读者为未来的期数提出自己忽视的问题。