Does Artificial Intelligence Benefit the World?
内容提要
文章探讨了人工智能（AI）对社会的影响，强调个人经验与全球影响的差异。通过课堂活动，学生分析了汽车和互联网的正负面影响，发现积极结果往往伴随负面后果。作者呼吁从业者关注技术的整体影响，提出改善建议，并对AI的使用进行深思熟虑的反思与实践。
延伸解读
个人体验与全球影响的鸿沟
文章通过课堂活动揭示，学生往往高估积极结果的普及度，并过度依赖自身经验来评估技术影响。作者指出，个人对技术的正面体验（如互联网让生活更好）不能等同于全球净正面影响。这种认知偏差源于幸存者偏差和同质化社交网络，导致我们忽视那些无法发声或处境不同的群体。
技术负面后果的分布不均
文章以汽车和互联网为例，说明技术的负面后果常由不同群体承担，且沿阶级界限划分。例如，汽车带来便利，但事故死亡和污染影响的是行人和低收入者；生成式AI的环境成本和数据剥削则落在全球南方。这种不平等分布要求从业者超越个人视角，关注整体影响。
从评估净影响到推动改善
作者认为，估算全球净影响既不可行也无意义，因为影响以多种“货币”呈现，无法统一度量。她建议从业者放弃纠结于净正负，转而通过有组织的集体调查和反思，提出具体改进措施，如减少环境足迹、保障数据权益。课堂实践表明，学生在明确正负影响后能迅速构思改善方案。
监管滞后与行业责任
文章指出，科技行业常利用监管空白快速推出新产品，而监管机构行动缓慢。例如，反垄断法耗时多年才追上谷歌。生成式AI的伦理问题（如版权侵犯、劳工剥削）在现有法律下难以迅速解决。因此，从业者不能仅依赖监管，而应主动承担责任，通过集体行动推动技术向善。
Q&A
人工智能对社会的影响有哪些不同的看法？
人工智能的影响存在个人经验与全球影响的差异，积极结果往往伴随负面后果。
学生在课堂活动中如何分析汽车和互联网的影响？
学生通过分享个人故事，分析汽车和互联网的正负面影响，并进行分组讨论。
作者对人工智能的使用提出了哪些建议？
作者呼吁从业者关注技术的整体影响，并进行有组织的集体调查和反思。
文章中提到的技术影响评估的过程是怎样的？
评估过程包括从个人轶事开始，扩展到其他视角，最后与人口数据和研究进行比较。
学生在研究项目后对技术影响的看法有何变化？
学生意识到他们可能高估了积极结果的比例，并对技术的全球影响缺乏最佳评估能力。
文章中提到的生成模型的伦理问题是什么？
生成模型的伦理问题包括对版权材料的使用和环境影响，可能导致社会不平等。
