Big Ai
PulseAugur coverage of Big Ai — every cluster mentioning Big Ai across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
去中心化社交媒体用户抱怨内容分享和链接预览功能丢失
Mastodon 和 Bluesky 等去中心化社交媒体平台上的用户正遇到内容分享和链接预览方面的问题。据报道，此功能（允许网站为分享的链接生成预览卡片）受到了阻碍，一位用户将其归咎于“大AI”。这些功能的丢失影响了在不同在线平台可靠分享内容的能力。
-
Anil Dash：羞辱AI用户无法阻止大型AI公司
Anil Dash认为，仅仅关注羞辱个人制造“AI垃圾”内容不足以遏制大型AI公司（Big AI）的影响力。他提议，焦点应转移到开发以人为本、社区拥有的平台，这些平台应优先考虑环境责任、数据隐私和问责制，而不是仅仅依赖个人羞耻感作为纠正措施。
-
大型人工智能领导层因傲慢和无视社区而受到批评
一项批评认为，主要人工智能公司应该用更具社区导向、不那么傲慢的个人取代其领导层。目前的领导者被视为“宇宙主宰者”，认为他们可以在不考虑当地影响的情况下部署数据中心。这种情绪与日益增长的数据中心反对意见有关，正如安纳伯格公共政策中心的调查所示。
-
澳大利亚政界人士呼吁在科技游说压力下加强人工智能监管
一位澳大利亚政界人士批评了政府在人工智能监管方面的方法，并提到了来自科技行业的压力。他认为，大型人工智能公司旨在不受阻碍地扩张，可能会忽视与数据、隐私、版权和税收相关的现有法律。这种观点表明，需要采取更严格的监管立场来应对主要人工智能公司的失控增长。
-
Doc Searls：大型AI将集中数据以增强广告效果
Doc Searls 认为，当前的广告生态系统将隐私视为一个缺陷而非一项功能。他提出，大型AI旨在通过集中用户数据来增强此系统，从而实现更精准的广告投放，并可能扩大万亿美元的广告市场。
-
大学绘制“大型人工智能”企业对政策的影响图
多所大学的研究人员识别出“大型人工智能”影响法律和监管的27种“企业俘获”模式。他们对新闻文章的分析揭示了用于控制叙事和塑造有利于企业的AI政策的方法。这项研究强调了公众对AI监管的更大关注的必要性。
-
研究发现249起人工智能行业监管捕获事件
一项新的分析确定了249起大型人工智能公司影响监管过程的实例，这些实例通常伴随着对其干预的辩解。研究强调，最常见的方法包括塑造叙事和话语，以及通过违反或有争议地解释反垄断、隐私、版权和劳动法来规避法律框架。