数字垃圾、代际环境正义与义肢否定主义
生成式 AI 如何制造环境债务？
第一篇论文探讨生成式 AI 带来的数字垃圾问题。当我们享受 AI 的便利时，是否也无意中制造了海量数据废料，将一个庞大的环境成本转嫁给了子孙后代？这种看似无形的行为，如何构成了对未来的环境不公？
第二篇论文则转向了历史记忆领域。当大语言模型成为我们探寻历史的新窗口时，它究竟是在帮助我们建立与过去苦难共情的「义体记忆」，还是因其内在缺陷，在悄然传播一种扭曲事实的「义肢否定主义」？面对其在不同历史和语言上表现出的巨大差异，我们又该如何辨别这种由算法驱动的、更隐蔽的修正主义风险？
祝今日读写愉悦，洞见深省。
前沿速递
负责任的数据管理：生成式人工智能与数字垃圾问题
核心概念
数字垃圾（digital waste），又称数据垃圾，指的是那些被存储起来但并不服务于特定（或即时）目的的数据，然而它们仍然消耗着资源并对环境产生负面影响（例如由于排放或资源开采）。这包括文件重复、过时或不再需要的文件（如旧电子邮件或多处存储的度假照片），以及从未被删除的临时文件。数字垃圾的危害在于其看似非物质的特性，与可见的物理垃圾不同，它默默积累，其环境足迹对终端用户来说是隐形的，但却具备实体基础并产生显著的环境影响。例如，你可能在云端、电脑硬碟和外部硬碟上都存储了同一组度假照片，其中只有一份是你偶尔查看的，其它两份就成为了数字垃圾，即使你不动用它们，存储它们的服务器或设备仍在持续耗电、产生热量，并占用需要维护和最终处理的物理存储介质。
代际环境正义（intergenerational environmental justice）是指当前世代在享受科技发展和资源利用的便利时，应当考虑并避免将环境负担和资源耗竭转嫁给未来世代。它强调环境权益和责任在不同世代之间的公平分配，确保后代也能拥有健康、可持续的地球资源。在生成式人工智能的背景下，当我们无限期地存储 AI 生成的数据时，我们实际上是承诺让未来世代来维护支持这些数据存储所需的基础设施，包括持续的能源消耗、硬件更替以及资源开采。这种无限期的数字存储行为，就好比是我们这一代人大量生产了难以降解的塑料垃圾并随意堆放，却期望未来世代来为我们的行为承担清理和处理的巨大成本与责任，这是一种将环境债务转嫁给后代的不公平行为。
研究问题
生成式人工智能系统的广泛应用，使得合成数据（包括文本、图像、音频和视频）的生成量达到了前所未有的水平。虽然学术界已针对模型训练和推理过程中的能源消耗问题进行了深入研究，量化其碳排放并提出了相应的减排策略，但生成式 AI 所带来的另一项关键可持续性挑战——数字垃圾问题——却仍未得到充分探讨。这一空白亟需弥补，因为随着生成式 AI 在全球范围内的加速普及，其产生的海量数据将被无限期存储，造成长期而广泛的环境影响。传统的 AI 伦理框架主要关注偏见、公平性、隐私和透明度等社会层面问题，而对于 AI 数据的环境足迹这一日益严峻的全球性伦理关切，则鲜有涉及。因此，我们应如何将环境可持续性，特别是数字垃圾问题，纳入负责任的 AI 发展核心伦理考量，并为生成式 AI 内容的整个生命周期建立全面的可持续性策略？
