全球扩散、喂养机器与价值抵抗
专业人士如何被迫喂养机器？
💡
本期前沿速递分享了两篇论文。
第一篇论文试图回答我们该如何跳脱网络流量的局限，真正衡量全球的 AI 使用情况？发达国家和发展中国家之间的 AI 鸿沟，实际上有多惊人？而在那些网络不普及的国家，已经上网的人们对 AI 的热情又是怎样的呢？
第二篇论文的研究视角很独特。在现有数据不足或质量不佳的情况下，那些高技能的专业人士正面临着越来越大的压力，他们被迫去生产更多的饲料来满足饥饿的算法。那么为了「喂养机器」，他们付出了怎样的情感和劳动代价？面对这种压力，不同行业的人们又是如何巧妙地抵抗或无奈地接受的？
祝今日读写愉悦，洞见深省。
第一篇论文试图回答我们该如何跳脱网络流量的局限，真正衡量全球的 AI 使用情况？发达国家和发展中国家之间的 AI 鸿沟，实际上有多惊人？而在那些网络不普及的国家，已经上网的人们对 AI 的热情又是怎样的呢？
第二篇论文的研究视角很独特。在现有数据不足或质量不佳的情况下，那些高技能的专业人士正面临着越来越大的压力，他们被迫去生产更多的饲料来满足饥饿的算法。那么为了「喂养机器」，他们付出了怎样的情感和劳动代价？面对这种压力，不同行业的人们又是如何巧妙地抵抗或无奈地接受的？
祝今日读写愉悦，洞见深省。
前沿速递
衡量 AI 扩散：一种用于追踪全球 AI 使用情况的人口标准化指标
研究问题
生成式 AI 正在全球范围内迅速而又不均衡地扩散，导致各国之间出现显著差异。然而，对这些模式的理解却因缺乏可靠数据而受到阻碍。以往的研究往往依赖网络流量等代理指标，但这会忽略没有互联网接入的人群；或依赖于调查数据，但这在地理上存在局限性且难以进行跨国比较。此外，行业报告多侧重于企业层面的采纳，而非普通个体的实际使用情况。这种数据鸿沟使得量化比较各国间的 AI 使用情况，尤其是在低收入地区，变得异常困难。
因此，本研究的核心问题是：如何开发一个一致、可全球比较且经过人口标准化的指标，用以衡量各国个体用户的实际 AI 工具使用情况？利用这一新指标，当前全球 AI 扩散呈现出怎样的模式？具体而言，AI 采纳率在不同国家和地区间有何差异？AI 使用情况与国家的经济实力之间存在何种关系？在互联网普及率较低的国家，其已联网人群的 AI 采纳情况又如何？
