现代工业战略确定了对经济增长具有基础性、从国家安全角度来看具有战略意义的特定行业,而私营企业本身并不准备进行必要的投资,以确保我们的国家野心。[……]这是关于私人投资的拥挤,而不是取代它。这是关于在对我们国家福祉至关重要的部门进行长期投资,而不是挑选赢家和输家。
2023年4月27日,美国国家安全顾问杰克·沙利文(Jake Sullivan)在布鲁金斯学会(Brookings Institute)发表演讲,勾勒出拜登政府产业战略的关键支柱:政府打算进行合理的公共投资,促进竞争,并赋予工人发展中产阶级的权力。这标志着近几十年来,工业政策明显背离了先前的框架,这些框架往往以牺牲广大公众福祉为代价,突出自由市场和新自由主义原则,其影响因种族分歧而尤为明显。
通读全文,这篇演讲最引人注目的是它微妙地将美国国家利益与美国最大公司的利益分离开来。它故意将本届政府的产业政策与促进所谓的国家冠军相隔离,而倾向于优先考虑工人、小企业和公众的政策。它还通过倡导放弃自由贸易等传统方法和所有增长都是良好增长的观念,而不是利用贸易法工具来倡导高质量的工作和工人阶级,标志着对新自由主义正统观念的背离,解决经济不平等问题,增强国家工业能力。同样重要的是,这一声明来自国家安全机构内部,在国家安全机构中,集中权力的战略利益常常被用来维持和维持垄断权力。
在本文中,我们认为拜登政府对更加民主化和以工人为主导的产业战略的总体态度并没有转化为其在人工智能方面的举措。我们怀疑这样的愿景能否在一个由前所未有的资本、人才、,以及少数公司的资源,以及趋向于更大规模发展的技术轨迹?虽然沙利文的讲话明确表示,拜登政府不希望被视为促进国家垄断作为国家利益(拜登早先的《竞争行政命令》也明确了这一立场)这不应与更普遍的放弃促进美国商业利益作为产业政策核心的做法相混淆:如果有什么区别的话,最近的举措表明,这些明确的优先事项与用于实施这些优先事项的措施之间存在紧张关系。
在针对人工智能的新兴产业政策倡议中,我们发现明显缺乏对公共利益的一致性实质性愿景,这将激励并证明对人工智能研究和开发的公共投资的关注是合理的。从这个意义上说,人工智能不同于绿色技术,绿色技术是政府产业政策雄心的另一个支柱,气候危机激发了一个由明确目标团结起来的广泛的全球联盟。在这里,贯穿政府战略的人工智能投资的必要性基于这样一个假设,即人工智能的进步等同于进步(朝着什么方向进步?),而人工智能目前的形式对确保国家安全、主权和经济福祉至关重要。
本章从过去五年(2019-2023年)人工智能产业政策的广泛介绍开始,探讨这些关键问题。但是,应用于人工智能的这一重振产业政策的轮廓必须位于更长的历史中:正如苏珊娜·格利克曼(Susannah Glickman)在第1章中所述,几十年来,美国的产业政策侧重于半导体,并促进以美国为首的半导体制造业,作为包括人工智能在内的先进计算技术的基础。从20世纪90年代开始,格利克曼注意到政府对该行业的直接投资有所下降。但这一下降并不意味着美国对其科技产业的广泛推广结束。相反,这意味着方法的改变。克林顿政府及其盟友没有直接进行公共投资,而是倾向于促进美国企业的利益,尤其是在科技行业。培育美国科技产业成为其贸易和国内政策的关键支柱。在克林顿时代科技公司全球扩张的这段时期,“无许可创新”成为美国政策修辞的核心要素,促进“自由开放”的科技发展被认为与美国国家利益大体一致。这转化为过去20年来让美国科技公司相对不受监管限制的政策,因为政策制定主要是为了消除扩张障碍。
这是拜登政府(在较小程度上是特朗普政府)重返熟悉的直接研发投资剧本的重要背景——这是20世纪50年代至80年代美国科技产业政策的特点,尽管在明显不同的地缘政治条件下。在20世纪90年代和21世纪初,消费科技公司的经济和政治实力呈指数级增长,“大科技”作为强大的地缘政治参与者在全球舞台上崭露头角。同时,美国自身的作用也随着冷战的结束和多极世界秩序的出现而演变。尽管美国的经济和贸易政策促进了美国公司的利益和美国国家利益的一致性,但美国公司,尤其是现在主导人工智能的大型公司的力量却在美国国家自身开始相对衰落的同时,变得越来越强大。
自特朗普政府以来,人工智能在美国产业政策中的地位越来越重要(这主要是特朗普政权地缘政治利益的产物),去年的增长尤为明显。在我们深入研究具体干预措施之前,这些是经常被用来证明AI需要公共投资或公私混合安排的关键叙述:
- 人工智能作为关键的战略技术:促进人工智能发展以促进美国的经济和国家安全利益在NSCAI/SCSP的论述中尤为突出,NSCAI/CSP无缝衔接了支持大科技和国家安全的必要性,以推动公共投资参与人工智能军备竞赛。
- AI民主化:在拜登政府的领导下,在明确承诺对抗集中在大型科技公司的权力时,出现了一条最近才出现的断层线,以及潜在的历史断裂。“使人工智能民主化”的必要性是一个常见的论调,这在国家人工智能安全委员会(NSCAI)的最终报告中都很明显以及国家人工智能研究资源(NAIRR)中期考试。在政府之外,AI民主化的含义也各不相同,不同的利益集团将民主化作为一个重要旗帜。
- 作为产业政策的采购:作为人工智能系统的最大买家之一,美国政府的采购政策是美国产业政策的关键杠杆。事实上,自第二次世界大战以来,采购一直是美国政府塑造技术发展的核心形式。2022年,美国联邦政府在AI相关合同上花费了约33亿美元。然而,尽管拜登政府关于人工智能的行政命令和相关的OMB指导承诺为与私营公司签约提供“人工智能”服务的联邦机构建立新的监督结构,民间社会的一些人提出了最具存在主义色彩的批评,即使用人工智能取代关键公共职能也“有可能放弃关键理由,即企业的需求,而非公众的需求,将推动机构的治理战略。”
- 人工智能和“好工作”的生产/保留:对于人工智能推动工作替换的说法,生产和保留高工资、中产阶级工作是人工智能产业政策的另一个关键错误。对人工智能的公共投资,尤其是对制造业的投资,往往是通过承诺创造就业机会来证明的,尽管如我们下文所述,这些数字经常被夸大,除了少数工会工作外,还包括低工资和临时工作。与这些创造就业机会的措施相结合的是“再培训”和其他举措,这些举措突出了工人适应发展速度的需要,而不是要求行业有意义地关注对工人的影响,或将工人安置在决策机构中,以决定是否以及在何种条件下使用人工智能。
人工智能产业政策:干预整个人工智能堆栈
因为人工智能本身是一个众所周知的不明确和变形术语,我们根据政府在AI堆栈中的干预重点(数据、计算、劳动力和研发)对政府工作进行分类。我们跟踪政策声明、立法以及支持这些发展的更广泛的跨领域政府叙述。
计算
开发人工智能所需的基础设施被上下垄断,最臭名昭著的是在云计算、数据中心和处理人工智能所需要的芯片中。为了承认这些基础设施依赖的影响,支撑计算资源构成了美国人工智能产业政策的核心。这种对人工智能计算的关注从根本上是以这样一种观点为前提的,即更多的人工智能发展必然有利于公众,无论这种好处是以创新、韧性还是竞争的形式出现。令人遗憾的是,这些前提尚未明确——计算资源的支持是否一定会导致这些最终目标,以及这些目标是否一定能满足公众的需求(或充分证明使用纳税人资金的合理性)。考虑到半导体制造和运行能源密集型数据中心对环境的不利影响,这一领域的供应投资可能与政府在其他地方应对气候变化的政策目标背道而驰。
计算机产业政策的核心是两个十分之一的政策倡议:《CHIPS法案》,即补贴美国半导体制造业的联邦立法;NAIRR是一项创建基于云的资源用于人工智能研究和开发的提案。它们以多种形式存在:
- 2022年8月9日签署的《CHIPS和2022年科学法案》
- NAIRR试点,由国家科学基金会根据AI行政命令制定
- 《创造人工智能法案》,提议的立法将实现国家人工智能研究资源特别工作组最终报告中概述的NAIRR更全面的愿景。
这些倡议具有相同的大致轮廓:它们涉及使用公共资源和拨款,以激励目前高度集中的市场中基于美国的技术开发。他们的不同之处在于他们所要解决的问题:面对日益自信的中国带来的地缘政治威胁,《CHIPS法案》与确保美国在技术创新和供应链恢复能力方面的主导地位息息相关。相比之下,NAIRR倡议将“民主化”、准入障碍和AI缺乏多样性确定为其旨在解决的主要挑战,尽管它也倾向于采用“军备竞赛”框架作为主要理由。虽然它承认集中力量问题是人工智能中的一个关键问题,但它并没有为计算市场结构的潜在问题提供结构性补救。这种基本上是渐进式的做法与拜登政府表示愿意采取大胆的政策措施来保护公平竞争的努力形成了鲜明对比。
因此,纵观政府在计算产业政策上的立场,在诊断和治疗之间的匹配方面仍然存在相当大的缺陷,就NAIRR而言,解决方案实际上可能加剧其所要解决的问题的风险。
CHIPS法案:过去产业政策制度的遗产
作为当代美国产业政策的一个标志,《芯片法案》以过去半导体投资时代的遗产为基础,将人工智能定位为美国需要投资的几个“未来产业”之一,以确保其持续的技术优势和与中国的竞争力。在新冠肺炎疫情和一系列供应链失败之后,拜登政府发布了一项行政命令(EO),除其他外,该命令确定了国家半导体制造能力升级的必要性,这是一个主要的经济和国家安全问题将供应链中断与不断增长的通货膨胀率和将美国制造业带回国内的需求联系在一起。该倡议以及随后由参议员查尔斯·舒默和托德·杨领导的立法推动-旨在将美国研发资金从GDP的0.7%提高到1%,并将美国在内存芯片市场的份额提高500%。
该法案通过后,拜登总统在一次演讲中表示:“(半导体)是我们与中国技术竞争的起点,这一说法并不夸张。”,紧接着,美国商务部出台了一系列全面限制措施,限制半导体、芯片制造设备和维护芯片生产设施所需的其他材料的销售领导几家美国芯片制造公司从中国芯片厂召回员工。
新闻报道还引发了人们的担忧,即在这些日益紧张的局势中,美国严重依赖台湾芯片;尽管白宫在公众参与该法案的鼓声中对美国公司进行了预测美国公司是第一家获得CHIPS资金的公司,台湾半导体制造公司(Taiwan Semiconductor Manufacturing Company)受到了媒体的广泛关注。台积电是全球芯片制造业供应链瓶颈的核心,是唯一一家能够生产用于许多先进人工智能开发和模型培训的最先进芯片的制造商,该公司成为了引发该法案的对中国关注的一个特别闪点。台积电宣布了一项400亿美元的计划,将在亚利桑那州凤凰城建造两家芯片制造厂,该计划被吹捧为特别关注苹果生产iPhone和MacBook所需的芯片。
但是,在OpenAI发布ChatGPT后,人们对人工智能的兴趣突然爆发,台积电工厂在2023年的公共议程上发现了新的相关性。在此之前,围绕CHIPS的公共关系和政策叙述将人工智能列入了该法案将受益的行业名单,包括发展节能和环境可持续计算、量子计算基础设施、材料设计和快速打印技术等。该法案包括一些针对人工智能的条款,包括授权美国国家标准与技术研究所(NIST)“支持人工智能和数据科学的发展”,进行研究和测试以改善人工智能网络安全,以及授权美国国家科学基金会(NSF)扩大其奖学金计划,包括为AI奖学金提供更多资金。
然而,当2023年春季对最先进芯片的需求激增时,对芯片的投资证明是显著的。对计算能力的需求开始影响大小人工智能公司的行为,促使OpenAI与微软达成独家协议,成为其云提供商,并在2019年从非营利组织转变为有限合伙企业,导致无数初创公司与云基础设施公司达成合同安排,以及这些公司自己进行内部重组,以最大限度地有效利用数据中心资源。台积电抓住这些动向,决定向其凤凰发电厂额外注入35亿美元,并宣布工厂将生产3nm芯片,这是AI模型培训的最新技术,是对工厂最初计划生产的5nm芯片的升级。
最终,然而,报告显示,事实上,它可能无法解决整个半导体供应链的弹性问题:所有在Fab 21生产的芯片仍将运回台湾进行组装和包装,它们用于设备之前的最后一步,首先可能会破坏投资的基本目标。尽管CHIPS投资可能会重振美国半导体制造业,但它们最终不会解决目前为尖端人工智能开发提供芯片的瓶颈和地缘政治紧张局势。
NAIRR:通过计算补贴“民主化”人工智能
在这种背景下,国家人工智能研究资源(National AI Research Resource)作为一种更加明确的以人工智能为中心的工业范式出现,通过美国人工智能倡议(American Artificial Intelligence Initiative)进行概念化,这是特朗普政府协调整个联邦政府人工智能开发工作的国家战略。NAIRR一开始被设计为政府、学术界和行业参与者之间的一系列公私伙伴关系,旨在优先为人工智能研究提供计算资源和数据,以“民主化”人工智能创新。委员会编制的最终报告中概述的问题诊断比这一初步框架更为关键,该框架涉及产业高度集中如何塑造人工智能发展的格局:它确定了“准入鸿沟”这限制了“资源充足的技术公司”以外的研究人员“利用人工智能来应对我们社会的重大挑战”的能力将资源集中视为技术发展的阻碍因素。该报告指出,访问先进计算能力的障碍限制了“该领域研究人员的多样性以及人工智能创新所包含的思想的广度,助长了当今人工智能系统中存在的嵌入式偏见和不平等。”
但是,正如NAIRR最终报告中所述,解决方案需要一系列奖励,这些奖励基本上是对已经集中的云市场的补贴:22.5亿美元用于合同,最高限额为每个提供商2亿美元,每个提供商由至少六家提供商组成,签订为期六年的云服务提供合同。这意味着这个版本中的NAIRR将被构建为一个许可制度,根据该制度,定期合同将分配给商业云基础设施提供商。尽管这种方法为短期内的实施提供了一条务实的道路,但鉴于替代品的缺乏,尽管其中包括一些护栏,它最终将巩固现有公司的地位。
斯坦福大学以人为中心的人工智能研究所(Institute for Human-Centered Artificial Intelligence)联合主任约翰·埃切曼迪(John Etchemendy)于2021年告诉《科学》(Science):“目前,只有少数公司能够负担开发和训练当今人工智能基础机器学习模型所需的大量计算资源。”,明确表示,他帮助起草的提案旨在扩展而非竞争商业云基础设施。“商业云提供商正在进行创新,他们投入了大量资金来保持其最新。建造一个像超级计算机中心这样的设施将是一个巨大的错误,因为它将在几年内过时。”
当前NSF项目CloudBank旨在为其提供一个模板:美国国家科学基金会为研究人员运行一个门户网站,为美国国家科学基金会批准的研究项目访问云服务。通过CloudBank提供的四个商业云提供商是Amazon Web Services、Google cloud、Microsoft Azure和IBM cloud,这是一个非常有限的多样性愿景。CREATE AI Act是最终实现NAIRR完整版本的立法,除了“为NAIRR用户提供受欢迎的计算和存储服务的公共云提供商”的授权之外,还未明确具体的结构,该授权可以按照工作组的提议采取许可的形式,访问计算资源或其他模型的学分。要向前推进,这将需要国会的批准和拨款。
拜登政府人工智能EO创建的NAIRR试点在没有此类资金措施的情况下,为实施提供了一个临时步骤。试点采用了一套新的独特结构:首先,它创建了一个平台,申请人可以通过该平台访问现有的政府超级计算机和由多个机构运营的政府数据集。其次,它引入了一个由一系列组织(包括一些AI公司)提供的产品市场,供NAIRR用户申请开发人员资源。该市场上的一些产品使提供访问权限的公司能够指导他们的使用方式,例如,要求计算学分、API访问权限或分配的资金只能提供给特定类型机构的研究人员或特定类型的工作
在NAIRR的这些不同结构中,存在着一系列共同的紧张关系,这让人怀疑“民主化”是否是公共AI的合适试金石;在商业实体继续定义人工智能研究视野的同时,简单地使人工智能开发参与者的范围多样化,对争夺其主导地位没有多大作用。实际上,NAIRR的愿景仅限于为研究人员在高度占领的市场中获取人工智能开发资源提供入口匝道。它不会有意义地干扰开发过程本身,这说明了公共投资型云计算产业政策提案的不足,因为缺乏其他部门结构问责制的措施,或者解决了技术堆栈上下的垄断问题。
此外,像NAIRR这样的提案几乎没有解决人工智能为什么值得额外的资源和支持的问题:它基于这样一个假设,即更多的人工智能开发,来自更广泛的参与者,将为国家带来有益的影响。但它并没有证明或参与这些有益影响可能是什么
围绕《创造人工智能法案》的信息表明,这些主要是通过地缘政治“人工智能军备竞赛”框架而不是公共利益框架来表达的,而公共利益框架可能更容易从NAIRR工作组的大部分工作中伴随的“民主化”语言中直觉得出。在描述立法的情况说明书中,其描述如下:“如果没有国会的充分授权和批准,美国在学术人工智能研究方面的领导地位可能会被剥夺。其他国家也不会袖手旁观:英国政府最近批准了一项计划,将斥资11亿美元用于公共部门的人工智能超级计算机,而中国正在推进类似的计划。”即使在这里,也不清楚即使是按照NAIRR特别工作组建议的规模(26亿美元)进行的投资,如何有效地与人工智能行业的大财团进行竞争——而不是当亚马逊承诺仅在弗吉尼亚州升级其数据中心时,就不清楚了。因此,有理由质疑NAIRR的设计是否符合其预期效果,此外还有理由质疑其提供的任何利益证明纳税人的投资是合理的这一基本假设。
州一级倡议:无规模的公共计算
在过去一年中,人工智能受到了越来越多的关注,一些州已经采取了自己的产业政策措施。这些同样侧重于提供计算资源,以鼓励人工智能研究和开发,寻求将人工智能投资带到特定地区,并发展本地化创新中心。纽约是这方面最活跃的州之一,因为舒默参议员明确表示有兴趣团结起来,确保联邦资金流向他的家乡纽约州。2024年初,州长凯西·霍丘尔(Kathy Hochul)在纽约州北部的《CHIPS法案》(CHIPS Act)初始投资的基础上,宣布了一项“帝国人工智能”倡议,旨在承诺国家资助建立一个以“负责任的人工智能研究和公共利益”为重点的大学领导的财团该财团的旗舰项目包括在纽约州北部建造一个计算中心,该提案旨在确保纽约州拥有自己的云基础设施(而不是与现有云公司签订许可合同)。
根据宣布该项目的声明:
获取为人工智能系统提供动力的计算资源非常昂贵,而且很难获得。这些资源越来越多地集中在大型科技公司手中,这些公司对人工智能开发生态系统保持着巨大的控制权。因此,研究人员、公共利益组织和小公司被甩在后面,这对AI安全和整个社会都有巨大影响
这项新举措承诺提供2.75亿美元的国家资源,并由西蒙斯基金会(Simons Foundation)和彭博社(Bloomberg)联合创始人汤姆·塞昆达(Tom Secunda)提供1.25亿美元私人资金
加州还通过立法探索了类似的投资,该立法将在加州大学公共系统内创建“CalCompute”资源。根据最初的提议,CalCompute将是“学术界、政策制定者和大型机构的行业专家之间的合作,以引导人工智能朝着负责任和安全的方向发展,并确保这项技术的好处得到广泛传播。”虽然一项法案SB 1047试图通过授权对CalCompute的适当结构进行审议来启动这一过程,但关于如何构建这一结构的细节尚未公布。
在这些例子中,公共计算投资在美国AI产业决策中发挥着越来越重要的作用,其方法围绕着两个战略选择:一方面采购云资源,另一方面直接投资芯片制造。如果没有其他政策措施,这两种方法都无法解决跨越技术堆栈的人工智能中计算垄断的范围和规模。在某些情况下,如NAIRR和EmpireAI,人们承认这种集中在缩小创新范围方面可能产生有害影响。但这只会对投资背后的证据做出诊断,无法在更大胆的干预措施背后凝聚政治资本,从而更有意义地解决市场集中问题。
数据:创建“AI-Ready”数据
获取大量高质量的“AI-ready”数据集一直是政府AI战略的一贯主题。从2018年特朗普管理议程开始,特朗普制定了“将数据作为战略资产加以利用”的跨机构目标,并启动了“联邦数据战略”和2019年行政命令拜登政府最近的人工智能研发战略和NAIRR作为人工智能的核心战略输入,政府围绕数据开展了一系列活动AI实时数据,还明确强调质量确认只有经过适当清理、标记和结构化的数据才对人工智能的使用有价值。在这一领域,还努力实现标准化和基准测试。特朗普白宫科学技术政策办公室(OSTP)开放科学小组委员会发布了一个四层试点AI就绪矩阵,各机构可以使用该矩阵对数据质量进行基准测试。拜登政府的NAIRR工作组实施计划同样要求使用社区驱动标准定义“分析-现成”数据集。
尽管数据已被公认为人工智能发展的关键输入(因此是一个瓶颈),但美国政府很少关注这样一个事实,即大量此类高质量数据集由私营行业控制,尤其是由大科技公司控制。与欧洲不同或印度作为呼吁人们关注数据垄断的更广泛运动的一部分,美国提出了一次性建议,要求数据共享和私营部门为数据公共领域贡献资源,美国的人工智能政策在推动数据访问甚至承认大型科技公司所享有的数据优势方面受到了明显的限制。2023年国家人工智能研发更新计划(National AI R&D updated plan)可能是一个罕见的例外,该计划认识到迫切需要与科技公司“建立合作伙伴关系”以共享数据,但最终却承认,此类提案的竞争挑战可能会使其无法支撑。
尽管对行业内现有数据集中度的质疑已不在讨论范围内,但推动更多地访问联邦政府数据一直是战略努力的核心。其中一个方面是创建新的基础设施或交换来共享这些数据资源。拜登OSTP宣布了一个新的门户网站,供人工智能研究人员访问新的政府数据集和试验台环境(但自宣布以来,几乎没有其他详细信息,截至本文撰写之时,门户网站仍会发出404错误信息);NAIRR的最终报告还提出了人工智能数据共享和人工智能市场的概念(“用户社区贡献、记录和共享数据、代码和模型的社会和技术架构”),作为支持访问的模型示例。如果没有关于公司如何被允许使用联邦数据的护栏,政府服务的人工智能采购授权(2019年和2023年行政命令规定的类型)也可能最终会给予科技公司访问政府数据的特权,尤其是在一些最大的公司已经因战略收购而积累优势的行业。
数据问题不仅仅与竞争优势和绩效问题相关。人工智能的训练数据集是人工智能系统工程化社会结果干预的关键点,也是缓解偏见和歧视、隐私和知识产权问题的关键点。虽然以数据为中心的倡议主要以最大限度地从数据中提取价值为目标,而不是关注其利用的风险,拜登政府的产业战略确实整合了数据来源和偏差缓解策略,作为NAIRR等工作设想的一部分,类似于政府的“试点”对于“可信赖的人工智能”系统和过程可能看起来是什么样子,但其中大部分仍然是理论上的。这一点至关重要,因为针对人工智能培训的个人数据的鲁莽利用已经受到了像联邦贸易委员会这样的监管机构的扫描,它们提出了“算法吐出”或删除人工智能非法数据等补救措施。AI研发战略还将联邦数据的使用定位为确保代表性不足的社区或AI用例的一种方式,这些用例旨在避免重复歧视(例如使用20世纪30年代房主贷款公司的数据,这些数据用于红线化以避免重复)。
劳工:通过劳动力发展解决AI驱动的工作替代恐惧
对劳动力的影响并不是美国AI产业政策投资的主要焦点,但创造就业机会和保持就业机会经常被用作公共投资该领域的明确理由。这些论述在人工智能的背景下是独特的,自20世纪60年代以来,人们一直担心人工智能的部署会导致工作岗位的更换。
人工智能产业政策中的劳工条款围绕三种主要类型的政策干预:
- 将公共投资与遵守劳工指导方针联系在一起的规定,例如将资金与工会工资挂钩的戴维斯·培根要求,或提供负担得起的儿童保育的规定
- 劳动力发展和技能提升措施
- 移民措施,包括为AI开发中具有特定技能的工人提供快速签证
公共投资授权和工作场所保护
首先是保证对人工智能领域的公共投资将与公司遵守某些劳动要求和工作场所保护相联系。例如,CHIPS法案中的规定要求雇主向戴维斯·培根支付建造CHIPS资助设施的现行工资率以及CHIPS基金的受托人“展示了对工人和社区的重大投资,包括为小企业和弱势社区提供的机会”此外,商务部制定的规则规定,资金接受者必须保证为参与工厂建设或运营的工人提供负担得起的高质量的托儿服务。
工会代表是法案通过过程中的主要支持者:白宫与工会领导层举行了会议,讨论在投票前通过法案的重要性,工会代表在一些旗舰活动中发挥了重要作用。例如,在与拜登总统举行的一次活动上,通信工人协会主席克里斯·谢尔顿(Chris Shelton)将该法案的通过与创造新的就业机会联系起来,这将扩大工会半导体制造业基础的关键要素,增强工会的力量:“随着这项法案的通过和半导体生产投资的增加,我希望能够帮助组织数千名额外的工人。对于这些工人来说,这项法案将是通往更好生活的门票。”他接着将这些措施与中国的竞争联系在一起:“我也很高兴,该法案包括了关键保护措施,以防止接受资金的公司转而投资于中国而非美国的半导体生产。”但目前尚不清楚这项投资是否会兑现这些承诺:例如,美光公司在锡拉丘兹建造的一家工厂的一份报告质疑了美光的投资将在该市创造“5万个高薪工作岗位”的说法,注意到,由于将临时和低薪工作包括在内,估计过度夸大了对当地经济的影响。
CHIPS立法中劳工条款的实施仍然动荡不安,特别是对台积电而言:首席执行官莫里斯·张(Morris Chang)公开反对与接受联邦资金有关的工会授权,抱怨美国缺乏必要的制造人才和职业道德:“如果(台湾)工程师在睡觉时接到电话,他会醒来并开始穿衣,”他在一份公开声明中表示。“他的妻子会问:‘怎么了?’他会说:‘我需要去工厂。’妻子会一言不发地回去睡觉。这就是工作文化。”就他们而言,参与工厂建设的工人声称违反了安全规定,工厂的建设受到了事故和劳资纠纷的破坏。亚利桑那州管道贸易469工会对台积电申请台湾工人快速通道签证提出上诉,张瑞敏声称,张瑞敏是在制造技能短缺,以证明从国外雇佣廉价劳动力的合理性,而不是遵守与联邦资金挂钩的劳动力要求。
尽管面临这些挑战,拜登政府在其2023年关于人工智能的行政命令中加强了其对工会的承诺,将其作为人工智能产业政策的关键支持者。白宫行政命令的情况说明书将“支持工人”列为十大优先事项,其中概述了减轻工人风险的必要性,“支持工人集体谈判的能力,并投资于所有人都能获得的劳动力培训和发展。”在EO的规定中,有一项授权,要求劳工部长发布指导意见“明确指出,部署人工智能来监测或增加员工工作的雇主必须继续遵守保障措施,确保工人的工作时间得到补偿,如《公平劳动标准法》和其他法律要求所定义的那样。”虽然没有明确概述,但这项措施可能旨在解决人工智能驱动接口介导的分裂工作的出现。例如,基于平台的工作人员已经预见到的一个问题是,他们是否为雇主使用的算法系统不计入有偿工作的“休假任务”获得了足够的报酬,例如搭车司机等待下一位乘客的时间。
劳动力发展和再培训
人工智能产业政策中另一个长期存在的劳动力支柱强调,需要通过“再培训”计划发展美国劳动力,确保工人拥有人工智能驱动经济所需的工具。这些叙述将人工智能的发展视为工作置换的必然引擎,将工人定位为不满和脱离接触,而无需政府干预的推动引擎,而不是寻求在决定人工智能发展的过程中建立工人的自主权和领导力。
许多这些措施都是从需要额外研究开始的:例如,2019年拟议的AI JOBS法案将授权劳工部创建一份报告,分析AI的未来增长及其对劳动力的影响。特朗普政府的AI行政命令同样寻求就STEM教育如何发展以响应人工智能需求提出建议,并优先考虑教学和培训项目,此外在现有联邦研究金和服务项目中为AI确立优先路径。最近拜登政府关于人工智能的行政命令以这一系列授权为基础,要求劳工部再次研究人工智能对劳动力市场的影响,并确定如何最好地使用联邦资金来支持工人,制定原则和最佳实践,以减轻AI造成的危害,并提供指导“以防止雇主对工人补偿不足、不公平地评估工作申请或影响工人的组织能力。”
国家人工智能咨询委员会(National AI Advisory Commission)根据其章程中的任务规定,“为当前和未来的美国劳动力做好准备,以便将人工智能系统集成到经济和社会的所有部门”,广泛关注劳动力发展方面的考虑因素这一任务体现在其关于启动美国识字、算术和解决问题的“登月计划”的建议中,以及建立一个针对未来工作者的终身人工智能职业成功全国运动。后一个项目旨在通过“虚构”他们在高科技工作中取得成功的能力来“提高”这些工人的技能,并对这些社区进行有针对性的宣传。
这些干预还倾向于奖励特定类型的技能集,这些技能集经常使用“人工智能专业知识”或“STEM”等语言进行表述,从而有可能在更广泛的范围内破坏主题专业知识的合法性和规范决策的价值。这延伸到政府自己的雇佣;例如,管理和预算办公室(Office of Management and Budget)对围绕“劳动力”的机构的指导将优先雇用具有“人工智能口译技能”的人员,并可以挖掘内部员工及其机构的主题专业知识,以便独立于自动化系统的建议做出决策。
通过移民措施应对“人才流失”
对人工智能领域人才“人才外流”的担忧一直是产业政策叙述中的一个担忧。NAIRR最终报告以一种特别引人注目的方式对此进行了阐述,表达了对人工智能多样性和公平性的担忧,因为资源高度集中在大型私营企业、资源充足的大学和国家实验室。该报告明确指出,顶尖人工智能人才向少数资源充足的公司“流失”,对美国创新和经济增长产生了不利影响。报告指出:“尽可能广泛地扩大人工智能研究资源的使用范围,并将不同的观点纳入投资的优先顺序、资源和资源提供者的审查以及人工智能研究生态系统的演变,是NAIRR多样性和能力目标的核心。”。
拜登政府的行政命令将“人才外流”框架转移到更传统的领域,强调通过简化签证标准、面试和审查来吸引熟练的人工智能劳动力。值得注意的是,对“人工智能和其他关键和新兴技术专家”的狭隘关注限制了此类措施的效果,与更广泛的移民记录处理方法相比,这些措施将具有基于阶级和可能的地理限制。
研发:人工智能的美好想象
“美国人工智能的发展主要集中在少数地理区域的少数组织中,研究途径较少。商业议程决定着人工智能的未来,并且主要集中在一个学科上:机器学习(ML)。”-2021年美国国家科学院人工智能研究所报告
NSCAI的这份报告由国防和商业技术行业的资深人士撰写,以其对私营行业如何制定人工智能研发议程的严厉批评而著称。这与苏珊娜·格利克曼(Susannah Glickman)在第二章的文章中强调的布什和克林顿向联邦政府支持私营部门商业化研发的转变形成了鲜明对比。当时的愿景是想象“一个民用DARPA可以为美国的经济竞争力做什么”旧DARPA为军事竞争力所做的贡献。”然而,NSCAI的起诉书提供了一种狭隘的补救办法,即仅仅增加对AI的公共投资(支持NAIRR和CHIPS法案等发展),而不是有意义地克服和纠正对商业激励的过度依赖。
事实上,在特朗普和拜登政府下分配专门用于人工智能的公共研发资金的同时,围绕推动科学和公益前沿的基础研究制定了更通用的政策说明,以及关于使用人工智能加强美国全球竞争力的更具体指令;减轻潜在的“灾难性风险”;并克服对算法偏差的担忧。在特朗普政府的领导下,国家科学基金会宣布在五年内提供5亿美元的研究资金,重点放在农业、气候和教育等具有社会影响的部门的“变革性进展”上,并列举了解决K-12教育极端天气准备问题的例子。这些赠款是与农业部的国家粮食和农业研究所、国土安全部的科学和技术理事会以及交通部的联邦公路管理局合作提供的。拜登政府为人工智能研究拨款7亿美元,其“AI for good”的轮廓突出了传统的国家利益部门,如“农业、医疗、制造业、关键基础设施和可持续性”人工智能研发的时机已经成熟(虽然“增强感知能力和感知数据”一直是一个重点领域,但国家安全并没有被提到是一个关键用例,与军事环境明显相关。)2023年研发战略的另一个主题是将人工智能作为对抗偏见和促进公平的工具;值得注意的是,这些人工智能的表达似乎借鉴了人工智能“社会技术”研究领域的新兴概念(例如,FaccT等会议),该领域对此类人工智能用例进行了平台化研究。对“AI公平性”研究的一个主要批评,包括来自FaccT内部的批评,是过分强调了以技术为导向的偏见缓解问题,而对人工智能可能被用于巩固权力动态或削弱自主性(如工作场所监控)的问题,则相对较少,或有助于科技行业的权力集中。
立法者还呼吁人们注意,与科技行业数十亿美元的支出相比,公共研发投资水平相对较低。美国创新战略学者认为,没有任何有意义的比较,因为企业产生利润的压力意味着美国工业几乎不支付没有长期视野的研发费用,尽管理论上他们的研发支出要大得多。有人认为,这种对公共研发的截然不同的风险偏好,使其特别适合于通用创新。
然而,当人工智能行业在定义“突破性科学”概念方面具有独特影响力时,公共投资必然更好或位置不同以推动这些进步的假设越来越不可靠。联邦研发的优先事项似乎反映了(并可能巩固)行业趋势;2016年的研发战略将“狭义人工智能系统”确定为最成熟的先进技术,而最新的2023年研发战略则将“可扩展的通用人工智能”标记为公共研究的一个明确优先事项,而“可扩展通用人工智能(scalable general AI)”是由聊天GPT引发的人工智能产业繁荣的模型。这种对大规模通用人工智能的强调从未承认这种轨迹的计算和数据依赖性所带来的市场、财务和环境影响。规模越来越多地被用作进步和绩效的代表,行业利益相关者往往将规模越来越大的通用人工智能模型(如LLM)定位为所谓“人工通用智能”(AGI)形式的垫脚石。AGI的承诺也与国家安全主导权密不可分——首先建立AGI的人将赢得AI竞赛——商业和国家安全的目标几乎完全融合在一起。
换言之,围绕改革性公共资助“基础研究”的怀旧框架不仅模糊了AI堆栈每一层对私人技术公司的深层次和结构性依赖(在计算方面最为严重),但商业人工智能行业限制公众想象这些技术应该走什么样的道路,以及它们应该服务于什么样的利益的更根本的方式。最近,帝国人工智能(Empire AI)等国家领导的努力试图“建立自己的”,而不是从私营行业获得许可,这表明这是政治行为体承认的一个弱点,但鉴于为人工智能建设真正的公共基础设施需要前所未有的资金,因此迫切需要克服这一弱点
健全的产业政策制定必须从审慎的评估入手,即特定产业既能获得服务于国家利益的必要利益,又能在没有额外资源和战略支持的情况下实现这些利益。目前的人工智能产业政策制定方法在两个方面都失败了:首先,尚不清楚科技产业是否缺乏足够的资源来独自进行,或者这些产业政策干预的结构和规模是否会与行业内的垄断主导地位展开有意义的竞争——如果有的话,它们应该与向负责执行反垄断法的监管机构提供的相对微不足道的资金相比较。很明显,促进人工智能发展与政府提出的发展中产阶级、赋予工人权力和解决气候变化问题的政策目标存在矛盾。人们对构建越来越大规模的人工智能的关注,减损了人们对人工智能系统如何设计来服务于公共利益(如果有的话)的真实思考,而不仅仅是为商业行业提供动力的激励。