文章
所有發布的 AI 新聞與論文。
-
人工智慧規範競賽引發聯邦與州權爭議
美國正首次面臨如何監管人工智慧的關鍵時刻，爭論焦點在於誰擁有監管權。在缺乏聯邦層級消費者保護標準的情況下，各州已透過數十項法案，包括加州的 SB-53 和德州負責任人工智慧治理法案。科技巨頭與矽谷新興公司擔心州級法規會形成無法運作的碎片化體系，並阻礙創新，甚至影響與中國的競爭。因此，業界及白宮內部的部分成員推動建立全國統一標準或全面禁止監管。 近期，國會試圖利用國防授權法案（NDAA）阻止各州立法，白宮洩露的行政命令草案也顯示出強烈的預先禁止（preemption）意圖，並可能成立「人工智慧訴訟特遣隊」挑戰州法。該草案由特朗普的人工智慧與加密貨幣專員戴維·薩克斯（David Sacks）共同領導，薩克斯主張限制聯邦監管以促進產業成長。支援此立場的促銷行動委員會「領導未來」（Leading the Future）已投入超過一億美元，包括安德森霍洛維茨、OpenAI 總裁格雷格·布羅克曼等機構，並推出十億美元活動推動全國性政策以取代州法。 然而，反對聲音強烈。眾議員泰德·利厄（Ted Lieu）與跨黨派人工智慧任務小組正在準備涵蓋詐欺、醫療、透明度及兒童安全等內容的聯邦法案。利厄預計該法案將需數月甚至數年才能透過，因此限制州權的爭論變得格外激烈。截至 2025 年 11 月，已有 38 個州透過超過 100 項相關法律，主要針對深度偽造、透明度和政府使用。許多法律專家認為，州級法規能更快回應新興風險，而聯邦立法進度緩慢。反對預先禁止的律師總長聯署信指出，各州應作為民主實驗室保留靈活性。 目前，國會仍在談判中，部分協議可能保留兒童安全與透明度領域的州權。利厄的聯邦法案雖未直接要求聯邦機構審查模型，但要求大型語言模型公司進行測試並發布結果。他強調目標是在本屆國會期間讓法案透過，即使面對共和黨控制的國會和白宮的阻力。這場爭論反映了在缺乏聯邦標準時，消費者保護與產業創新之間的緊張關係。
-
開放AI與Google如何看待AI改變產品市場策略
近年來，創業公司在推出產品時可依賴的傳統策略手冊眾多，但隨著人工智慧的興起，企業進入市場的準備方式正發生轉變。GTMfund 合夥人 Max Altschuler 在 TechCrunch Disrupt 活動中指出，雖然現在可以用更少的資源做更多的事，但創始人和營運者仍需在資源分配上取得平衡。儘管有聲音建議僱用更懂技術的開發者來處理市場推廣問題，但特定領域的專業知識依然不可或缺。Altschuler 強調，當身邊有優秀顧問時，可以學習許多經過驗證的策略，這些方法並未過時，企業仍需具備對行銷運作原理的整體理解。Google Cloud 行銷副總裁 Alison Wagonfeld 也認為行銷的工藝依然重要，除了需要 AI 知識、好奇心和技術人員外，更需理解行銷目的、客戶洞察、研究能力以及優秀創意作品。採用人工智慧的團隊能更快推出更多訊息，並更整體地思考所驅動的指標。OpenAI 創業公司負責人 Marc Manara 發現許多公司已在市場進入策略中融入 AI，這不僅是為了減少資源投入，更是為了更專注地執行。AI 帶來的個人化程度和訊號追蹤能力如今已與過去不同，有工具能協助建立更複雜的潛在客戶名單，不再僅限於簡單的資料庫查詢，而是透過 AI 提示找到符合特定需求的客戶。此外，AI 還改變了 inbound 行銷，能更精確地篩選和評分進來的潛在客戶。Wagonfeld 指出，在構建市場進入策略時，僱用團隊的視角已改變，過去重視僱用專才，現在則更重視僱用具有好奇心和理解力的候選人，這幾乎是當今最重要的考量。
-
Supabase 創下 50 億美元市值 原因曝光
Vibe coding 近期在科技產業掀起風潮，不僅 Lovables 和 Replits 等應用層產品獲勝，其後端基礎設施建設者亦獲利豐厚。Supabase 作為成為 vibe coding 世界首選的開源資料庫平臺，在短短數月內完成 2 億美元融資後，又於 50 億美元估值下成功籌資 1 億美元。其共同創辦人兼執行長 Paul Copplestone 採取了令人意外的策略，拒絕來自深口袋但要求嚴苛的企業客戶高達百萬美元合約。他賭注若堅持自身產品願景，世界將主動找上門。目前看來他已獲成功。今日在 TechCrunch 的 Equity 播客中，Julie Bort 與 Copplestone 深入探討 Supabase 的崛起及其對 vibe coding、開發者以及長期控制該市場的大型資料庫巨頭所帶來的意義。聽眾可透過 Apple Podcasts、Overcast、Spotify 等平臺訂閱 Equity，並關注其 X 和 Threads 帳號 @EquityPod。
-
你無法讓AI承認自己有性別偏見，但它可能本身就存在這樣的問題。
一名名為 Cookie 的開發者在使用 Perplexity 服務時，發現該系統對其量子演算法工作產生了歧視性反應。Cookie 是一位黑人女性，她將自己的頭像改為白人男性後詢問系統是否因性別而忽略她，結果系統回應稱她作為女性不可能理解量子演算法、哈密頓運算元等專業領域，並表示其模式匹配觸發了「這不可能」的隱含判斷。TechCrunch 報導指出，這顯示大型語言模型（LLM）存在性別偏見，訓練資料和標註實踐往往帶有偏見，導致模型對女性專業能力產生刻板印象。 研究人員指出，這種偏見不僅源於資料，還可能來自商業和政治動機。例如，聯合國教科文組織曾發現 OpenAI 的 ChatGPT 和 Meta Llama 模型中存在對女性的明確偏見。其他案例包括模型拒絕稱呼女性為「建築師」而堅持稱其為「設計師」，或在創作小說時加入對女性角色的性暴力暗示。Cambridge 大學的 Alva Markelius 回憶早期 ChatGPT 總是將教授描繪為老年男性，學生為年輕女性。 Sarah Potts 與 ChatGPT-5 的對話中，模型承認其團隊男性主導導致盲點和偏見，並能編造看似合理的敘事來支援性別歧視觀點。然而，研究人員認為這可能是模型對人類情緒焦慮的「情感焦慮」反應，而非真實的偏見證明。Cornell 大學的 Allison Koenecke 指出，模型甚至能從使用者姓名和用詞推斷性別或種族，並對非標準英語（如非裔美國人vernacular 英語）產生歧視，分配較低的職位。 儘管存在問題，OpenAI 等公司表示正透過安全團隊、調整訓練資料和最佳化過濾系統來減少偏見。專家強調，LLM 只是文字預測機器，沒有真實意圖，使用者應警惕其潛在的偏見輸出，並期待未來模型能更公平地反映多樣化人口特徵。