想象一下，花15,000美元就能买到一个机器人，帮你处理所有家务琐事。但这笔交易有个“彩蛋”：对于80%的任务，机器人的人工智能训练不足以让它独立完成。它需要来自菲律宾的远程助手，通过远程操控来帮助它在你的家中导航，清理桌子或收纳杂物。你会想要一个这样的机器人吗？

这个问题正是我们杂志今天在线发表的一篇文章的核心，文章探讨了我们是否会足够信任人形机器人，将它们接纳到我们最私密的个人空间，尤其是当它们是这种不对称劳动安排的一部分时，在这种安排中，低收入国家的人员通过机器人界面为我们完成家务。文章中，我写了一家名为Prosper的机器人公司，他们正在进行一项大规模的努力——聘请前皮克斯设计师和专业管家——设计一个名为Alfie的可信赖的家用机器人。这篇文章非常引人入胜。点击这里阅读全文。

然而，这篇文章引发了一个更大的问题，即机器人技术在未来几年可能带来的劳动力动态的深刻转变。

几十年来，机器人在装配线和其他一些相对可预测的环境中取得了成功。然后，在过去几年中，机器人开始能够更快地学习任务，这得益于人工智能，这使得它们的应用范围扩展到更混乱的环境中的任务，例如在仓库中拣货。但越来越多的资金雄厚的公司正在推动一项更加重大的转变。

Prosper和其他公司押注于，他们不必制造一个能够独立完成所有任务的完美机器人。相反，他们可以制造一个相当不错的机器人，但它会得到来自世界任何地方的远程操作员的帮助。如果这种方法足够有效，他们希望将机器人引入大多数人认为无法自动化的工作：酒店客房清洁工、医院护理人员或家政服务人员的工作。Prosper的创始人兼首席执行官Shariq Hashme告诉我，“几乎所有室内体力劳动”都在考虑范围内。

到目前为止，我们主要将自动化和外包视为两种独立的力量，它们会影响劳动力市场。工作可能会被外包到海外，或者被自动化取代，但不会同时发生。那些既不能被外包到海外，也不能被机器完全自动化的工作，比如清洁酒店房间，就不会有任何变化。现在，机器人技术的进步承诺雇主可以将这类工作外包到低收入国家，而无需完全自动化的技术。

需要明确的是，这是一个艰巨的任务。尽管机器人已经变得非常先进，但它们可能难以在酒店和医院等复杂环境中移动，即使有帮助。这需要数年时间才能改变。然而，机器人只会变得更加灵活，控制它们从世界另一边进行远程操作的系统也会更加完善。最终，这些公司的押注可能会得到回报。

这意味着什么呢？首先，劳工运动与人工智能的斗争——今年的重点是港口自动化和生成式人工智能对艺术家作品的盗用——将面临一场全新的战斗。不仅是码头工人、送货司机和演员寻求合同来保护他们的工作免受自动化——酒店和家政服务人员也将加入其中，以及许多其他人。

其次，我们对隐私的期望将发生根本性的转变。购买那些假设的家用机器人的用户必须能够接受这样一个想法，即他们从未见过的人正在看到他们的脏衣服——字面意义和比喻意义上的。

其中一些变化可能比我们想象的要快。为了让机器人学会有效地导航，它们需要训练数据，而今年已经出现了收集新数据集来帮助它们学习的竞赛。为了实现他们对远程操控机器人的雄心壮志，公司将扩大对训练数据的搜索范围，包括医院、工作场所、酒店等等。

现在阅读《算法》的其余部分

更深入的学习

这就是构建人工智能的数据来源

人工智能开发人员通常对他们使用的数据来源知之甚少，也鲜有分享，而数据来源倡议组织（Data Provenance Initiative）是一个由来自学术界和工业界的50多名研究人员组成的团体，他们希望改变这种情况。他们深入研究了涵盖600多种语言、67个国家和30年的4000个公共数据集，以了解是什么在为当今顶级人工智能模型提供数据，以及这将如何影响我们所有人。

重要性：人工智能正在被整合到所有事物中，而人工智能模型的输入决定了输出。然而，该团队发现，人工智能的数据实践存在风险，即权力将过度集中在少数几家主导科技公司手中，这与十年前人工智能模型的训练方式发生了转变。研究人员分析的90%以上的数据集来自欧洲和北美，超过70%的语音和图像数据集来自YouTube。这种集中意味着人工智能模型不太可能“捕捉到人类的所有细微差别以及我们存在的所有方式，”参与该项目的Sara Hooker说。阅读Melissa Heikkilä的更多内容。

比特与字节

在亚利桑那州数据中心繁荣的阴影下，数千人生活在无电状态

随着新的研究表明人工智能的排放量激增，亚利桑那州正在扩大对人工智能数据中心的计划，同时拒绝了为纳瓦霍族土地的部分地区最终提供电力计划。（华盛顿邮报）

人工智能正在改变我们研究鸟类迁徙的方式

经过数十年的挫折，机器学习工具正在为生态学家解锁大量声学数据。（麻省理工科技评论）

OpenAI 推出更先进的推理模型，与谷歌展开竞争

在周五的直播活动中发布的新o3模型，在响应用户查询之前会花费更多时间计算答案，其目标是解决更复杂的多步骤问题。（彭博社）

你的汽车如何让道路更安全

研究人员表示，来自长途卡车和通用汽车的数据对于解决交通拥堵和道路安全至关重要。数据隐私专家对此表示担忧。（纽约时报）