Sam Altman砸1400万美元的基本收入研究出炉 结果却让人大跌眼镜

币界网Dipublikasikan tanggal 2024-07-23Terakhir diperbarui pada 2024-07-23

币界网报道:

来源:AGI Hunt

OpenAI 的CEO Sam Altman 可是掏了血本,整整1400万美刀砸下去搞了个大实验,就为了验证一个问题:

每月给穷人发1000美元,到底会发生啥?

这实验可不是闹着玩的,整整3年时间,3000名收入低于2.8万美元的美国人参与其中。

其中1000人每月领1000美元,剩下2000人只能拿50美元(想想都心酸)。

结果呢?让人大跌眼镜!

先说说好消息:

  1. 领钱的人存款增加了25%,比对照组多了不少。

  2. 他们还变得更有爱心了,每月多花22美元帮助别人,比对照组多了26%。

  3. 有人还搬家到更好的社区,或者住上了更贵的房子。

但是!坏消息来了:

  1. 领钱的人工作时间反而减少了,而且收入增长还不如对照组。

  2. 虽然一开始压力小了,精神状态好了,但到了第二年第三年,这些好处就消失得无影无踪了。

  3. 更让人失望的是,这笔钱并没有明显改善他们的身体健康状况。

有意思的是,专家们对实验结果的预测也大跌眼镜。他们原本以为发钱能带来更多好处,结果现实给了他们一记耳光。

不过话说回来,Sam Altman这波操作也是大手笔啊!为了保证实验的科学性,他们可是下了不少功夫:

  1. 邮件随机招募参与者,还特意多找了些低收入群体。

  2. 为了防止对照组因为拿钱少就不配合,给所有人都发了50美元/月的"基本工资"。

  3. 甚至还和伊利诺伊州政府合作,通过立法确保实验收入不影响参与者的福利待遇。

而且为了全方位追踪参与者的生活变化,研究团队可谓绞尽脑汁

  1. 让参与者安装手机App,记录时间使用情况。

  2. 定期进行面对面或电话调查,响应率高达95%(这执行力,给跪了)。

  3. 还让参与者抽血检查身体状况,简直无所不用其极。

  4. 甚至连信用报告都要查,看看大家的债务和银行余额变化。

不得不说,这实验的规模和细致程度,在学术圈里绝对是顶级水平

那么问题来了,为啥Sam Altman要搞这么大动作呢?

原来,这位AI界的大佬早就看出来了,人工智能可能会抢走很多人的饭碗。所以他认为,未来可能需要给每个人发"基本工资",让大家有口饭吃。

这次实验,就是为了看看这招到底靠不靠谱。

有意思的是,不只是Sam Altman,连马斯克Twitter创始人Jack Dorsey都支持这个想法。就连AI界的老前辈Geoffrey Hinton最近还建议英国政府搞全民基本收入呢。

看来,大佬们是真怕AI抢了咱们的饭碗啊!

不过话说回来,这实验结果也给了我们一记当头棒喝:

光发钱可解决不了所有问题

正如一位参与者Sarah所说:

"我开始陷入一种心态,觉得钱来得太容易,反而不那么注意理财了。现在回想起来,真希望当初能存下更多。"

另一位参与者Carla则表示:

"当我接到电话说能每月领1000美元时,我差点哭出来。感觉就像是奇迹发生了。知道自己能还清那一大堆医疗债务,我的大脑仿佛进入了另一个境界。"

看来,钱确实能解决很多问题,但也可能带来新的问题。

那么问题来了,既然直接发钱效果不尽如人意,Sam Altman又有什么新想法呢?

据说,他最近提出了个新概念,叫"全民基本算力"。

啥意思呢?就是每个人都能分到一部分GPT-7的算力,想怎么用就怎么用。

Sam Altman说:

"你拥有了自己的生产力的一部分。"

听起来是不是很酷?不过这玩意儿到底靠不靠谱,还真说不准。

总之呢,这次实验虽然结果不尽如人意,但也给了我们很多思考。

在AI时代,如何保障每个人的基本生活,确实是个值得深思的问题。

Sam Altman这波操作,虽然没找到完美答案,但至少为我们指明了一个方向:

光发钱可不行,还得有更全面的配套措施。

那么问题来了,你认为AGI时代应该怎么保障大众的生计呢?

Bacaan Terkait

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

Meskipun harga Ethereum (ETH) turun 20-45% sejak awal tahun, minat institusional terhadap aset kriptu terkemuka ini tetap kuat. SharpLink, setelah jeda delapan bulan, kembali membeli 5.000 ETH senilai sekitar $7,88 juta, diikuti penambahan 26.324 LSETH senilai $45,54 juta. Total kepemilikannya kini mencapai 876.285 ETH, menunjukkan keyakinan pada utilitas jangka panjang dan pendapatan staking Ethereum, meski menghadapi kerugian belum terealisasi hampir $1,71 miliar. Tren akumulasi ini juga tercermin pada aktivitas "paus" (whale), dengan satu dompet baru mengakumulasi 18.361 ETH senilai $28,9 juta dalam sembilan hari terakhir, menandakan persiapan untuk pergerakan harga di masa depan. Namun, kepercayaan yang kembali bangun ini belum sepenuhnya tercermin dalam permintaan institusional yang lebih luas. ETF Spot Ethereum justru mencatat arus keluar bersih, dengan penarikan $12,85 juta pada 26 Juni. Meski demikian, total aset yang dipegang penerbit ETF masih signifikan, senilai lebih dari $8,38 miliar, yang mengindikasikan penyesuaian posisi berkelanjutan daripada pelepasan total. Pada intinya, akumulasi oleh treasury perusahaan dan paus mendukung prospek jangka panjang Ethereum, tetapi pemulihan berkelanjutan masih bergantung pada membaiknya sentimen pasar dan arus masuk ETF yang lebih kuat untuk mengimbangi tekanan penjualan institusional yang masih ada.

ambcrypto2j yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

ambcrypto2j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

Baru-baru ini, DeepSeek V4 diperbarui dengan framework *Speculative Decoding* baru bernama **DSpark**, yang diklaim meningkatkan kecepatan inferensi hingga 80%. Pembaruan ini, yang juga disertai open-sourcing framework **DeepSpec**, berfokus pada optimasi teknikal dan peningkatan performa, bukan perubahan arsitektur model inti. DSpark mengimplementasikan **Semi-Autoregressive Generation** untuk menjaga throughput tinggi dan meningkatkan akurasi token yang dihasilkan oleh model draf (*draft model*). Inovasi utamanya adalah **Confidence-Scheduled Verification**, yaitu sistem penjadwalan yang cerdas dan adaptif. Sistem ini menggunakan *Confidence Head* untuk memperkirakan probabilitas penerimaan setiap token kandidat dan secara dinamis menyesuaikan panjang verifikasi berdasarkan beban kerja sistem (*hardware-aware*), sehingga mengalokasikan daya komputasi hanya ke token yang paling potensial. Dalam pengujian di berbagai domain (penalaran matematika, generasi kode, percakapan), DSpark menunjukkan peningkatan signifikan dibandingkan model *state-of-the-art* seperti Eagle3 dan DFlash. Pada kondisi *throughput* yang setara, DSpark meningkatkan kecepatan respons pengguna sebesar 57%-85% untuk model DeepSeek-V4 Flash dan Pro. DeepSpec, yang dirilis bersamaan, adalah *codebase* lengkap untuk melatih dan mengevaluasi model draf *speculative decoding*. Framework ini menyediakan pipeline standar (persiapan data, pelatihan, evaluasi) dan mendukung beberapa algoritma (DSpark, DFlash, Eagle3) serta model target (Qwen3, Gemma), memudahkan peneliti dan insinyur untuk mengembangkan dan menerapkan teknik percepatan inferensi pada model bahasa besar mereka sendiri.

marsbit3j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

marsbit3j yang lalu

Ternyata Beginilah Cara Karpathy Menggunakan Claude?

Sejak bergabung dengan Anthropic, aktivitas Andrej Karpathy di komunitas terbuka berkurang drastis. Baru-baru ini, sebuah dokumen bernama CLAUDE.md yang diklaim sebagai panduan penggunaan Claude milik Karpathy beredar di komunitas. Isinya berisi sejumlah prinsip ketat untuk memandu AI dalam menulis kode, yang bertujuan mengurangi kesalahan umum model bahasa besar (LLM). Prinsip-prinsip utama mencakup: 1) **Baca dahulu sebelum menulis** – pahami struktur dan gaya kode proyek yang ada. 2) **Berpikir sebelum menulis kode** – klarifikasi asumsi, pertimbangkan trade-off, dan uraikan rencana. 3) **Tetap sederhana** – hindari desain berlebihan, abstraksi prematur, dan fleksibilitas yang tidak diperlukan. 4) **Modifikasi terarah** – lakukan perubahan minimal yang sesuai dengan gaya kode asli, jangan melakukan reformatting atau pembersihan yang tidak relevan. 5) **Verifikasi dan uji** – pastikan kode berfungsi seperti yang diharapkan dengan pengujian yang tepat. 6) **Debug secara sistematis** – jangan menebak, selidiki akar masalahnya. 7) **Hati-hati dengan dependensi** – hindari menambah dependensi yang tidak perlu. 8) **Komunikasi yang jelas** – jelaskan apa yang dilakukan dan alasannya. Dokumen ini juga menyoroti pola kegagalan umum seperti abstraksi yang salah, "optimistic path", dan "halusinasi pengetahuan". Meskipun keaslian dokumen ini diragukan, isinya sangat selaras dengan pemikiran Karpathy yang telah banyak mengkritik kelemahan LLM dalam pemrograman. Prinsip-prinsip ini, yang juga telah dijadikan template populer di GitHub, dianggap dapat meningkatkan efektivitas dan mengurangi kesalahan saat menggunakan asisten AI seperti Claude untuk pengembangan perangkat lunak.

marsbit4j yang lalu

Ternyata Beginilah Cara Karpathy Menggunakan Claude?

marsbit4j yang lalu

Riset BIT: Halving 2028 Bukanlah Akhir, Perombakan Sejati Industri Pertambangan Bitcoin Baru Dimulai

Industri penambangan Bitcoin sedang mengalami penyesuaian struktural paling kompleks sejak kelahiran protokolnya. Meski harga Bitcoin bertahan di sekitar $61.000 dan hash rate global mendekati 1 ZH/s (hampir rekor tertinggi), profitabilitas penambang terus memburuk. Beberapa indikator—seperti biaya produksi, pendapatan dari biaya transaksi, ekspansi hash rate, dan anggaran keamanan industri—menunjukkan bahwa sektor ini beroperasi di ambang titik impas. Pengurangan hadiah blok (halving) 2028 diprediksi akan mempercepat proses konsolidasi ini. Masalah utamanya bukan hanya berasal dari penurunan subsidi blok pasca-halving, tetapi juga transisi yang belum tuntas ke model pendapatan berbasis biaya transaksi. Banyak perusahaan penambangan kini beralih dari sekadar memproduksi Bitcoin menjadi operator infrastruktur, operator energi, dan penyedia infrastruktur komputasi untuk AI/HPC. Dengan demikian, fokus kompetisi bergeser dari ekspansi hash rate menuju peningkatan model bisnis. Data menunjukkan bahwa dengan harga Bitcoin sekitar $61.000, pendapatan teoritis harian penambang seharusnya sekitar $78 juta, namun kenyataannya hanya sekitar $33 juta—terjadi selisih sekitar 136%. Pendapatan dari biaya transaksi juga rendah, hanya sekitar $220.000 per hari, jauh di bawah perkiraan historis sebesar $9,7 juta. Biaya listrik sendiri menyerap 71,5% dari total pendapatan industri pada tahun 2025. Setelah halving 2028, biaya produksi dasar Bitcoin diproyeksikan naik menjadi sekitar $93.289, yang akan mendorong konsolidasi industri ke perusahaan-perusahaan besar dengan modal kuat dan pendapatan yang terdiversifikasi. Masa depan industri ini terletak pada transformasi dari bisnis "penambangan" murni menjadi bisnis "infrastruktur", yang mengandalkan sumber pendapatan lain seperti manajemen energi dan layanan hosting komputasi AI/HPC. Bagi investor, pertanyaan kuncinya adalah perusahaan mana yang dapat berhasil bertransformasi dan membangun keunggulan kompetitif yang lebih tangguh dalam lanskap baru ini.

marsbit4j yang lalu

Riset BIT: Halving 2028 Bukanlah Akhir, Perombakan Sejati Industri Pertambangan Bitcoin Baru Dimulai

marsbit4j yang lalu

Trading

Spot
活动图片