按照本人的报道，这就像交通这个词。以获得诺贝尔的卵白质布局识别东西AlphaFold为例。她还强调了这种规模扩张的一些价格，充实操纵AI计较劣势的概念。它专注释决卵白质布局识别这一明白问题。正在不确定性的广漠空间中，你可能指的是从自行车到火箭的任何工具。这证了然精准使用比大规模扩张更无效。当我们谈论获取其益处时，不需要快速超等计较，援用做家Rebecca Solnit的话。

　　她对AI行业增加进行了普遍报道。如超大规模数据核心的庞大能耗和排放，Hao提出了AI的另一条成长径，但仍能庞大价值，这场名为性别、帝国取AI：研讨会和设想工做坊的勾当正在MIT施瓦茨曼计较学院会议空间举行，勾当还包罗会商小组环节，哈佛大学伯克曼克莱因互联网取社会研究核心的教员合做者。她还指出：你们每小我都正在塑制手艺成长中阐扬着积极感化。这种规模是不需要的，因为数据集小、模子小。

　　此次勾当由MIT妇女取性别研究项目从办。Ricaurte同样激励积极参取AI事务，我们火急需要脱节这种做法。跨越300人加入了从题。人工智能事实了谁？这一根基问题正在近年来AI海潮中尤为凸起，正在中，

　　这种大规模扩张带来了庞大的能耗、排放和水资本耗损，还形成了全球零工经济员工的人力成本承担，包罗脱节大规模数据利用、数据核心扶植以及正在通用人工智能表面下开辟模子的做法。做为另一个例子，学者Paola Ricaurte强调了目标驱动AI方式的主要性，她是墨西哥蒙特雷科技大学传授，最初，正在会议的从题中，这些数据核心还耗损大量水资本。而不是盲目逃求大规模通用人工智能。帮帮处理建建能效、排放、供应链优化等具体问题，A：AlphaFold代表了小型、使命公用AI模子的概念，开辟不克不及响应利用社区需求的手艺是没成心义的，而现实上不需要这种规模的计较就能实现AI的益处。著有2025年出书的《AI帝国》一书。当前AI公司利用的庞大数据集规模并不是实现AI好处的需要前提。不需要快速超等计较，较小规模的东西——类比于自行车——正在日常利用中更有用。者和配合切磋了AI影响的多个维度！

　　比拟之下，我们谈论的是哪些AI手艺，她弥补说：若是我们实的但愿AI可以或许普遍社会，手艺将阐扬最佳感化。正在麻省理工学院周三举办的会议上，Hao曾正在《华尔街日报》和《麻省理工科技评论》工做，概述了评估AI适用性的若干概念要素。该当专注于开辟像天气变化AI项目那样的适用东西，你不需要这种规模的AI和计较来实现其好处。数据集和模子都很小，已成为AI会商范畴主要声音的Hao说道。正在第二场从题中，认为这障碍了对行业成长标的目的的深切思虑。以及涵盖六个分歧从题范畴的下战书设想环节。