Anthropic 公布 2 亿美元经济未来研究基金议程
Economic Futures Research Fund agenda
Anthropic 公布经济未来研究基金(Economic Futures Research Fund)的研究议程,承诺投入 2 亿美元资助外部研究,为 AI 带来的经济影响做准备。
Anthropic 公布 2 亿美元研究基金的五大方向与资助门槛,可据此判断 AI 经济影响研究的资金流向。
我们正在分享 Anthropic 经济未来研究基金的研究议程。我们承诺向该基金投入 2 亿美元,用于支持外部开展雄心勃勃的研究,探索帮助社会为 AI 的经济影响做好准备的干预措施。
借助该基金支持的研究,我们希望研究哪些项目能让经济更具灵活性和韧性、确保 AI 的收益得到共享,并尽量减少 AI 驱动的颠覆可能造成的伤害。
在该基金中,我们将优先关注五个研究领域:
- 塑造 AI 在企业和工作场所层面对劳动者的影响
- 帮助人们应对 AI 驱动的转型
- 为 AI 驱动的失业实现收入支持现代化
- 在颠覆到来之前让劳动者在 AI 驱动的增长中拥有利益
- 就公共投资生成新的证据
该基金是什么?
AI 能力持续提升。但我们尚不清楚 AI 将以多快的速度扩散到整个经济,同时能力又不断增强,也不清楚其经济影响会是什么。在 6 月发布的经济政策框架(EPF)中,我们针对多种情景提出了项目和政策建议。但我们需要更多实证证据,来了解哪些干预措施在 AI 转型后的经济中可能真正有效——哪些能让经济更具灵活性和韧性,并广泛分享收益。面对这种不确定性,我们的目标是建立这一证据基础,让劳动者、企业和政府有空间适应。这笔 2 亿美元的基金将支持外部研究,研究 EPF 中提出的干预措施以及其他开放问题。我们可能正进入一个没有历史先例的时刻,最有希望的解决方案是尚无人尝试过的方案。我们愿意资助富有创意和雄心勃勃的试点项目,为那些仅靠随机对照试验可能只能提供增量证据的问题提供指导。
这是我们一年前启动的经济未来计划的重大演进。我们正将重点更新为雄心勃勃的项目和大额资助,因为我们认为这是我们能产生最大影响的地方。我们一直认为,资助大型外部研究押注很重要;这一转变将让我们能够这样做。我们还通过经济未来计划了解到,我们很难扩展能力来同时管理许多小额资助。除了大规模随机对照试验和试点外,我们也有兴趣与能够扩大有效小规模试点计划的合作伙伴合作。
我们资助的研究类型
从根本上说,我们希望资助尽可能雄心勃勃的提案。我们旨在资助大规模随机对照试验,或雄心勃勃、富有创意的试点或项目评估,以扩展我们对哪些方案有前景以及在何种情境下有前景的共同理解,填补证据薄弱的空白,并激发新的解决方案。以下可资助方向列出了一系列可能性,但我们知道,我们并未穷尽这一领域的所有好想法。我们欢迎未被以下内容涵盖的提案。
AI 改变社会的速度可能快于传统研究资助和发表周期所能跟上的速度。我们希望与研究组织合作,这些组织愿意在关键里程碑公开分享他们所学到的东西,因为一个足够早、可据以采取行动的讯号,可能比一个来得太晚的答案更有价值。我们尤其对如果显示出前景就能大幅扩展的试点感兴趣。
这是一个全球基金。我们在下面列出的资助方向在一定程度上以美国为中心,部分原因是我们总部位于旧金山,而且 Claude 在美国的使用量超过任何其他国家。但为颠覆做好准备的必要性将是全球性的,我们期望以反映这一点的方式来资助项目。
我们计划主要资助 500 万至 3000 万美元范围内的项目,不过对于范围明确、潜在影响高的项目,我们可以在上限上灵活处理。基于我们从 Economic Futures 项目中学到的经验,以及我们在提案中寻求的雄心和规模,我们不会从该基金直接资助任何低于 100 万美元的项目。
我们将接受来自认证大学和其他授予学位机构、独立研究机构和政策研究组织,以及在规模化开展实地实验方面有良好记录的非营利组织的提案。个人研究人员可以作为其所在机构提交提案的首席研究员,但我们不会考虑以个人身份申请的个人提案。
我们更有可能资助符合我们某一研究优先方向的项目,但我们也欢迎这些方向之外的雄心勃勃的提案,只要它们与问题和机会的规模相匹配。查看我们的提案征集并在此申请。
我们的五个研究优先方向
1. 塑造 AI 在企业和工作场所层面对劳动者的影响
AI 对劳动力市场的影响取决于围绕它构建的系统、工作场所、培训协议和制度选择。关于 AI 融入工作场所的现有证据是观察性的和短期的。实地实验可以帮助我们理解哪些协作模式能在 AI 之外培养人类专业知识、组织设计选择如何影响生产力以及谁获得收益,以及劳动者话语权在这些设计选择中能带来什么不同。
如果没有这些证据,企业层面的决策以及诸如劳动者增强激励、留任税收抵免、雇主共同投资要求或学徒计划等政策杠杆都将缺乏充分依据。
可资助的方向包括:
- 在企业或团队层面随机分配 AI 系统和 AI 整合设计的实地实验,包括将由劳动者和劳动者组织共同开发的设计与自上而下方法进行比较。
- 估计围绕 AI 工作场所整合和使用的组织选择对 AI 生产力收益分布的影响。
- 评估留任税收抵免和雇主共同投资要求。
2. 帮助人们应对 AI 驱动的转型
关于再培训和工作安置的证据好坏参半,而且可能无法推广到 AI 引发的经济颠覆和快速结构性转型。
可资助的方向包括:
- 评估创新的技能再培训、工作安置、许可改革和行业转型方案,包括更新的 AI 赋能匹配、资质认证和学习模式,以及将收入支持与强化再就业服务、再培训和搬迁援助捆绑在一起。
- 关于早期职业和专业人才管道的实地实验,例如,如果初级任务被 AI 吸收,哪些学徒、导师或轮岗模式可以建立专业知识。
- 对K-12和高等教育中旨在帮助学生为转型后的劳动力市场做好准备的课程与教育交付模式的评估,包括将教育干预与后续劳动力市场结果相关联的纵向试点。
- 对雄心勃勃的流动性工具的测试,例如与再培训项目挂钩的带薪休假,以及随劳动者跨雇主转移的可携带福利。
关于许多此类举措已有现成证据,包括一些尤其有效的行业培训项目。我们想弄清楚有前景的项目能否在更广泛的人群中快速推广。例如,一场大规模的“消防演习”,即在某个州为求职者快速扩大选定项目的规模,可以提供证据,说明这些项目在面临重大冲击时的效果如何。
3. 为AI驱动的失业实现收入支持现代化
与世界各地类似的保险项目一样,美国支持失业工人的体系几乎完全建立在失业是暂时性的这一假设之上。AI可能导致更广泛、更持久的失业。在这种情景下,我们需要针对一种新的均衡来校准工具,而这种均衡在现代尚无先例。
可资助的方向包括:
- 适合AI驱动失业的失业保险(UI)改革,包括替代性资格门槛、与行业或职业挂钩的自动延长触发机制,以及将UI与工资保险、再培训或其他过渡支持相结合。
- 为耗尽UI、从未符合资格或长期就业不足的劳动者提供基本需求救济。
- 达到可维持生活水平的更长期无条件收入试点,旨在回应收入与工作长期脱钩的情景,分析的结果不仅涵盖劳动供给和消费,还涵盖福祉、家庭稳定、儿童发展、公民参与以及受助者如何安排时间。
4. 在冲击到来之前让劳动者在AI驱动的增长中拥有权益
在前所未有的情景中,如果AI带来巨大的总体收益,这些收益默认可能不会被广泛共享。在EPF中,我们讨论了普惠预分配资本账户及相邻机制,如股权共享、AI行业分红和公共所有权股份。但这些机制在大规模层面缺乏直接的实证先例,而且它们还需要资金来源。许多创收提案已经存在,包括通过企业税、资本利得税或代币税对AI驱动的回报征税。但我们缺乏证据说明谁会承担此类税收的经济归宿,以及不同设计会如何影响所征收的收入和采用情况。
可资助的方向包括:
- 测试大规模预分配资本账户设计的随机对照试验(RCT)。
- 测试股权共享或分红式机制的试点,包括社区层面的试点,即AI基础设施或使用AI的企业为当地居民带来直接、持续的回报。
- 比较不同筹资和分配收入机制的评估——哪种税基(企业利润、资本利得、算力、自动化税等)和哪种机制(预分配账户、股权、分红或等效的直接转移)能带来最佳的劳动力市场和家庭结果。
5. 就公共投资生成新证据
EPF呼吁既要实现收入安全网的现代化,也要大幅扩大对面向人和社区的工作的公共投资。政策制定者需要一种一致的方法,将这些工具相互比较,并与直接转移支付进行比较。这项研究将产生证据,说明哪些形式的支出能带来最大的公共效益,尤其是在可能被私人市场低估的领域。
可资助的方向包括:
- 大规模试点,直接资助面向人和社区的服务岗位(例如教学、课后项目、图书馆、社区健康、公园、基础设施、艺术),衡量就业水平、教育程度、犯罪和福祉等结果。
- 试点扩大弱势群体获得AI赋能的公共服务(法律援助、医疗指导、财务咨询)的渠道,检验此类投资能否缩小获取渠道上的差距。
- 为流离失所或长期失业的劳动者开展保障性就业试点,参与者被提供公益岗位,其精神类似于平民保护队,但涵盖更广泛的岗位范围。
- 在受AI驱动 displacement 影响最大或承载大型AI基础设施建设的社区开展基于地方的干预,包括对劳动力、公共服务、基础设施和便利设施进行捆绑投资,并试点在统一治理下协调这些投资的区域发展机构。
来源:Anthropic 官方(新闻+研究) · anthropic.com