收益写在报表里，代价落在具体的人身上
一家公司部署自动筛选系统，招聘时间缩短；求职者却可能不知道自己为何被淘汰。政府用模型分配公共资源，整体流程更快；被误判的家庭可能要花数月申诉。技术收益常以效率、增长或竞争力呈现，损失则落在某个群体、某个地区，甚至尚未出生的人身上。
这就是AI风险中的分配问题：谁决定部署，谁从中获益，谁承受失败，谁有权说停？它不仅关乎公平，也关乎制度是否正当。若决定者不承担后果，受影响者又没有参与和救济，所谓“整体收益”就可能遮住被转嫁的代价。
风险不是平均分布的
国际劳工组织关于生成式AI与就业的研究，讨论职业任务可能如何受到影响；它不意味着所有职业都会整体消失。ILO研究任务自动化对不同劳动者的影响，取决于行业、技能、劳动制度和组织选择。MIT研究者对AI宏观经济影响的分析也强调，生产率收益如何扩散并非自动发生。研究页面
相似的不平等会出现在数据和基础设施上。某些群体更容易被监测和分类，却未必有能力审查系统；某些地区承担能源、矿产和数据提取成本，收益则在别处实现。Kate Crawford等人的研究提醒我们，AI有物质供应链和劳动基础，不是纯粹虚拟服务。Anatomy of AI
这些研究不能证明每种AI部署都会加剧不平等，却足以提出审查要求：收益和风险分别落在哪里？受影响者是否能知情、参与和申诉？有没有不使用AI的替代方案？
未来世代没有签字，却可能承担后果
前沿AI灾难风险具有跨代际的一面。若一个决定可能造成不可逆损害，未来的人无法参与今天的会议，也无法事后要求赔偿。代表未来世代发言并不容易，任何人都不能声称完全知道他们会如何选择；但这不构成忽略长期后果的理由。至少应避免把短期竞争收益当作唯一尺度，并公开说明无法消除的不确定性。
UNESCO伦理建议和联合国AI高级别咨询机构报告强调人权、问责、包容与国际合作。UNESCO文本；联合国报告它们提供规范框架，不会自动解决利益冲突。落实还需要法律责任、影响评估、工人协商、公众参与和独立申诉机制。
安全也不能成为新的特权
强调风险预防，不意味着监管者天然代表所有人。以安全为名扩大秘密监控、排除公众参与，或让强势国家垄断标准，都可能制造新的不公。限制高危扩展必须有公开理由、清晰范围、独立复核和定期评估；对正当的低风险研究和公共利益用途，则要说明如何保留空间。
判断一项部署是否正当，可以追问几件具体的事：风险由谁承担？受影响者是否能知道系统参与了决定？错误能否纠正？有没有人类复核和可行的替代通道？停止权掌握在谁手里？这些问题比“AI是否促进进步”更难回答，却更接近进步的真实含义。
若进步必须靠没有选择权的人承担无法逆转的风险，它就不只是技术问题。社会有责任在收益被称作“大家的”之前，先查清代价究竟由谁支付。
科幻镜头。特德·姜的《软件体的生命周期》把一群数字生物放在商业平台的兴衰之间：它们的成长需要照护，照护关系却受公司经营、知识产权和用户退出影响。小说不是数字主体权利的法律论证，也不证明现有模型具有意识。它能把分配问题具体化：当创造者、投资者、照护者和被创造者不是同一方，谁能代表后者决定它们的未来？出版社介绍。
主要来源
- ILO. Generative AI and Jobs: A Global Analysis of Potential Effects on Job Quantity and Quality (2023). https://www.ilo.org/publications/generative-ai-and-jobs-global-analysis-potential-effects-job-quantity-and
- UNESCO. Recommendation on the Ethics of Artificial Intelligence. https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence
- UN High-level Advisory Body on AI. Governing AI for Humanity (2024). https://www.un.org/en/ai-advisory-body
- Crawford, Kate. Atlas of AI / Anatomy of AI project. https://anatomyof.ai/
- Acemoglu, Daron. “The Simple Macroeconomics of AI.” https://shapingwork.mit.edu/research/the-simple-macroeconomics-of-ai/
发表评论