https://irishtechnews.ie/universal-basic-income-equality-amid-ai-job-cuts
Simon Cocking
2026年6月26日
原作者：David Stephen，他在本文中探讨了全民基本收入。
为什么不是每个人都能成为数学家？或者说，为什么不是每个人都喜欢高等数学？为什么有些人真的觉得数学很难？又为什么有些人在接触数学时会充满能量或热情？
这些问题关乎人类智能在大脑中如何运作。这不仅仅关乎资源、地点、年龄或其他因素。
在AI裁员背景下，全民基本收入能否提供平等？
在人工智能崛起之际，人类智能在大脑中是如何运作的？简单来说，鉴于物种间存在诸多相似性，是什么让人类比其他生物更高级？
这本来是参议员伯尼·桑德斯（I-VT）在面对AI时应该追求的最佳目标，以保持人类智能在与人工智能竞争中的优势。
AI可以完成大量生产性工作，也能实现社会目标。AI实际上在某些对许多人来说难以学习或掌握的技能上表现出色。AI存在于数字领域，而数字领域如今已是重要人类经济过程的主导媒介。AI还非常擅长那些具有学术后价值的任务。
AI可能有很多缺陷，但人类中那些普遍（或容易）的事情在经济上并不总有回报。因此，即使AI在这些方面薄弱，在劳动力价值层级中也没那么重要。
大型语言模型（LLM）的当前能力包括解决复杂数学问题、严谨分析、写作、软件工程、跨领域专业知识、社交沟通、教学等等。
AI已经学到了很多人类在学校里训练获得的东西。因此，虽然教育体系看似完好无损，但有一个替代方案可以承担任务，这将在招聘和留用考量中逐渐成为一个因素。
而且，即使在人类中，智能能力也各不相同，尤其是在类型、需求等方面。已经存在很多竞争，有些人在某些人面前机会渺茫。例如，在AI构建、太空、生物技术等精英行业中。
尽管如此，鉴于这是人类对人类的竞争，总还有尝试的办法。现在，有了机器，在绩效水平上，可能会有一个最低可接受标准的截止线。
这意味着，一个亟需回答的紧迫项目是：人类智能在大脑中是什么、如何运作、如何改进以解决问题等。而且，如果人类智能强度构建了AI、太空科学、生物技术，如果人类智能得到提升，难道不会有希望在更多地方取得更多突破吗？
无论人工智能变得多么安全、普及、共享或具有支持性，它都不是大脑中的人类智能。在大多数情况下，它需要通过连接设备来使用。AI仍将由少数实体拥有或控制，而且AI将受限于个体人类智能的能力来提供帮助。例如，即使AI可以教学和简化翻译，成年人学习一门新语言仍然依赖于人类智能。
伯尼·桑德斯现在应该说的是建立第一个人类智能研究实验室，或一个美国人类智能研究院，或一个国际人类智能日等等。目标是至少找到方法，确保对人类智能有大量投入，堪比AI获得喂养和改进的程度，以避免忽视人类智能并假设它已经死亡，而唯一的希望（仅仅）是分享AI利润。
伯尼·桑德斯
最近（2026年6月1日）《纽约时报》有一篇客座文章，《伯尼·桑德斯：AI是一种公共资源。你应该拥有它的一半。》，其中指出：“那么，问题不在于AI是否会改变世界。它会。问题在于：谁将拥有和控制那个未来？谁会从中受益，谁又会受到伤害？AI会被用来改善工薪家庭的生活吗？它会丰富我们的生活质量吗？它会帮助我们消除贫困、延长预期寿命和解决气候危机吗？还是人类的未来将由少数推动和开发AI的亿万富翁决定，几乎没有民主参与，而他们将变得比今天更加富有和强大？”
“全世界有数十只主权财富基金，以确保普通人能从国家财富中受益。挪威的主权财富基金是世界上最大的基金之一，由该国的石油财富资助，如今价值超过2万亿美元。”
“五十年前，阿拉斯加利用该州的石油收入创建了一只主权财富基金。几十年来，它一直直接向阿拉斯加人支付年度股息。此外，全国各州的公共养老基金已经持有美国各地公司数千亿美元的股票。”
“但原则很简单：当公共资源产生财富时，公众应该分享这些财富。”
AI股份
即使人们拥有公司股份，也存在拥有控股权的人、管理团队以及拥有更多投票权的人。主权财富基金也是如此。这意味着，即使有代表，少数人仍将保留权力。
如果AI取代工作岗位，并承担最有价值的常见白领工作，而替代选择很少，那么没有什么能弥补认知能力的衰退。
在全球范围内，过去十年的大部分时间里，在没有AI的许多国家，青年失业率一直很高。并不是说人类智能大规模解决了这个问题。因此，有了AI，问题变得更加复杂和广泛，而且当新行业不容易被创造出来时，人们也不会突然就有事可做。
这意味着，即使有新颖的劳动经济学模型、小企业劳动力增长研究实验室等，仍然需要找到如何提升人类智能的方法。
我们应该寻求的是多功能性，并确保人类智能保持竞争力。不仅仅是让AI获胜并寄希望于分享。如果没有激活人类智能、为各种目的的发展和探索提供新选择，那可能是毁灭性的。
大脑中的人类智能
人类智能被定义为利用记忆来达到预期、期望或有利结果的能力。简单地说，智能就是如何使用记忆。有两种类型：操作智能和改进智能。
操作智能用于日常活动，按部就班地完成任务；而改进智能用于推进事物发展。
操作智能和改进智能都有轻度、中度和极端的范围。
极端的改进智能很罕见。即使是极端的操作智能也不常见。LLM可以执行操作智能和改进智能的某些方面，在这些方面的某些层面上可以与许多人类匹敌。
据推测，大脑中人类智能的要素是跨组神经元的电信号和化学信号。
为什么对很多人来说学数学很难？
至少从概念脑科学的角度来看，有两种方式可以回答这个问题。首先，当一些人学习数学时，他们往往缺乏快速的叠加和向厚集的添加。
“集”概念上是神经元簇中电信号和化学信号的集合。薄集保留任何信息中最独特的部分。厚集收集共性的部分。所以门、窗户、椅子、桌子，分别是各自的厚集——将关于它们的共性收集到一个集中。
学习时，大多数信息必须被添加到一个现有的厚集中。虽然有些信息可能保持独特并留在薄集中，但大多数必须加入一个厚集。
对某些人来说，让数学加入现有的厚集需要更长的时间——可以这么说。学习一门新语言也是如此。除了厚集，还有叠加，或者说厚集相互层叠以达到理解或清晰、或串联线索等的暂时状态。桌子的厚集可以层叠在办公室的厚集之上。
简单地说，即使厚集已经包含了信息的共性元素，有些厚集仍然与其他厚集有相似之处，比如平方根的厚集和立方根的厚集。
两者有时可以叠加，或类似的东西，这种叠加可以促进理解。对某些人来说，数学解题中的叠加更加困难。有时，对于某些进行高强度数学思考的人来说，叠加的快速性会导致高能量状态。
还有愉悦感。有些人的厚集在学习数学时，能更快地建立通往愉悦情绪的新序列（或路径）。简单地说，对某些人来说，学习数学有比其他人更快的愉悦衍生。
虽然学习和理解对许多人来说确实有这种效果，但有些人这个过程更快。
所以，人类智能的机制在概念上可以用来解释为什么有些人能轻松应对复杂数学，而对另一些人来说仍然困难。
这并不意味着坚持、一致性或练习对所有人都不必要——就像学习一门新语言一样——但学习受制于集中电信号和化学信号的传递和目的地。这一点也在《精神病学和智能分类学的概念性生物标志物和理论生物学因素》的假说中得到了阐述。
现在，AI可以解决数学问题，这对人类学习来说并不那么直接。AI还可以翻译多种语言，这对人类来说也很困难。
人类智能如何运作？可以做出哪些调整来增加更好学习、理解和解决问题的机会？
这些应该是平等的核心。分享AI财富是容易的部分。因为，如果问题是分享，那么AI所有者可以让出一些。他们有投资者。他们提出了全民基本收入（UBI）。
但随着人类智能的崩溃，这个世界将不再是即使那些领到施舍的人也想居住的地方。
Axios有一份新报告（2026年6月18日），《伯尼·桑德斯公布AI“税收”计划》，指出：“参议员伯尼·桑德斯（I-VT）周四公布了他的计划，即美国政府将获得大型AI公司50%的股权。”
“这项一次性‘税收’将适用于任何年AI收入至少为2亿美元的公司。”
“这些股份将进入一个新的美国主权财富基金，由总统提名、参议院确认的七名专员监督。然后它将直接向美国人支付5%的年度股息。”
“这些股份将进入一个新的美国主权财富基金，由总统提名、参议院确认的七名专员监督。然后它将直接向美国人支付5%的年度股息。”
“该法案还要求此类公司分离其‘AI和非AI业务’，政府只持有前者的股权。”
“这将是有投票权的股票——这意味着政府将在这些公司的运营方式上拥有重大发言权。”
David Stephen从事概念脑科学研究，曾任伊利诺伊大学厄巴纳-香槟分校医学昆虫学访问学者。他曾在塔拉戈纳的罗维拉-威尔吉利大学进行计算机视觉研究。