XiaoMi-AI文件搜索系统
World File Search System集中化
为 2024 年大选的生成式人工智能做好准备
简介 过去一年，生成式人工智能技术的快速发展为民主带来了新的挑战，也带来了一些新的机遇。本文基于研究概述了生成式人工智能的潜在影响，并提供了保护选举过程的最佳实践。我们审查的目的不是推荐许多具体的法律或政策行动，而是促进选民、记者、民间社会、技术领袖和其他利益相关者清楚地了解人工智能对选举民主的风险和前景，希望促进对这些问题的更有成效的公开讨论。 民主依赖于选举问责制。选民被要求选出他们支持的候选人，解雇他们认为工作做得不好的政客。因此，民主需要一个健康的信息环境，选民可以在其中监督政客在做什么，了解候选人当选后承诺做什么，并评估应对社会挑战可能需要哪些政策。通过促进自动创建难以与人类生成的内容区分开来的高度详细的文本、图像和视频，生成式人工智能可能会对信息环境产生负面影响。它可以被用来制造虚假或误导性信息，助长人们对信息可靠性的普遍激进怀疑或虚无主义，甚至允许政治参与者将真实的、有害的信息视为人工智能生成的假新闻。通过协助创建微目标政治内容（例如，用于在线政治广告），生成式人工智能可能会使选民两极分化，或加剧政治分裂感，人们生活在不同的信息环境中，或被操纵投票给错误的候选人，或根本不投票。生成式人工智能还为能够进行类似人类对话的聊天机器人提供动力。初创公司、竞选活动和其他参与者可能会使用这些聊天机器人进行政治对话。这可能本身并不成问题——事实上，我们可以想象，参与度的提高会让选民更加知情。但有些人可能会反对这些对话的不真实性、情感操纵的可能性，或有意或无意传播虚假或误导性信息。此外，极端组织可能会利用这些聊天机器人招募人们加入他们的事业。最后，更普遍地说，生成式人工智能的发展可能会导致在线信息生态系统进一步集中化，少数大型科技公司将决定哪些想法和价值观可以表达，哪些是禁忌。这可能会威胁言论自由，进一步削弱美国人对政治环境的信任。然而，作为一项极具前景的新技术，生成式人工智能也为民主治理带来了希望。研究人员已经在研究如何创建可以与人讨论政治的聊天机器人。由于生成式人工智能擅长合成大量信息，如果
管理多种商业模式：相互依赖的作用
在过去的二十年里，商业模式和商业模式创新的概念在学术界和实践导向的文献中都引起了广泛关注（Amit 和 Zott 2021 ；Gassmann 等人 2018 、2020 ；Massa 等人 2017 ；Wirtz 2020 ；Wirtz 等人 2016 ；Zott 等人 2011 ）。该文献中的一个关键问题是同一家公司管理同一行业中的多种相互依赖的商业模式（例如 Aversa 等人 2015 、2017；Bosbach 等人 2020；Christensen 和 Raynor 2003；Markides 和 Oyon 2010；Snihur 和 Tarziján 2018；Sohl 和 Vroom 2014、2017；Sohl 等人 2020；Velu 和 Stiles 2013）。一种独立运作时可能表现良好的商业模式，一旦与同一组织中的另一个商业模式放在一起，可能会显示出不同的绩效结果（例如 Casadesus-Masanell 和 Ricart 2011）。20 世纪 90 年代初美国大陆航空的案例就是一个很好的例子。 1993 年，为了模仿西南航空成功的商业模式，大陆航空采用了“大陆精简版”商业模式，作为其原有全方位服务商业模式的补充。这种简洁、低成本的航空商业模式本身被证明是非常成功的，但是当与大陆航空的全方位服务商业模式结合使用时，却变成了一场灾难。大陆航空在运营两年并累计亏损 1.4 亿美元后放弃了大陆精简版（参见 Porter 1996 ）。另一方面，至少在新冠危机之前，智利的 LAN 航空（最近与巴西的 TAM 航空合并后更名为 LATAM）和德国的汉莎航空似乎都相当成功地运营着多种商业模式（Snihur 和 Tarziján 2018 ）。哪些偶然因素可以解释如此不同的绩效结果？文献中提出的一个可能的答案是商业模式之间相互依赖的性质——它们是否以及在多大程度上是替代（冲突）或互补（协同）。这些相互依赖的性质反过来又将决定在同一组织屋檐下运营多种商业模式是否会引起诸如公司形象和声誉不一致等权衡，或产生协同效应，从而使公司能够创造更多价值（例如 Christensen 和 Raynor 2003 ；Markides 和 Oyon 2010 ；Porter 1980 、1996 ）。一旦确定了这些相互依赖性，挑战就是确定一个组织结构来处理由这些相互依赖性引起的复杂性——将冲突保持在最低限度并有助于利用协同效应。根据现存的学术文献（例如，Christensen 和 Raynor 2003；Gilbert 2003；Gulati 和 Garino 2000；Khanagha 等。2013；Markides 和 Charitou 2004）——并且超越了 Snihur 和 Tarziján（2018）使用的经典集中化/分散化区分——我们可以确定企业可以用来管理多个相互依赖的商业模式的四种主要组织方法。它们是：组织整合，即将不同的商业模式保留在同一组织内；组织分离，即将不同的商业模式保留在不同的单位；分阶段整合（先分离，稍后重新整合）；分阶段分离（在同一组织中启动它们，稍后分离）。最后两种选择特别有趣，因为它们引入了时间维度，允许学习和稍后调整决策