“寻求宽恕，而非许可”长期以来一直是硅谷的指导原则。 没有哪个技术领域比现代 AI 中的机器学习更能实践这一原则，它的存在依赖于巨大的数据库，几乎所有的数据库都是从庞大的数据库中刮取、复制、借用、乞求或窃取的 我们每天都有意或无意地发出数据。 但这些数据几乎从来没有经过受试者的许可而得到严格的来源。
“因为我们可以，”两位社会学家在人工智能地图集：权力、政治和人工智能的行星成本中告诉凯特克劳福德，承认他们的学术机构在处理任何数据方面与科技公司或政府机构没有什么不同 找到他们用于训练和测试算法的东西。 图像成为基础设施。 这就是机器学习的制作方式。
每个人都想谈论 AI 的好处或危险——识别面部图像、解释语音命令、驾驶汽车（现在还没有！）。 许多人想在当今的 AI 上灌输道德规范，就好像制定规则可以改变定义其基本性质的军事资金一样。 很少有人愿意讨论人工智能的真实成本。 微软高级研究员、南加州大学研究教授凯特·克劳福德 (Kate Crawford) 是个例外。
在 Atlas of AI 中，Crawford 首先解构了“数据是新石油”这一著名论点。 通常，这会导致人们谈论数据的经济价值，但克劳福德关注的是两者都是提取技术这一事实。 开采就是采矿（如“数据挖掘”或油井），采矿到哪里，环境破坏、人类剥削和深远的社会后果也随之而来。
克劳福德前往内华达州银峰参观美国唯一运营的锂矿，以此强调了这一点。 当然，锂是从智能手机到特斯拉等一切电池组的重要组成部分。 克劳福德通过考虑劳动力开采的广泛影响、数据来源、分类算法以及它所支撑的民族国家行为来跟进这一点，最后总结了我们所知道的人工智能所支持的权力结构。 这就是 Project Maven 和“标志性攻击”，正如前中央情报局和国家安全局局长迈克尔海登承认的那样，元数据会杀死人。
蛇油
然而，其中一些显然是错误的。 克劳福德追溯了最新令人不安的蛇油——情绪识别——所基于的图像数据集，并发现它们是根据摆拍的照片构建的，在这些照片中，受试者被告知提供夸张的情绪反应示例。 在这种情况下，“人工智能”一直被制造出来。 正如塔尔顿·吉莱斯皮 (Tarleton Gillespie) 询问 Twitter 趋势时，是否存在任何真实的人类反映？
虽然其他技术书籍已经解决了 Crawford 的一些主题（这里已经回顾了太多主题），但最接近她的综合结构方法的是 Nicholas Couldry 和 Ulises A. Mejias 的 The Costs of Connection，它查看了我们当前的技术重构 作为殖民主义和资本主义之间新关系的开端。
“任何足够先进的技术都无法与魔法区分开来，”亚瑟·C·克拉克 (Arthur C. Clarke) 的名言写道。 按照 Crawford 的说法，这看起来更像是：“任何看起来像魔法的技术都隐藏着一些东西。” 香肠的制作过程隐藏着许多不为人知的秘密。
