COVID-19 betyder, at USA forsinkede dette års føderale skattefrist til 15.
juli; hvis du er udsat, er det tid til at komme til det.
Men mens skatteopkrævere kun accepterer betaling fra mennesker i 2020, sender vi snart også skatteregninger til robotter?
Det er spørgsmålet fra Jordan Harrod, ph.d.-studerende ved medicinsk ingeniørvidenskab og neurobiologi ved Harvard og YouTube-skaber om natten.
På sin kanal graver hun i nørdede emner som om det er muligt at få kunstig intelligens til at tale og den førnævnte Android-beskatning.
Som hun forklarer, beskattes amerikanske virksomheder baseret på hvor mange ansatte de har.
Flere maskiner og færre mennesker betyder færre penge betalt i skat.
Så argumentet er, at virksomheder, der afskediger menneskelige arbejdere og går over til automatisering, ikke nødvendigvis skal få et stort skattefradrag, og de skatter, de betaler, skal gå til omskoling eller støtte folk, der nu er uden job.
”Jeg er bestemt ikke økonom eller skattefagperson, så jeg brugte meget tid på at undersøge forskning og aktuelle politiske forslag om dette emne for at lave den video,” fortæller Harrod til Daxdi.
"Personligt kan jeg lide ideen om en automatiseringsskat, hvor pengene omdirigeres til omskolingsprogrammer, der hjælper folk med at re-integrere sig i den moderne arbejdsstyrke og arbejdsløshedsudbetalinger for at støtte dem gennem deres uddannelse."
Hun anerkender rapporter, der siger, at automatisering ikke vil have så alvorlig indflydelse på beskæftigelsesfrekvensen i USA, som nogle forudsiger, delvis takket være fremkomsten af ??nye industrier og teknologi.
Og selvom der indføres en robotafgift, ville den "ikke nødvendigvis løse problemet med indkomstulighed uden andre politikker, der blev implementeret parallelt for at sikre, at pengene kommer til de mennesker, der har brug for det," siger hun.
"Du kan tage penge fra de rige, men hvis du ikke giver dem til de fattige, løser det ikke rigtig dette problem."
Alligevel er det et "interessant spørgsmål" at tænke over, siger hun.
Hvordan tænkte Harrod på disse og andre komplekse problemer? Vi talte for nylig med hende om hendes neurobiologistudier, der skelner mellem AI-hype og virkelighed, algoritmeforstyrrelse, og hvorfor hun startede en YouTube-kanal.
Du er planlagt til at gennemføre en fælles ph.d.
fra Harvard Medical School og MIT i 2023.
Hvad bragte dig til dette felt?
Jeg kom til neurovidenskaben noget ved et uheld.
Jeg har forsket på nogle få forskellige områder siden jeg startede på college og brugte hver tidligere erfaring som en måde at indsnævre det, jeg ønskede at gøre videre.
Da jeg startede min ph.d., havde jeg indsnævret mine forskningsinteresser til noget, der lod mig bruge maskinindlæring og bygge enheder til medicin, som naturligvis stadig er ret bred.
Og interessant, du arbejder med ikke et, men to laboratorier.
I slutningen af ??dagen besluttede jeg mig for et projekt, som jeg begge fandt interessant, og som var i et laboratorium, der blev drevet af et fakultet, som jeg følte matchede mine mentorpræferencer, hvilket faktisk tilfældigvis var to laboratorier: Neuroscience Statistics Research Lab og Synthetic Neurobiologisk gruppe.
Fortæl os historien bag din YouTube-kanal.
Jeg var ved at starte min ph.d.
og vidste, at jeg ønskede, at maskinlæring skulle være en vigtig del af min forskning.
Men da mit program fokuserer på translationel og klinisk forskning, ønskede jeg at lære mere om, hvordan folk interagerer med algoritmer, og jeg var ikke i stand til at finde mange ressourcer, der var rettet mod den gennemsnitlige person.
Mange mennesker supplerer deres uddannelse på den ene eller anden måde ved at se Crash Course eller Khan Academy-videoer, så YouTube virkede som stedet at være.
Og jeg har været involveret i videnskabskommunikation siden gymnasiet som både studerende og lærer.
Så jeg lagde min plan om at gøre videnskabskommunikation på YouTube sammen med min interesse for AI, og kanalen blev født.
Hvordan kommer du med dine undertiden mærkelige og filosofiske emneideer?
De er ofte tilfældige ideer, der dukker op i mit hoved, når jeg går ned ad gaden og ser et stykke teknologi, som jeg ikke rigtig havde overvejet før.
Mit mål er at give folk de værktøjer og information, de har brug for til at interagere med de algoritmer, der ofte styrer vigtige aspekter af vores liv, selvom vi ikke altid ved det.
I din TedX-samtale du siger, at få mennesker har 'AI-læsefærdigheder' og derfor er i en ulempe, når de interagerer med ekspertsystemer.
Det er sandt.
Mange mennesker kan ikke skelne AI-hype fra virkeligheden, og jeg tror ikke, du har brug for at være ekspertforsker for at gøre det.
Du er måske ikke klar over, at du interagerer med et AI-system i første omgang, hvilket kan blive problematisk, når disse systemer træffer beslutninger om liv eller død.
Mere bredt kan en mangel på AI-læsefærdigheder føre til politikker og regler, der ikke effektivt styrer nye teknologier, og enkeltpersoner, der beskæftiger sig med partiske systemer uden at forstå de risici, der er forbundet med det.
Du påpeger også, at AI ikke kun håndterer de store ting.
Det påvirker også dine daglige oplevelser på små måder online.
Du mangler muligvis indhold fra venner og familiemedlemmer, fordi en algoritme prioriterer indhold, som du reagerer på i stedet, hvilket igen forårsager stress og påvirker din mentale sundhed negativt.
Hvad vil du have folk til at gøre efter at have set dine videoer?
Jeg tror, ??det afhænger af videoen.
De fleste af mine videoer er udelukkende beregnet til uddannelse og bevidsthed, så folk kan gå væk fra det efter at have lært noget nyt, der kan hjælpe dem næste gang de støder på et lignende system.
På den anden side håber jeg, at folk, der ser min AI 101-serie, kan fortsætte med at forbedre deres programmeringsfærdigheder og se efter yderligere ressourcer til at gøre det, hvis de fandt vejledningen interessant.
Den 19.
juni lavede du en video forklarer hvordan AI bevarer systemisk racisme gennem sociale systemer som uddannelse, sundhedspleje og lov.
Hvordan kan vi lave AI eksplicit antiracistisk at rette op på dette?
Det er målet, ikke? Desværre er en af ??de mange ting, jeg har indset i at lave videoer om AI-retfærdighed og bias-forskning, at der ikke er nogen måde at 'rette' på, fordi rettelsen altid vil være baseret på din definition af retfærdighed, som følger med din egne personlige fordomme.
Derfor er mangfoldighed i AI så vigtig at have kontrol og balance på såkaldte 'skjulte forstyrrelser'.
Ret.
At balancere datasæt og regulere distributioner under træning er også trin, du kan tage, men hvad meget af forskningen har vist mig er, at samfundsengagement er både ekstremt vigtigt og ofte sprunget over, mens du udvikler AI-systemer.
Ved at involvere de samfund, der vil blive berørt af disse teknologier, i hvert trin af design- og udviklingsprocessen, er du mere tilbøjelige til at skræddersy din løsning til samfundets behov og overveje on- eller off-target-effekter, som du måske ikke har været opmærksom på ellers.
God pointe.
Hvad er dine planer for det postdoktorale liv?
Med hensyn til det postdoktorale liv har jeg endnu ikke slået mig ned på en sti.
Heldigvis er jeg lige færdig med mit andet år af min ph.d., så jeg har god tid, før jeg skal beslutte.
Jeg vil gerne fortsætte med at arbejde på projekter med høj risiko / høj belønning, sandsynligvis i industrien, så steder som Google X er interessante for mig.
Men jeg ville heller ikke blive overrasket, hvis mit drømmejob ikke er oprettet endnu.
Nogle af disse teknologier bevæger sig så hurtigt, at der kan være et helt nyt felt, som jeg kan overveje, når jeg er færdig med min ph.d.
Endelig antyder du, at du nogle gange bruger AI til at kurere YouTube-videoer for dig.
Fortæl os mere.
Hvis jeg fortalte dig den hemmelighed, ville alle være i stand til at gøre det!
