我显然不是第一个讨论这个话题的人。今年 8 月，《纽约客》撰稿人约 概念数据政策定义的商业价 翰·西布鲁克发表了一篇 有趣的文章 是否一台机器可以学习为《纽约客》写作，该杂志研究了一些更强大的人工智能作家，其中包括一位名叫 GPT-2 来自 OpenAI。GPT-2 使用大量数据集（在本例中是过去几十年在《纽约客》上发表的全部非小说散文）来“训练”自己，以生成与数据集中的内容非常相似的文本。换句话说，就是写出二流的《纽约客》文章，这些文章非 概念数据政策定义的商业价 常需要编辑的大力支持。
虽然最强大的工具将继续被开发
但人工智能不会让我——或者任何其他人——失业。总的 WhatsApp 号码数据 来说，这些例子支持了布尔斯廷关于我们能否从这些机器中获取知识的重要观点。简而言之，我们可以从机器中 获取信息 ——甚至可以通过机器获取信息——但我们无法从它们那里 网红营销机构的五大优势 获得 知识，更不用说智慧了。现在不行，也许永远都行。
这些担忧源于人们对
对于许多直接处理客户数据以提供信息服务的企业来说，对数据收集、使用和 的关于 线数据库 这 传播的担忧是核心问题。 隐私价值的认识不断提高以及最近的政府法规，这些法规不仅旨在保护个人隐私，还旨在限制数据滥用的可能性，从而创造不公平的基于信息的竞争优势。对于那些业务模式直接（例如通过信息服务）或间接（即通过使用信息来提供服务）基于数据的企业来说尤其如此。