

北京时间6日消息,据CNBC报道,Facebook联合创始人克里斯-休斯(Chris Hughes)认为,为消除收入不平等问题,政府应该向最低收入人群发放现金补助,这些钱应该来自对富人,甚至是像Facebook这样的大型科技公司征收更高的税。
今年34岁的休斯是Facebook联合创始人之一,2004年,他和马克-扎克伯格以及另外三位哈佛大学同窗共同创办了这家公司,并在最初的三年里担任该公司发言人,后来离开Facebook完成了哈佛学位,并曾以媒体策略师的身份在奥巴马2008年竞选团队工作。
在Facebook工作三年获得的初始股票使他现在的身价高达5亿美元,但休斯认为,他的这一“幸运突破”正是美国今天的问题所在。
他在Techcrunch的一次播客采访中表示:“这表明我们的经济存在根本的不公平。自大萧条以来,我国的收入不平等问题从未如此严重。尽管我们在新闻中看到失业率在3.9%,股市也创下历史新高,但实际情况是,近40年来,我们国家的中值收入并没有什么变化。与此同时,像我这样的故事制造了一种经济机会的错觉。”
与一直倡导“普遍基本收入”的扎克伯格不同,休斯认为这种制度在今天的美国是“不可行的”,因为向每个美国人发放现金是一项“负担不起”的提议。
休斯认为,解决问题的办法是调整美国的税法,让资金从像他这样的富人转向那些需要帮助的人,包括失业者和努力维持生计的美国工人。
他表示,我们能做的最迫切的事情是改变降低企业和1%富人税率的做法,相反,给年收入低于5万美元的美国在职人士每月500美元的税收抵免,以创造一个“收入下限”。
休斯表示,这一计划大约每年将花费2900亿美元。他提议政府通过向年收入超过25万美元的人士征收50%的所得税和资本利得税来筹集这项资金。根据最新的税收改革,年收入超过20万美元的个人目前的所得税率为35%。
休斯表示,通过每月给低收入工人500美元,就可以保证他们的年收入不会低于6000美元。“对于我们国家的很多劳动人民来说,这是一大笔钱。”
休斯还提议进一步改革美国税法,以产生足够的资金来保证美国工人的最低收入。例如,“你可以向数据征税,并分发支票给每个人。”也就是说,政府可以对Facebook这样的公司从客户那里收集的数据征税,这些数据通常被出售给第三方,如营销公司和广告商。
休斯表示:“我们都创造大量的数据,不仅是你的Facebook帖子,你的手机知道你的身体状况,你的Fitbit知道你的心率,你的日历知道你要去哪里。”
休斯表示,这些公司能赚取数十亿美元的利润,部分要归功于数据收集。“可以说,我们的集体数据正在推动这些利润,我们都应该分享一点好处。”
“你可以要求这些公司向主权财富基金缴纳一小笔税款,并将其作为数据红利分配。给每个公民支票,作为对他们所创造价值的认可。”
相关阅读:Facebook收购Bloomsbury AI,以提高自然语言处理能力打击假新闻
2018年7月6日消息 据总部位于伦敦的BloomsburyAI公司称,该公司的工程师将加入Facebook团队,以加强Facebook在人工智能方面的布局,以及提升其在自然语言处理研究方面的能力。
根据本周早些时候的公告显示,该交易将使Facebook在理解自然语言及其应用方面有所提升,通过这项研究开发的工具可用于解决虚假信息、假新闻和恐怖主义相关内容的扩散。
"我们很高兴地宣布,Bloomsbury AI团队已经同意加入Facebook在伦敦。Bloomsbury团队在机器阅读和理解非自然语言的非结构化文档方面建立了领先的专业知识,以回答任何问题。"Facebook发言人表示。 "我们期待并欢迎他们加入Facebook,我们迫不及待想看看我们共同构建的是什么。"
截至目前,关于本次收购的细节还尚未露出。不过,据外媒TechCrunch报道显示,此次收购价值可能在2500万美元到3000万美元之间。
值得一提的是,Bloomsbury AI一直以来是以解决自然语音和机器之间的语言障碍为使命。然而,人工智能和机器学习系统目前却难以理解自然语音甚至数据库和搜索功能,可靠而有效的响应可能会成为最大的障碍,这会阻碍整个行业的发展。为了应对这一挑战,Bloomsbury AI开发了一种名为Cape的人工智能系统,可以读取文档并回答与内容相关的问题,投资者包括伦敦大学学院技术基金,Fly Ventures,Entrepreneur First和IQ Capital。
据Bloomsbury AI团队称,这个AI被认为是其他应用程序的跳板,能够分析内容并以需要"阅读和综合元素"的方式回答问题,这可能是一个非常有用的自动监控内容系统在Facebook上确定其合法性。
当然,本次的收购对于Facebook来说,意义重大,Bloomsbury AI可以帮助其监控社交网络和监管虚假新闻和违禁内容。目前,Facebook面临着用户隐私泄露、虚假新闻不断等负面消息,然而,Bloomsbury AI团队的加入,能否依赖人工智能和机器学习在很大程度上解决大量的工作负载,还有待持续关注。