“哈佛数据科学评论”刚刚发表了第一期。我们在经济学中的许多人都是新兴数据科学领域的堂兄弟,并且会发现它很有意义。作为一个例子,哈佛大学教务长(和经济学家)艾伦加伯提供了一篇关于“数据科学:受过教育的公民需要知道什么”的基础广泛的论文。其他人可能会更加感兴趣的是Mark Glickman,Jason Brown和Ryan Song使用机器学习方法来弄清楚Lennon或McCartney是否更有可能创作披头士乐队的某些歌曲,这些歌曲正式归功于两者,“(A)生活中的数据:列侬 - 麦卡特尼歌曲中的作者归属。”

但我的注意力尤其被迈克尔·乔丹的一篇文章所捕获,称为“人工智能 - 革命尚未发生”,随后是11条评论:罗德尼布鲁克斯;Emmanuel Candes,John Duchi和Chiara Sabatti;格雷格克兰;大卫多诺霍;Maria Fasli;芭芭拉格罗斯;安德鲁罗;Maja Mataric;布兰登麦考德;Max Welling和Rebecca Willett。Michael I. Jordan 的回应经济学家会特别感兴趣,因为它的标题是“AI博士或我如何学会停止担忧和热爱经济学”。

乔丹的主要论点是,“人工智能”一词常常误导公众讨论,因为这里的实际问题不是人类智能。相反,一组计算机程序可以使用数据来训练自己进行预测 - 专家称之为“机器学习”,定义为“将统计学,计算机科学和许多其他学科的思想融合到设计算法中的算法领域”处理数据,做出预测,并帮助做出决定。“例如,消费者推荐或欺诈检测系统是机器学习,而不是我们大多数人所说的“智能”的高级灵活认知能力。正如约翰逊所说,信息技术可以运行,比方说,

(经济学的一个含义是,如果AI真的是机器学习,机器学习是关于可以更新和训练自己以做出更好预测的程序,那么可以通过查看各种特定任务来分析AI对劳动力市场的影响。涉及预测的工作.Ajay Agrawal,Joshua S. Gans和Avi Goldfarb在“人工智能:自动化预测的模糊劳动力市场影响”中采用了这种方法(Journal of Economic Perspectives,Spring 2019,33(2):31-50我上个月在博客文章中提供了他们的调查结果。)

此外,机器学习算法通常涉及将过去的研究结果与不同情况下的预先存在的数据混合在一起,可能会出现新形式的数据。Johnson提供了一个生动的例子:

考虑以下故事,其中涉及人类,计算机,数据和生死攸关的决定,但重点不仅仅是硅片中的智慧幻想。当我的配偶14年前怀孕时,我们进行了超声波检查。房间里有一位遗传学家,她指出胎儿心脏周围有一些白点。“这些都是唐氏综合症的标志物,”她指出,“你的风险现在已经上升到20分之一。”她告诉我们,我们可以通过羊膜穿刺术了解胎儿是否实际上具有唐氏综合症的遗传修饰,羊膜穿刺术是有风险的 - 在手术过程中杀死胎儿的几率大约是300分之一。作为一名统计学家,我决心找出这些数字的来源。在我的研究中,我发现十年前在英国进行了一项统计分析,其中这些反映钙积累的白斑确实被确定为唐氏综合症的预测因子。我还注意到,我们测试中使用的成像机每平方英寸的像素比英国研究中使用的机器多几百个。我回来告诉遗传学家,我相信白点可能是假阳性,字面白噪声。

她说,“啊,这就解释了为什么我们几年前开始看到唐氏综合症的诊断有所上升。那是新机器到货的时候。“

我们没有进行羊膜穿刺术,几个月后我的妻子送了一个健康的女孩,但这一集困扰着我,特别是在一次背后的计算让我相信成千上万的人得到了同样的诊断之后在世界范围内,他们中的许多人选择了羊膜穿刺术,并且一些婴儿不必要地死亡。这一集所揭示的问题与我个人的医疗护理无关;它涉及一个医疗系统,它测量各个地方和时间的变量和结果,进行统计分析,并在其他情况下使用结果。问题不仅仅在于数据分析本身,而在于数据库研究人员称之为起源 - 广泛地说,数据出现在哪里,从数据中得出了什么推论,

David Donoho的评论称这是“再生情报”。多诺霍写道:

过去十年表明人类在面对某些任务时可以记录自己的行为,这些任务可以被回收以做出与人类一样得分的新决策(或者更好,因为循环决策不受疲劳和冲动的影响)。......回收的人类智能不值得称为增强智能。它并没有真正增加人类拥有的能力范围。......依赖这种回收的情报是有风险的;它可能会给出系统错误的答案......“

Donoho提供拼写检查程序的家常例子,对于那些优秀而细致的拼写者来说,他们可能会创造令人难忘的错误以改善文本。

从约翰逊的角度来看,我们应该谈论的不是人工智能或机器学习是否会“取代”工人,而是考虑人类将如何与这些新能力互动。我不只是考虑在这里进行工人培训,而是考虑与隐私,技术获取,市场竞争结构和其他问题相关的问题。事实上,约翰逊认为,当前机器学习计划中缺少的一个主要因素是对特定人们想要的细粒度感 - 这意味着市场的作用。约翰逊认为,不是假装我们模仿人类的“情报”,而是假设人类智慧所具有的所有瑕疵和缺陷,我们应该考虑信息技术如何以有益于人的方式解决公共和私人资源的分配。我不知道如何简单地总结他的论点,而不是对它进行暴力,所以我在这里详细说:

让我们假设有一个初出茅庐的火星计算机科学产业,并假设火星人瞧不起地球,以获得灵感,使他们目前笨重的计算机更“聪明”。当他们瞧不起地球时,他们看到什么是聪明的,值得模仿的?

他们肯定会注意到人类的大脑和思想,也许还有动物的大脑和思想,这些都是聪明且值得效仿的。但他们也会发现很难揭示产生这种智能的基本原则或算法 - 形成抽象,对思想和感知进行语义解释以及推理的能力。他们将看到它来自神经元,并且每个神经元都是一个极其复杂的结构 - 一个具有大量蛋白质,膜和离子的细胞以复杂的方式相互作用,产生复杂的三维电学和化学活性。此外,他们可能会看到这些细胞以复杂的方式连接(通过高度树木化的树枝状树;请输入“树枝状树和刺”)进入你最喜欢的图像浏览器,以获得一个真正的神经元的感觉)。人类大脑包含通过这些树连接的一千亿个神经元的顺序,它是产生智能的网络,而不是个体神经元。

令人沮丧的是,火星人可能不会考虑模仿人类大脑作为火星人工智能的主要道路。此外,他们可能会放弃自己的观点,即人类进化得很好,某些事情很糟糕,而人类的智慧可能不一定非常适合解决火星问题。

地球还有什么聪明人?也许火星人会注意到,在地球上的任何一个城市中,大多数每家餐馆都有它日常所需的每道菜所需的每种成分。他们也可能意识到,正如在神经元和大脑的情况下,这种能力的基本要素是由小实体做出的局部决策,每个小实体只拥有整个系统处理的一小部分信息。但是,与大脑相比,可以看出基本原理或算法并不像神经科学那样神秘。并且他们也可以通过任何合理的定义确定该系统是智能的 - 它是自适应的(它可以在雨天或雨天工作),它是健壮的,它在小规模和大规模工作,它已经工作了数千年(不需要软件更新)。此外,不是人类中心生物,火星人可能乐于将这个系统视为一个“实体” - 就像一组神经元是一个“实体”一样。

我是否认为我们应该简单地引入微观经济学来取代计算机科学?并称赞市场是人工智能的前进方向?不,我反而认为我们应该将微观经济学作为一流的公民纳入计算机科学和统计学的混合体中,这种统计学目前被称为“人工智能”。...

实际上,如果经典推荐系统在存在稀缺性的现实领域中推出,那么它们可能而且确实会引起严重问题。考虑构建一个推荐到机场的路线的应用程序。如果一个城市的人很少使用该应用程序,那么它是良性的,也许是有用的。然而,当许多人开始使用该应用程序时,它可能会向大量人推荐相同的路径并造成拥塞。缓解此类拥堵的最佳方法不是简单地将人员分配到路线,而是考虑到人的偏好 - 在某一天,某些人可能急于到达机场而其他人则不在这样的情况下匆忙。一个有效的系统会尊重这种偏好,让那些匆忙的人选择为更快的路线支付更多费用,并允许其他人保存另一天。但该应用程序如何知道其用户的偏好?正是在这里,主要的IT公司在我的拙见中绊倒了。他们认为,就像在广告领域一样,通过收集尽可能多的关于用户的信息以及使用AI来计算人类用户的偏好是计算机的工作。但这很荒谬;在大多数现实世界的领域 - 我们的偏好和决策是细粒度的,上下文的,并且在当下 - 公司无法收集足够的数据来了解我们真正想要的东西。我们也不希望他们收集这样的数据 - 这样做会让人感到非常不舒服地接近私人的私人想法。一个更有吸引力的方法是通过创建一个双向市场来增强个人能力,其中(例如)街道段对司机进行投标,

类似地,餐馆推荐系统可以将大量人员发送到同一餐馆。同样,解决这个问题不应该留给平台或无所不知的AI系统,据称该系统知道平台用户的一切;相反,应该建立一个双向市场,市场双方通过推荐系统相互看到。

最后一点是我们超越了传统的微观经济学并带来了机器学习。与现代推荐系统允许我们超越传统商品目录的方式相同,我们需要利用计算机科学和统计学来建立新的双向市场。例如,我们可以提供有关用餐者的食物偏好,预算,物理位置等的相关数据,以决定市场另一侧(餐馆)哪些实体最好连接到哪些实体,从数十个数千种可能性。也就是说,我们需要双向市场,每一方都通过适当形式的推荐系统看到另一方。

从这个角度来看,现代信息技术的商业模式应该更少关于提供“人工智能头像”或“人工智能服务”,让我们为通过广告货币化的平台(以及失去工作)而感到眼花缭乱,因为他们没有直接为消费者提供足够的经济价值 - 更多的是在(新种类)生产者和消费者之间提供新的联系。

考虑一下这样一个事实:我们中很少有人直接与制作我们听的音乐的人(或听我们制作的音乐),写作我们阅读的文本的人(或阅读我们写的文字) ),以及创造我们穿的衣服的人。在基于数据流建立市场机制的新工程学科的背景下建立这些联系将创建目前不存在的新“智能市场”。这样的市场将创造就业机会并释放创造力。

实施此类平台是一项值得建立新工程分支的任务。需要认真关注数据流和数据分析,需要将这种分析与市场设计和博弈论的思想相结合,并且需要将上述所有内容与社会,法律和公共政策领域的创新思维相结合。当化学工程作为一种将化学,流体力学和控制理论的思想大规模结合起来的方式出现时,规模和范围肯定至少与设想的一样宏大。

当然,市场力量不是灵丹妙药。但是市场力量是构建智能系统的算法思想的重要来源,我们忽视它们将面临危险。我们已经看到AI系统在公平性,拥塞和偏见方面产生问题。我们需要以这样一种方式重新概念化问题,即在算法层面考虑市场机制,作为试图使整个系统“智能化”的一部分。忽视发展现代社会规模信息技术系统的市场机制就像试图发展土木工程领域而忽视重力。

当然,市场需要受到监管,发现适当的监管机制需要时间和经验。但这不是市场独有的问题。当我们把它解释为土木工程中的工具时,引力也是如此。正如市场不完美一样,引力也是不完美的。它有时会导致人类,桥梁和建筑物倒塌。因此,它应该受到尊重,理解和驯服。我们将需要新的市场,这需要研究新的市场设计和对适当监管的研究。同样,范围很广。

我可以想到提出这个论点的各种问题和关注(我确信读者也可以这样做),但我也认为这个论点有一个有趣的力量和合理性。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。