20260625:很多新内容
This commit is contained in:
56
papers/jordan-collectivist-ai-2025.md
Normal file
56
papers/jordan-collectivist-ai-2025.md
Normal file
@@ -0,0 +1,56 @@
|
||||
---
|
||||
title: "AI 的集体主义经济学视角(Jordan, 2025)"
|
||||
created: 2026-06-21
|
||||
updated: 2026-06-21
|
||||
type: paper
|
||||
tags:
|
||||
- ai-economics
|
||||
- collective-intelligence
|
||||
- uncertainty
|
||||
- mechanism-design
|
||||
sources:
|
||||
- arXiv:2507.06268
|
||||
- MLST 2026
|
||||
---
|
||||
|
||||
# AI 的集体主义经济学视角
|
||||
|
||||
> Jordan, M.I. *A Collectivist, Economic Perspective on AI*. arXiv:2507.06268v3 (cs.CY/cs.AI/stat.ML), 2025.
|
||||
|
||||
## 核心主张
|
||||
|
||||
LLM 不仅是"接近人类的智能体"——它们同样是**集体主义制品**:每次交互都在与数十亿贡献微数据的个体进行隐式对话。"AI 匹敌的隐喻不是搜索引擎或聊天机器人,而是**市场**。"
|
||||
|
||||
## 三种思维方式
|
||||
|
||||
论文提出了计算、推断、经济三种思维方式的深度融合框架。详见 [[collectivist-ai|集体主义 AI]]。
|
||||
|
||||
## 核心案例
|
||||
|
||||
| 案例 | 章节 | 核心概念 |
|
||||
|------|------|---------|
|
||||
| 数据库推断设计 | §2 | 从描述到推断——对"新患者"而非"旧数据"做预测 |
|
||||
| 统计合同理论 | §3 | [[statistical-contract-theory]] + [[e-values|E-values]] |
|
||||
| 三层数据市场 | §4.2 | [[data-markets|数据市场]]的隐私-收入权衡 |
|
||||
| 基础模型前沿偏倚 | §4.3 | [[prediction-driven-inference|PPI]] 纠正 [[foundation-model-frontier-bias]] |
|
||||
| 概率匹配 | App.C | [[probability-matching|概率匹配]]作为种群纳什均衡 |
|
||||
|
||||
## 数学亮点
|
||||
|
||||
**E-values 与激励相容**:Bates et al. (2024) 证明统计合同激励相容 ⇔ 选项可表达为 E-values。E-value 是非负上鞅,在零假设下期望 ≤1,本质是"证据随时间的累积"——将推断概念与经济概念等价关联。
|
||||
|
||||
**概率匹配作为纳什均衡**:小鼠在 2:1 食物比下以 2/3 vs 1/3 概率选择左右——这不是次优行为,而是种群层面的纳什均衡,避免资源浪费。
|
||||
|
||||
## 教育实践
|
||||
|
||||
UC Berkeley **Data 8** 课程(2015 年起,每学期 1500+ 学生),融合计算思维(Python 编程)+ 推断思维(置换检验),让学生用算法回答真实世界问题。
|
||||
|
||||
## 论文定位
|
||||
|
||||
这是一篇**立场论文(position paper)**,非技术贡献型。Jordan 的核心动作不是提出新算法,而是**重新定义 AI 的学科边界**——主张将经济与推断原则融入算法设计的 DNA。这与 [[michael-jordan-mlst-collectivist-ai-2026|MLST 访谈]] 中的论点完全一致,论文提供了更系统的学术展开。
|
||||
|
||||
## 参考文献
|
||||
|
||||
- Bates et al. (2024). Principal-Agent Hypothesis Testing. arXiv:2205.06812
|
||||
- Angelopoulos et al. (2023). Prediction-Powered Inference. *Science* 383, 669–674
|
||||
- Fallah et al. (2024). On Three-Layer Data Markets. arXiv:2402.09697
|
||||
Reference in New Issue
Block a user