20260625:很多新内容

raw/papers/jordan-collectivist-ai-2025.md

@@ -0,0 +1,71 @@
+---
+title: "A Collectivist, Economic Perspective on AI"
+author: Michael I. Jordan
+arxiv_id: "2507.06268"
+categories: cs.CY, cs.AI, stat.ML
+date: 2025-07-08
+updated: 2025-12-15 (v3)
+url: https://arxiv.org/abs/2507.06268
+type: paper
+tags:
+  - ai-economics
+  - collective-intelligence
+  - uncertainty
+  - mechanism-design
+  - foundation-models
+---
+
+## 摘要
+
+信息技术正处于一场革命之中——无处不在的数据收集和机器学习正以前所未有的方式影响人类世界。"智能"一词被用作技术发展的北极星，人类认知被视作基线。这种观点忽略了人类是社会动物这一事实，我们的大部分智能具有社会和文化起源。前路不是更多的数据和计算，也不是更多关注认知或符号表征，而是**在算法设计层面将经济与社会概念与计算和推断概念深度融合**。
+
+## 核心框架：三种思维方式的融合
+
+Jordan 提出将三种思维方式融合为 AI 系统设计的新基础：
+
+```
+计算思维 (Computational) → 模块化、抽象、规模化
+推断思维 (Inferential)   → 不确定性下的数据收集与预测
+经济思维 (Economic)      → 激励机制、博弈均衡
+```
+
+两两融合已形成学科（如算法博弈论），但三者的完整融合才是目标。论文通过若干案例展示这种融合的具体形态。
+
+## 关键案例
+
+### 1. 数据库设计中的推断思维（§2）
+
+传统数据库关注计算（隐私保护、查询优化），但**推断思维**引入了不同的视角：不是对标数据库中的已有患者，而是**对来自同一总体的新患者做出预测并量化不确定性**。这需要生成模型、因果推断（"what if"问题）。
+
+### 2. 统计合同理论（§3）
+
+[[statistical-contract-theory|统计合同理论]]（Bates et al., 2024）：将假设检验嵌入经济合同设计。核心发现：在顺序博弈中，合同是激励相容的当且仅当选项可表达为 **[[e-values|E-values]]**——一种在零假设下期望 ≤1 的函数，可视为证据随时间的累积（非负上鞅）。
+
+### 3. 数据市场（§4.2）
+
+[[data-markets|三层数据市场]]（Fallah et al., 2024）：用户→平台→第三方数据买家。核心张力：平台需要在服务收入（来自用户）与数据销售收入（来自买家）之间权衡，同时需向用户提供隐私保证来维持参与。需建模为广义 Stackelberg 博弈求均衡。
+
+### 4. 基础模型与预测驱动推断（§4.3）
+
+AlphaFold 案例：在知识边界（量子涨落蛋白）上给出高置信但完全偏倚的预测。[[prediction-driven-inference|预测驱动推断]]（PPI）混合少量局部 ground-truth 数据与全局基础模型预测，使置信区间重新覆盖真实值。
+
+### 5. 概率匹配（附录 C）
+
+[[probability-matching|概率匹配]]：小鼠迷宫实验——左臂食物是右臂的 2 倍。决策论最优小鼠每次去左边；真实小鼠以 2:1 的概率匹配。在**种群视角**下这是纳什均衡——避免资源浪费，提升社会总福利。这是集体主义不确定性处理的微观范例。
+
+## 教育启示
+
+论文附录 B 讨论了 UC Berkeley 的 **Data 8** 课程（Jordan 2015 年参与设计），融合"计算思维 + 推断思维"：学生用 Python 直方图和置换检验回答真实世界问题（水质、森林砍伐等）。目前每学期 1500+ 学生，是伯克利历史上增长最快的课程。下一步：加入经济思维。
+
+## 核心主张
+
+- LLM 可被理解为**集体主义制品**——每次交互隐含地与数十亿贡献微数据的个体对话
+- 「AI 匹敌的隐喻不是搜索引擎或聊天机器人，而是**市场**」
+- 真正成熟的 AI 工程学科需要 Maxwell 方程组级别的**模块化透明设计概念**——当前远未达到
+- 路径不在于将 AI 狭窄化为人脑模拟，而在于将**经济与推断原则融入算法设计的 DNA**
+
+## 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