Michael I. Jordan：AI 的集体主义经济学与虚假的 AGI 二元论

来源：原始存档 | 机器之心编译 | MLST 访谈 | 2026

人物

Michael I. Jordan——统计机器学习奠基人，UC Berkeley EECS+统计系杰出教授。门下走出 Andrew Ng、Yoshua Bengio、Zoubin Ghahramani、Eric Xing、David Blei 等一整代 ML 核心建设者。2016 年《科学》杂志「全球最具影响力计算机科学家」。

五大核心论点

1. AGI 是公关词

「AGI 是个公关词，是一种扭曲，尤其让年轻人困惑。」真正的 ML 传统（供应链、金融、物流预测）一直比"AI"影响更大，但因输出不是人类可读语言而被忽视。LLM 只是换了个输出格式，背后的 ML 传统一直都在。参见 anthropomorphization-critique。

2. AI 需要经济学：集体主义框架

collectivist-ai：当前 AI 的根本缺陷是将智能窄化为个体认知。人类是社会动物，智识来自聚合——聚合观点形成文化。完整框架需要 CS（算法/抽象）+ 统计学（推断/不确定性）+ 经济学（激励机制/博弈均衡） 三个支柱。

「只有计算加优化，你就只能得到语言模型。」

3. 基础模型在知识边界最危险

foundation-model-frontier-bias：科学家问的是知识边界上的新问题——恰恰是训练数据最稀少的地方。AlphaFold 案例：量子涨落预测的置信区间极窄但完全偏离真实值。模型答错却不说。解法：prediction-driven-inference——混合少量真实标注 + 大量模型预测。

4. 不确定性的三分法

uncertainty-taxonomy，超越经典 epistemic-uncertainty/aleatoric-uncertainty 二分：

类型	本质	示例
采样不确定性	数据是否足够	但需在种群语境中按纳什均衡处理
信息不对称	结构性不透明，永不消失	专家知道但不会全告诉你
数据时效性	时间维度的元数据	十年前的医疗数据应自动打折

LLM 对自身不确定性一无所知——它只是模仿了互联网上人类表达确定性的语气。

5. 超级智能 vs 人类灭绝是虚假二元

「思想领袖分成两队，一队冲向乌托邦，一队冲向末日——在人类历史上这种现实脱节非常罕见。」年轻人缺少"靠做出真正有用的东西让世界变好一点点"的榜样。两极之间有无数积极的可能性。

金句

「现在这个领域有什么？只有非常聪明、会编程、有很多直觉的人——我从没感受到任何真正智识深度的东西。」
「别问它是否理解。问：它能不能降低不确定性，能不能让工程系统建立在它之上。」
「可怜的 LLM，不确定性三件事一件都不会做。」
「AI 是关于帮助信息流动，让人类做出他们真正想做的正确决策。」

参考文献

Jordan, M.I. A Collectivist, Economic Perspective on AI. arXiv:2507.06268
MLST 访谈: https://www.youtube.com/watch?v=AREWYbVtX64

3.6 KiB Raw Blame History Unescape Escape