3.8 KiB
title, author, source, date, url, original, paper, type, tags
| title | author | source | date | url | original | paper | type | tags | |||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Michael I. Jordan 论 AI 的集体主义经济学（MLST 访谈） | Michael I. Jordan (受访), Tim Scarfe (主持) | 机器之心编译, MLST (Machine Learning Street Talk) | 2026 | https://mp.weixin.qq.com/s/VEo23R0yst6wjdyzVicYUQ | https://www.youtube.com/watch?v=AREWYbVtX64 | https://arxiv.org/pdf/2507.06268 | article |
|
摘要
Michael I. Jordan（统计机器学习奠基人，门下走出 Andrew Ng、Yoshua Bengio 等）在 MLST 访谈中围绕论文《AI 的集体主义经济学视角》展开深度对话。核心论点：当前 AI 叙事被个体认知隐喻主导（大脑即计算机），忽略了智能的社会性、经济性和不确定性；需要引入经济学与社会科学构建完整的智能系统框架；AGI 是公关词，超级智能 vs 人类灭绝是虚假二元——两极之间有无数的积极可能性。
Michael I. Jordan 背景
- 加州大学伯克利分校 EECS + 统计系杰出教授，Inria 巴黎研究员
- 2016 年《科学》杂志「全球最具影响力计算机科学家」
- 学生：Andrew Ng、Yoshua Bengio、Zoubin Ghahramani、Eric Xing、David Blei 等
- 领域：图模型、变分推断、贝叶斯非参数方法
核心观点
1. AGI 是公关词
「AGI 只是个公关词。它是一种扭曲。」AI 术语回归（伴随 LLM 兴起）对研究路径和商业模式产生扭曲效应。真正的机器学习传统（决策树、逻辑回归、供应链预测）一直存在且影响更大，但因为没有"人类可读输出"而被忽视。
2. AI 需要经济学——集体主义框架
主流 AI 思维的根本缺陷：将智能窄化为个体认知（大脑隐喻 → 神经元 → 梯度下降），忽略了人是社会动物。框架落在一个三角形上：
「只有计算加优化，你就只能得到语言模型。把统计和经济思维加进来，才开始有完整的系统性思考。」
3. 停止人类化机器
不要问"它是否理解"——要问：能不能降低不确定性、能不能让工程系统建立在它之上、能不能让计划成为可能。anthropomorphization-critique系统性地转移了注意力，让人忘记真正重要的工程问题：失效条件、误差范围、与真实数据的结合、谁来承担出错的后果。
4. 基础模型在知识边界最危险
foundation-model-frontier-bias：科学家感兴趣的是知识边界上的新问题，而基础模型恰恰在那里训练数据最稀少、偏倚最大。AlphaFold 案例——量子涨落预测的置信区间极窄但完全偏离真实值。解决方案：prediction-driven-inference——混合少量真实标注数据与大量模型预测。
5. 超级智能 vs 人类灭绝是虚假二元
「那种思想领袖分成两队，一队冲向乌托邦，一队冲向末日——在人类历史上这种程度的现实脱节是非常罕见的。」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事情可以做。
Jordan 的不确定性三分法
uncertainty-taxonomy（超越经典 epistemic/aleatoric 二分）：
- 采样不确定性——数据是否足够？但在社会语境中需按纳什均衡处理（鸭子比喻）
- 信息不对称——结构性不透明，不会消失（经济学范畴）
- 数据时效性（providence）——数据的时间元数据应定量纳入不确定性计算
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