Files
myWiki/raw/articles/michael-jordan-mlst-collectivist-ai-2026.md

65 lines
3.8 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

---
title: "Michael I. Jordan 论 AI 的集体主义经济学MLST 访谈)"
author: Michael I. Jordan (受访), Tim Scarfe (主持)
source: 机器之心编译, MLST (Machine Learning Street Talk)
date: 2026
url: https://mp.weixin.qq.com/s/VEo23R0yst6wjdyzVicYUQ
original: https://www.youtube.com/watch?v=AREWYbVtX64
paper: https://arxiv.org/pdf/2507.06268
type: article
tags:
- michael-jordan
- ai-economics
- collectivist-ai
- uncertainty
- agi-critique
---
## 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:
- [[collectivist-ai|CS + 统计学 + 经济学]]
「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|人类化机器]]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|基础模型前沿偏倚]]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|预测驱动推断]]——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|不确定性分类法]](超越经典 epistemic/aleatoric 二分):
1. **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)
2. **信息不对称**——结构性不透明,不会消失(经济学范畴)
3. **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