4.1 KiB
title, author, arxiv_id, categories, date, updated, url, type, tags
| title | author | arxiv_id | categories | date | updated | url | type | tags | |||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| A Collectivist, Economic Perspective on AI | Michael I. Jordan | 2507.06268 | cs.CY, cs.AI, stat.ML | 2025-07-08 | 2025-12-15 (v3) | https://arxiv.org/abs/2507.06268 | paper |
|
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（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——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（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（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：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