新火種
2024-11-15 
“機器學習泰斗”喬丹：AI發展不能忽視集體性、不確定性和激勵機制
缺乏對集體性、不確定性和激勵機制的關注，是當前對人工智能的討論中缺失的三個方面。9月5日，在2024 Inclusion·外灘大會開幕主論壇上，“機器學習泰斗”、美國“三院院士”邁克爾·喬丹帶來對人工智能的最新洞見。
邁克爾·喬丹認為，人工智能落地產業，需要形成互相協作的集體；要構建人工智能的協作系統，必須要引入經濟學的“激勵”視角。
在外灘大會的主論壇上，邁克爾·喬丹再次談到人工智能的不確定性。“ChatGPT，你確定你剛生成的是對的嗎？”他指出，當前的人工智能系統很難表達它真正學到哪些知識，也沒有能力表達它有多確定。相較之下，人類在面對不確定性時表現出色，尤其是集體協作共同應對時。
因此，邁克爾·喬丹建議不僅單獨設備要具備一定智能，人工智能更要通過協同體現在整體系統層面。他指出，僅僅將人類的智慧融入超級智能計算機中是不夠的，現代信息技術在醫療、交通、金融科技和商業領域的應用，需要集體性、去中心化的智能系統。
邁克爾·喬丹進一步探討了不確定性與集體性的關系。他指出，人類在集體協作時能夠更好地應對不確定性，但如何讓當前的AI系統也具備類似的集體協作能力，仍是一個未解的關鍵問題。他認為，微觀經濟學視角是當前AI研究的一個缺失。
“激勵機制”是市場經濟和集體智能的關鍵因素，“AI擁有海量的數據，但有些不能生成價值，通過設計激勵機制才能驅動AI智能體貢獻和協作。”邁克爾·喬丹提出了“三層數據市場”模型，其中用戶、平臺和數據買家通過“出讓數據”“購買數據”“提供服務”形成了閉環。
他強調，數據購買者也就是企業可以結合“數據和服務”建立與用戶的激勵機制，從而為他們帶來真正的價值。
對此，邁克爾·喬丹援引了統計契約理論，這是一種結合了統計學和經濟學的新型理論。在契約理論中，代理人擁有私有信息，而委托人通過激勵機制形成了數據和服務相互促進的市場，維持了供需雙方的利益平衡。
全球范圍內對數據隱私的監管不斷增加，他也建議“我們可以通過非一致的隱私要求進一步提高用戶效用，對低成本平臺施加更高的要求。”
邁克爾·喬丹教授是機器學習領域的先驅，通過在機器學習、概率學、統計學以及圖模型這四者間建立聯系，為機器學習奠定了數學與計算基礎。他曾獲得IEEE約翰·馮·諾依曼獎章、國際人工智能聯合會議卓越研究獎和2022年第一屆世界頂尖科學家協會獎。
上游新聞記者 楊昕華
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
