A Collectivist, Economic Perspective on AI

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以前所未有的方式影响着人类社会。“智能”一词正被用作这项技术发展的指引方向，人类的认知能力被视为基准。这种观点忽视了一个事实：人类是社会性动物，我们的许多智能源于社会与文化。另一个相关的问题是，当前的视角将技术带来的社会影响视为事后的考虑。未来的道路不仅仅是获取更多数据和计算能力，也不仅仅是加强对认知或符号表示的关注，而是应将经济与社会理念同计算与推理理念深度融合，以构建以社会福祉为核心目标的系统设计。我们期望由此催生一个全新的人本主义工程领域。

论文试图解决当前人工智能发展过程中忽视社会和文化因素的问题，指出目前将‘智能’定义为以人类认知为基准的做法忽略了人类作为社会性动物的本质。此外，技术的社会影响常被视为次要问题。这是一个较少被系统讨论的新问题。

论文提出未来人工智能的发展路径不应仅仅依赖更多数据和更强算力，也不应仅关注认知或符号表示，而应将经济与社会概念与计算和推理概念深度融合。目标是构建一种以人为中心、以社会福祉为核心的设计理念，并推动一个新的人类中心工程领域的发展。

{强调社会智能的重要性，挑战当前以个体认知为中心的AI范式,提出系统级设计中应将社会福利置于核心地位,呼吁建立跨学科的人工智能研究框架，融合经济学、社会学与计算机科学,未提及具体实验或数据集，更偏向于理论倡议和方向性论述,值得深入的方向包括：社会感知AI系统的设计、多学科协作机制、伦理与政策嵌入式算法开发}

{"《The Ethical Algorithm》——探讨隐私、公平与伦理在算法设计中的嵌入方式","《Artificial Intelligence, for Real》（Harvard Business Review）——强调AI在实际商业和社会场景中的落地挑战","《Society-in-the-Loop: Programming the Evolution of Norms in Multi-Agent Systems》——探索多智能体系统中社会规范的形成机制","《Human Compatible: AI and the Problem of Control》by Stuart Russell —— 提出重新定义AI目标以确保与人类偏好一致","《Machine Learning that Matters》by Kirielle et al. —— 强调机器学习研究应关注现实世界的社会影响"}