英国人工智能公司DeepMind的一项最新研究发现,人工智能算法或能提出在人群中分配资源的新机制。
研究人员先让数千名志愿者4人一组参与投资博弈。玩家一开始会拿到不同数额的钱,必须决定贡献多少来发展一个公共基金池,并最终获得一部分作为回报,过程会涉及反复决定保留一笔货币捐赠,还是与其他玩家分享,获得潜在的集体利益。研究人员训练人工智能系统寻找一种向个人重新分配资金的政策,最终该系统制定的政策相比其他人类玩家制定的政策,收获了更多的选票。
我们的科技留言板“有意见”如下
@华强萨日朗:博弈论中有个概念叫“纳什均衡”,指能够达到所有玩家期望收益最大值的策略组合。其理论提出者约翰·纳什是历史上著名的数学家,纳什均衡理论奠定了现代主流博弈理论和经济理论的根本基础。而AI仅在通过向4000人的学习后就能总结出纳什均衡的规律,学习能力和速度快到令人发指,AI正在逐步控制地球的事实昭然若揭!
@黑咕隆咚:由AI设计经济体制,确实出乎意料,不过人工智能,“人工”在先,“智能”在后,智能离不开人为。人工智能永远不应该支配政策,但这样的工具可能会为人类决策者带来新的想法,未来人类和机器之间最有可能的分工模式是混合智能。
@媒体搬运工/@模糊:看内容很“惊悚”,AI居然可以做经济决策。人工智能给经济理论研究带来了一种实验方法与思路,但是我们知道传统经济学是强调理性经济人假设,现实中的人却是非理性的,并不像数学那样清晰可定义并保持不变。所以AI制定的经济政策在真实世界可行吗?
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。