" 缺乏对集体性、不确定性和激励机制的关注，是当前对 AI 讨论中缺失的三个方面。"

9 月 5 日，在 Inclusion · 外滩大会开幕主论坛上，机器学习泰斗、美国 " 三院院士 " 迈克尔 · 乔丹谈到 AI 的不确定性。他指出，当前 AI 系统很难表达它真正学到哪些知识，也没有能力表达它的确定。相较之下，人类在面对不确定性时表现出色，尤其是集体协作共同应对时。

迈克尔指出，仅仅将人类的智慧融入超级计算机是不够的，现代信息技术在医疗、交通、金融科技和商业领域的应用，需要集体性、去中心化的智能系统。

他指出，人类在集体协作时能够更好地应对不确定性，但如何让当前的 AI 系统也具备类似的集体协作能力，仍是一个未解的关键问题。

迈克尔表示，" 激励机制 " 是市场经济和集体智能的关键因素，"AI 拥有海量的数据，但有些不能生成价值，通过设计激励机制才能驱动 AI 智能体贡献和协作。" 在他看来，微观经济学视角是当前 AI 研究的一个缺失。

迈克尔提出了 " 三层数据市场 " 模型，其中用户、平台和数据买家通过 " 出让数据 "、" 购买数据 "、" 提供服务 " 形成了闭环。他强调，数据购买者也就是企业可以结合 " 数据和服务 " 建立与用户的激励机制，从而为他们带来真正的价值。

对此，迈克尔援引了统计契约理论，这是一种结合了统计学和经济学的新型理论。在契约理论中，代理人拥有私有信息，而委托人通过激励机制形成了数据和服务相互促进的市场，维持了供需双方的利益平衡。

例如航空公司分商务舱和经济，航司能根据代理人的不同支付意愿提供不同价格，而不需要代理人透露其个人信息。

作为新兴工程领域，人工智能正通过大规模系统，以创新方式连接人类。它的发展类似于上世纪中叶化学工程和 19 世纪末电气工程的兴起，前者建立在化学、流体力学等领域，后者立于电磁学、光学等技术的基础上。

人工智能系统建立在过去人类 300 年的推理理念、算法理念和经济理念基础之上，需要以人类福祉为目标。迈克尔 · 乔丹提醒道，" 但人工智能正被置于那些未经深思熟虑的、朴素的旧式愿景之中，它的兴起和发展受到扭曲。"