9 月 5 日，在 2024 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 · 乔丹在时隔一年后，再次带来对人工智能的最新洞见：" 缺乏对集体性、不确定性和激励机制的关注，是当前对人工智能的讨论中缺失的三个方面。" 迈克尔 · 乔丹认为，人工智能落地产业，需要形成互相协作的集体；要构建人工智能的协作系统，必须要引入经济学的 " 激励 " 视角。

在外滩大会的主论坛上，迈克尔 · 乔丹再次谈到人工智能的不确定性。"ChatGPT，你确定你刚生成的是对的吗？" 他指出，当前的人工智能系统很难表达它真正学到哪些知识，也没有能力表达它有多确定。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。

因此，迈克尔 · 乔丹建议不仅单独设备要具备一定智能，人工智能更要通过协同体现在整体系统层面。他指出，仅仅将人类的智慧融入超级智能计算机中是不够的，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。

迈克尔 · 乔丹进一步探讨了不确定性与集体性的关系。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。他认为，微观经济学视角是当前 AI 研究的一个缺失。

" 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。" 迈克尔 · 乔丹提出了 " 三层数据市场（Three-Layer Data Markets）" 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 · 乔丹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 " 经济舱 "，航空公司作为委托人能够根据代理人的不同支付意愿提供不同的价格，而不需要代理人透露其个人信息。由于过去十年间，全球范围内对数据隐私的监管不断增加，他也建议 " 我们可以通过非一致的隐私要求进一步提高用户效用，对低成本平台施加更高的要求。"

迈克尔 · 乔丹教授是机器学习领域的先驱，通过在机器学习、概率学、统计学以及图模型这四者间建立联系，为机器学习奠定了数学与计算基础。他曾获得 IEEE 约翰 · 冯 · 诺依曼奖章、国际人工智能联合会议卓越研究奖和 2022 年第一届世界顶尖科学家协会奖。