详细内容或原文请订阅后点击阅览
一种数据驱动的方法，可以做出更好的选择
在新的经济学课程 14.163（算法与行为科学）中，学生将研究机器学习工具的部署及其了解人、减少偏见和改善社会的潜力。
来源:MIT新闻 - 人工智能想象这样一个世界，一些重要的决定——法官的量刑建议、儿童的治疗方案、哪个人或企业应该获得贷款——变得更加可靠，因为精心设计的算法帮助关键决策者做出了更好的选择。麻省理工学院的一门新经济学课程正在研究这些有趣的可能性。
14.163 课程（算法与行为科学）是一门新的跨学科课程，专注于行为经济学，研究人类的认知能力和局限性。该课程于今年春天由经济学助理教授 Ashesh Rambachan 和客座讲师 Sendhil Mullainathan 共同授课。
Rambachan 也是麻省理工学院信息与决策系统实验室的主要研究员，他研究机器学习的经济应用，重点研究推动刑事司法系统和消费贷款市场决策的算法工具。他还开发了使用横截面和动态数据确定因果关系的方法。
Mullainathan 很快将以教授身份加入麻省理工学院电气工程和计算机科学与经济学系。他的研究使用机器学习来理解人类行为、社会政策和医学中的复杂问题。Mullainathan 于 2003 年共同创立了阿卜杜勒·拉蒂夫·贾米尔贫困行动实验室 (J-PAL)。
新课程的目标既是科学的（了解人），也是政策驱动的（通过改善决策来改善社会）。Rambachan 认为，机器学习算法为行为经济学的科学和应用目标提供了新工具。
“该课程研究了计算机科学、人工智能 (AI)、经济学和机器学习的部署，以改善结果并减少决策中的偏见，”Rambachan 说。
主观性和偏见的危险
主观性和偏见的危险重新构想社会运作的有用工具