XiaoMi-AI文件搜索系统
World File Search SystemCoop
人工智能与合作
人工智能与合作 计算社区联盟 (CCC) 四年一次的论文 Elisa Bertino（普渡大学）、Finale Doshi-Velez（哈佛大学）、Maria Gini（明尼苏达大学）、Daniel Lopresti（理海大学）和 David Parkes（哈佛大学） 人工智能 (AI) 的兴起将使人们越来越愿意将决策权交给机器。但我们不应该仅仅让机器做出影响我们的决策，还需要找到与人工智能系统合作的方式。我们迫切需要开展“人工智能与合作”方面的研究，以了解人工智能系统和人工智能与人类的系统如何产生合作行为。对人工智能的信任也很关键：信任是内在的，而且只有随着时间的推移才能获得。这里我们使用“AI”一词的最广义，正如最近的《AI 研究 20 年社区路线图》（Gil and Selman，2019 年）所用，其中包括但不限于深度学习的最新进展。如果成功，人类与 AI 之间的合作可以像人与人之间的合作一样构建社会。无论是出于内在的乐于助人的意愿，还是出于自身利益的驱动，人类社会都已经变得强大，人类物种也通过合作取得了成功。我们在“小”范围内合作——以家庭为单位、与邻居、与同事、与陌生人——并在“大”范围内作为一个全球社区寻求在商业、气候变化和裁军问题上达成合作成果。自然界中也进化出了合作，在细胞和动物之间。虽然许多涉及人类与 AI 合作的情况是不对称的，最终由人类控制，但 AI 系统变得如此复杂，以至于即使在今天，当人类只是作为被动观察者时，人类也不可能完全理解它们的推理、建议和行动。研究议程必然很广泛，涉及计算机科学、经济学、心理学、语言学、法律和哲学。事实上，合作可以意味着很多不同的事情。早期的分布式人工智能文献研究了所有共享相同效用函数并且都想要相同东西的人工智能系统。但我们也可以考虑自利、理性的代理人的经济模型，即寻求对他们个人最有利的代理人。合作也可以在这里产生。正如博弈论中经典的囚徒困境所熟知的那样，合作也可以在自利代理人之间的反复互动中产生。为了使人与人工智能系统成功合作，我们需要能够理解人类偏好、能够模拟他人行为、能够响应规范和道德结构的人工智能系统。我们需要在现行法律、制度和协调机制内运作的人工智能系统，并了解新类型的“相遇规则”在促进合作方面将发挥什么作用
合作社和 IRA - 情况说明书
这对规划意味着什么：虽然关于该计划的结构还有几个未解问题，但立法意图似乎是允许公用事业公司整合全面的清洁能源计划，以显著减少排放。最明显的减排迹象将是用零排放清洁能源取代化石资源。例如，一家公用事业公司可能会提出一项 10 亿美元的计划，淘汰现有的煤电厂，建造替代的太阳能、储能和输电升级。美国农业部在该计划中的份额可能是 2.5 亿美元的赠款或可免除贷款，以及低成本再融资，以帮助偿还煤电厂的任何剩余债务。如果位于退役煤电厂上或附近，太阳能和储能可以享受 50% 的直接支付税收抵免，并且其资本成本的另一四分之一由美国农业部的赠款支付 - 换句话说，项目成本的 75% 由信贷和赠款支付。根据这种类型的计划，美国农业部将清楚地表明已实现的减排（煤电厂的更换）和融资的清晰度。
西班牙合作总体规划 2024-2027。......
这是 2023 年 2 月第 1/2023 号全球团结与可持续发展合作法案获得批准后通过的第一部总体规划，它是基于使该法案获得通过的同一社会和政治共识的产物，反映了这项公共政策的跨领域性质。这项新总体规划不仅仅是之前规划的延续，还根据上述法案的创新性和开拓性引入了重要的新概念和方法，以确保我们能够通过合作行动应对当今世界面临的重大全球危机，并巩固西班牙作为一个坚定、积极主动的可持续发展利益相关者的地位，言行一致，倡导一种基于倾听和与合作伙伴合作的新型合作模式。
合作型人工智能——机器必须学会寻找共同点
一个例子是棋盘游戏《外交》，玩家在游戏中与其他玩家协商非约束性联盟。要取得成功，AI 代理需要足够了解彼此，以识别自己的利益是否与其他玩家的利益一致。他们必须开发一个共同的词汇来传达他们的意图。尽管可能存在撒谎的动机，但能够进行可信的交流对他们大有裨益。他们必须克服对背叛的相互恐惧，以便达成一致并执行共同有益的计划。他们甚至可能学会建立与遵守协议有关的规范。为了提高这些合作技能，研究人员设计了外交的变体，以改变这些挑战的难度，例如引入商定的简单词汇或允许具有约束力的承诺。
缅因州社区电力合作社
缅因州社区电力合作社是生态经济中心 (CEBE) 多年合作发展工作的成果。这项努力于 2023 年获得美国能源部颁发的“乡村社区活力奖”，并于 2024 年 4 月被选中，根据“乡村或偏远地区能源改善”计划获得 500 万美元的资助。
阿肯色州电力合作社-公平竞争
塞拉俱乐部委托对清洁能源组合进行独立评估，该组合可以在独立和白崖发电站退役后满足 AECC 的可靠性和能源需求。该分析使用 GenX，这是麻省理工学院和普林斯顿大学的研究人员开发的开源电力系统评估模型，用于评估能源系统如何整合可再生能源、存储和其他技术。该模型可用于评估可再生能源和存储的组合如何满足电力公司的每小时需求。在本例中，该模型用于评估 AECC 的系统。我们的评估保守地假设 AECC 没有机会与 MISO 和 SPP 中的区域电力和容量市场互动，尽管它定期这样做。我们还将 AECC 的 MISO 和 SPP 部门之间的互动限制在仅 275 兆瓦的传输容量，反映了 AECC 对 SPP 需求的预测，该需求与 MISO“伪绑定”。这些保守假设的价值在于，该模型被迫构建替代投资组合，就好像 AECC 完全独立于市场，其系统中的 SPP 和 MISO 部分之间的互动有限，而这种立场通常需要更高的成本。我们的理由是，如果我们能够证明 AECC 可以构建一个独立于市场的具有成本效益的投资组合，那么任何共享的市场资源只会使投资组合更便宜。
人工智能、合作与勾结
反垄断专家和经济学家广泛讨论了通过使用定价算法来稳定合谋协议的前景。然而，这些文献往往缺乏计算机科学家的视角，而且似乎经常高估机器学习的最新进展对企业在形成卡特尔时面临的复杂协调问题的适用性。同样，支持学习算法合谋可能性的建模结果通常使用简单的市场模拟，这使得他们可以使用简单的算法，而这些算法不会产生机器学习从业者在现实问题中必须处理的许多问题，这些问题可能对学习合谋协议特别有害。在批判性地审查了有关算法合谋的文献并将其与计算机科学的结果联系起来后，我们发现，虽然调整反垄断法以处理真实市场中合谋的自学习算法可能为时过早，但其他形式的算法合谋，例如由集中定价算法促进的轮辐式安排，可能已经需要立法行动。