XiaoMi-AI文件搜索系统
World File Search SystemNordhaus
MIT 开放获取文章环境和定向......
∗ Acemoglu：麻省理工学院和加拿大高等研究院，daron@mit.edu。Aghion：哈佛大学斯德哥尔摩经济学院和加拿大高等研究院，paghion@fas.harvard.edu。Bursztyn：加州大学洛杉矶分校，leonardo.bursztyn@anderson.ucla.edu。Hemous：哈佛大学，hemous@fas.harvard.edu。我们感谢 Robert Barro、Emmanuel Farhi、Elhanan Helpman、Dirk Krueger、Per Krusell、David Laibson、Ariel Pakes、Torsten Persson、Nicholas Stern、Nancy Stokey、Martin Weitzman 和三位匿名审稿人提出的宝贵建议。我们还受益于哈佛大学、麻省理工学院、斯坦福大学、伯克利大学、斯德哥尔摩 IIES、苏黎世、美国国家经济研究局暑期学院、中西部宏观会议、加拿大高级研究院、计量经济学会拉丁美洲会议、TSE 和西蒙弗雷泽大学的研讨会和会议参与者的评论。Daron Acemoglu 和 Philippe Aghion 分别感谢图卢兹信息技术网络 (http://idei.fr/tnit/) 和 CIFAR 以及 CIFAR 和 Bruegel 提供的资金支持。 1 例如，请参阅 Peter A. Scott、Dáithí A. Stone 和 Myles R. Allen (2004) 关于人类活动对 2003 年欧洲热浪的影响、Kerry Emanuel (2005) 和 Christopher W. Landsea (2005) 关于过去几十年间热带气旋和大西洋飓风的影响和破坏力增强的文章，以及 Robert J. Nicholls 和 Jason A. Lowe (2006) 关于海平面上升的文章。 2 例如，请参阅 William D. Nordhaus (1994)、Christopher N. MacCracken、James A. Edmonds、Son H. Kim 和 Ronald D. Sands (1999)、Nordhaus 和 Joseph Boyer (2000)。
从尼尔德豪斯（Stern-Nordhaus）辩论到目标一致的价格
“碳的社会成本”（SCC）是用于定价或税收排放的价值，因此将其外部性内化；经济学家对此不同意，争议的来源之一是“纯粹的时间偏好率”，这反映了人们对未来的幸福感的影响。那些与威廉·诺德豪斯（William Nordhaus）相关的描述性方法的人提出了汇总经验观察到的时间偏好，通常会导致SCC低。另一方面，与尼古拉斯·斯特恩（Nicholas Stern）相关的规范方法提倡时间公正。但这意味着将更多的资源转移到下一代 - 在限制下，假设人口增长，它可以与“长期主义”立场相关联。我们讨论了一种不同的方法如何通过估计与《巴黎协议目标》一致的碳价格来帮助将这一争议留在后面的落后 - 从而强调了政治和国际协议的作用。
一些基于图形的加密技术
摘要 - 在当今快速发展的技术环境中，确保机密性至关重要。密码学是保护信息免于未经授权访问的关键学科。它采用各种加密算法来有效地保护数据。随着数字威胁的发展，对应对传统网络攻击的非常规加密方法的需求不断增长。本文介绍了利用特殊图形和公共密钥加密技术的创新加密算法，通过模块化算术属性增强安全性，并实现更强大的通信保障。分区v 1，v 2，。。。，VERTEX集V的V K称为G的色度分区。G的最小序列G的最小序列称为色数χ（G）。如果| V 1 | =β0和| V I | =β0（v - ∪i j = 1 v j）。G的最小有序色分区的顺序称为有序的色数χ1（G）。χ1（g）≥χ（g）是立即的。在本文中，我们将Nordhaus gaddum结果扩展到有序的色数。
经济成长中的全方位气候政策
我们应该开采多少地球化石资源？根据 McGlade 和 Ekins (2015) 的研究，为实现国际商定的将气温升高控制在 2°C 以下的目标，1/3 的石油、1/2 的天然气和 80% 的煤炭需要留在地下。从经济角度来看，我们必须问，这个结果是否符合社会最优。1 对于最佳气候政策的设计，气候损害的经济评估至关重要。因此，使用准确的气候损害函数是气候变化经济分析的“核心”（Farmer 等人，2015 年，第 332 页）。Nordhaus 和 Boyer (2000) 和 Weitzman (2010) 在其开创性的贡献中承认这项任务非常艰巨。Auffhammer (2018) 的调查阐述了寻找客观的、全球可接受的气候变化损害单一估计值的困难。全球总体功能必须基于对许多不同生态系统以及世界各地区当前和未来经济损失的评估。2 然而，气候变化的全球挑战要求在全球层面制定最佳政策。
定向技术变革与环境经济
虽然政策制定者和气候科学家长期以来一直认为，克服气候变化带来的挑战需要制定鼓励开发新技术的政策，以降低生产和消费的能源和排放强度，但经济学文献最初侧重于具有外生技术变革的模型（例如，参见Nordhaus，1994年）。在这些模型中，最佳政策响应是对温室气体排放征收庇古税，该税随时间推移逐渐增加。关于环境背景下的定向技术变革（下称DTC）的理论文献越来越多，表明考虑创新的内生性可以深刻影响政策建议，而实证文献提供了充足的证据表明，创新确实对燃料或能源价格上涨等经济激励作出反应。本章对此类文献进行了简短且非详尽的回顾，主要基于 Acemoglu、Aghion、Bursztyn 和 H´e-mous（2012，以下简称 AABH）以及 Aghion、Dechezleprˆetre、H´emous、Martin 和 van
关于 DICE 和其他中对动态现实主义的需求......
2. 另一个否定？动态现实主义及其在均衡模型中的遗漏 DICE 模型以及许多遵循其一般理念的模型的目的是计算成本和收益的长期平衡。图 1 显示了从最新版本的 DICE（2016 年）获得的结果。根据诺德豪斯的标准默认发布假设，它产生了一条排放路径，该路径（在降至目前的“最佳水平”后）具有适度的初始减排量，由于气候损害的增加和假设的减排成本下降，随着时间的推移而增强。减排往往会被推迟，2050 年的全球排放量将回升至目前的水平，然后在下个世纪初以加速的速度下降至零。基本假设意味着“气候损害”——以对全球 GDP 的影响表示——到本世纪末仍将低于 GDP 的 4%（然后在 2150 年左右翻一番）。预计全球 GDP 将在百年内增长七倍，而标准 DICE 认为气候问题只是一个中等问题，全球损失和减排成本对预计的全球 GDP 持续增长的影响可以忽略不计。
人工智能困境：增长与生存风险
人工智能 (AI) 的最新进展可能会在未来几年提高生活水平。蛋白质折叠、语音识别以及生成模型在生成文本和图像方面的惊人成就已经超出了几年前的预期（Bubeck 等人，2023 年）。人工智能似乎很可能在短期内增强我们的创新能力，而且人工智能在许多认知任务上匹敌甚至超越人类智能并开始自我创新肯定是有可能的。一旦机器能够产生想法，研究人员的数量和质量所设定的增长限制可能不再存在，增长率可能会加快，甚至有可能导致所谓的无限消费的“奇点”。Aghion、B. Jones 和 C. Jones（2019 年）；Trammell 和 Korinek（2020 年）；Davidson（2021 年）； Nordhaus ( 2021 )；以及 Erdil 和 Besiroglu ( 2023 )。另一方面，这些进步并非没有风险。包括 OpenAI 和谷歌的顶尖研究人员在内的人工智能社区的相当一部分人警告说，这些进步可能对人类构成生存风险，要么来自“坏人”对人工智能的恶意使用，要么甚至可能来自超级智能人工智能本身。更简洁地说，人工智能可以比电力或互联网提高生活水平。但它可能带来超过核武器的风险。此外，这些可能性——无论可能性如何——都是相互关联的。正是在这样的世界状态下，人工智能足够强大，可以带来深刻的增长
自然损失和气候变化：双重速度乘数
经济学家对更好地了解经济活动与我们地球健康之间的许多相互作用越来越感兴趣。重点的两个主要领域是气候变化，自然和生物多样性丧失的经济学（Nordhaus and Boyer，2003; Dasgupta，2021; Heal，2000; Giglio et al。，2023，2024）。由于气候变化和自然损失的概念上不同的经济效果，这项先前的工作在很大程度上却不局限于探索它们。然而，气候变化和纳税损失之间存在重要的馈回循环，促使决策者将其视为“双胞胎危机”。的确，2023年12月的COP28协议的最后文本强调了“迫切需要以一种全面而相关的方式解决气候变化和生物多样性损失的全球危机相互联系”。在本文中，我们研究了融合了这两个过程的重要原模型的自然损失和气候变化的相互作用。它捕获了它们影响经济活动的差异方式 - 构成了产量的关键因素和气候变化的关键因素，但它们也构成了它们相互作用的多种方式：气候变化会导致自然损失，自然既可以提供碳汇和适应工具来减少气候损害。我们对这些反馈回路的分析揭示了系统地影响最佳气候和自然保护策略的新型Am-plification通道（双旋转模拟）。
溢出和创新方向：申请...
5 Fried（2018）还认为，跨技术知识溢出会调解碳税的影响。6有关空间经济中路径依赖性主题的研究，请参见Krugman（1991），Bleakley和Lin（2012），以及艾伦和唐纳森（2020）。7有关其他环境中创新方向的经验工作，请参见Acemoglu和Linn（2004）以及Acemoglu和Finkelstein（2008）有关Healthcare和Hanlon（2015）的背景，以了解纺织工业的历史检查。8关于创新方向的决定因素的其他研究示例更广泛地包括Budish等人。（2015）关于选择用于预防医学的医疗保健公司，以及在农作物研究中受到关注的作物特异性害虫和病原体的投资。9我对政策在转向创新方向的作用的关注也与Acemoglu（2023）最近的AEA杰出演讲有关。10的IAMS具有内源创新，请参见Nordhaus（2002）和Popp（2004）。11总的来说，知识溢出长期以来一直是创新政策的核心考虑因素（Arrow，1962; Romer，1990; Bloom等人。，2019年； Akcigit等。，2020年；布莱恩和威廉姆斯，2021年）。紧密相关的是一项经验工作，重点是估计创新的溢出益处（Jones and Williams，1998; Bloom等人。，2013年；琼斯和萨默斯，2021年；迈尔斯和拉纳汉，2022年）。12在Blanchard和Kahn（1980），Uhlig（1999）和Galor（2007）中讨论了使用基质的光谱特性表征宏观经济动力学的技术。
常见问题 - 带答案的常见问题Earth4All建模团队对最近的问题和批评的回答（5.Feb.2024）在G
常见问题解答 - 带有答案的经常询问的问题4 all建模团队对最近的问题和批评的回答（5.Feb.2024）在进行有关Earth4All-Global模型的详细讨论之前，我们想对任何（类型的）模型做出一些一般性评论。在一般计算机模型中是使建模者的心理模型明确的工具，并允许他们在此内进行实验。虽然乔治·盒子（George Box）的著名谚语写着“所有模型都是错误的，但有些是有用的”，但人们普遍承认，实际上所有模型都可能对其特定目的有用。所有模型都是现实的理想化，这通常为批评提供了很大的空间。批评是受欢迎的，通常是洞察力本身的重要来源，因为它开辟了有关所讨论系统和基本假设的不同心理模型的辩论。实际上，一些最著名，最受批评的模型不仅提供了有关我们的世界如何运作的宝贵见解，而且向我们展示了为什么一些简化的假设可能会使我们误入歧途（例如Nordhaus的DICE模型）。Donella Meadows（1982，2008）对模型及其在政策中的作用进行了几次批评/思考。主要结论之一是，应该为特定目的设计模型/以回答特定问题。这也是定义边界的原因（即该特定模型的哪些变量包括哪些变量，包含的关系等）。有关E4A-Global模型质量的一些问题没有考虑到该全球仿真模型的做法。该模型不是为了做许多批评家显然期望它做的事情。没有模型可以做一些批评家似乎期望E4A-Global做的事情，即以“科学”的精确度来预测现实世界的未来。Earth 4 all-Global模型对人类的长期未来有什么能力？快速答案“很少”，但也“毫无疑问”。该模型通过模拟模型的结构和输入参数产生的两个场景来说明Earth4All Book的故事。以及对21世纪的变革经济学委员会（TEC）的评估以及书中概述的故事情节，该模型绘制了两张一致但对比的潜在期货与宽阔的笔画的图片。