XiaoMi-AI文件搜索系统
World File Search Systemsendhil
反转问题：为什么算法应推断精神状态，而不仅仅是预测2023年10月6日的行为，乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维格（Jens Ludwig），sendhil mull
摘要越来越多地将机器学习应用于人类行为。这些算法越来越遭受一个隐藏但严重的问题。之所以出现，是因为他们经常预测一件事，而希望另一件事。采用推荐系统：它可以预测点击，但希望识别偏好。或一种使放射科医生自动化的算法：它可以预测在静置的诊断，同时希望确定其反思性判断。心理学向我们展示了此类预测任务的目标与我们希望实现的目标之间的差距：人们可以无意识地点击；专家可能会疲倦并犯系统错误。我们认为这种情况无处不在，称它们为“反演问题”：真正的目标需要理解在行为数据中直接测量的精神状态，而必须与行为倒转。识别和解决这些问题需要借鉴行为和计算科学的新工具。
1 Ashesh Rambachan就业2022-2023 ...
Ashesh Rambachan电子邮件：asheshr@mit.edu就业2022-2023新英格兰微软研究人员研究员。2023- M.I.T.经济学系助理教授教育2017-2022博士哈佛大学经济学专业。2013-2017 A.B.，经济学，普林斯顿大学，Summa Cum Laude。研究兴趣计量经济学，机器学习奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“评估生成模型中隐含的世界模型”（贾斯汀·陈，凯恩·瓦法，乔恩·克莱恩伯格和sendhil mullainathan）。工作文件。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上拒绝和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。工作文件。《经济学季刊》。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。期刊出版物“确定观察数据中的预测错误”。 2024。
Ashesh Rambachan
Ashesh Rambachan电子邮件：Asheshr@mit.edu就业2023年至今的经济学系助理教授，M.I.T。2022-2023新英格兰微软研究人员博士后研究员。教育2022博士哈佛大学经济学专业。2017 A.B.，经济学，普林斯顿大学，萨玛兼优异。研究兴趣计量经济学，机器学习。奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“大语言模型：应用计量经济学的观点”（Jens Ludwig和Sendhil Mullainathan）。“与Rahul Singh和Davide Viviano一起进行远程感知的结果评估”。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。在计量经济学上进行修订和重新提交。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。修订和重新提交经济学和统计数据。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上进行修订和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。在《经济学季刊》上修订和重新提交。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。工作文件。期刊出版物
请注意，所有时间均为太平洋时间
Anima Anandkumar (加州理工学院和 NVIDIA) Demis Hassabis (Deepmind) Fei-Fei Li (斯坦福大学) 上午 10:45 休息 上午 10:55 人工智能对社会的影响演讲（虚拟）：Sendhil Mullainathan (芝加哥) Daron Acemoglu (麻省理工学院) Sarah Kreps (康奈尔大学) 下午 12:25 休会 第 2 天
人工智能的危害
为《牛津人工智能治理手册》准备。我非常感谢许多合著者，他们为我思考这些主题做出了贡献，我在本文中大量参考了他们的工作。他们包括：David Autor、Jonathon Hazell、Simon Johnson、Jon Kleinberg、Anton Korniek、Azarakhsh Malekian、Ali Makhdoumi、Andrea Manera、Sendhil Mullainathan、Andrew Newman、Asu Ozdaglar、Pascual Restrepo 和 James Siderius。我感谢 David Autor、Lauren Fahey、Vincent Rollet、James Siderius 和 Glen Weyl 的评论。我非常感谢谷歌、休利特基金会、美国国家科学基金会、斯隆基金会、史密斯理查森基金会和施密特科学基金会的资金支持。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
预测和理解风险下的个人级别选择∗
∗此处报告的结果先前是在题为“需求分析师从机器学习中学习什么？”的论文中分发的。当前的标题从Fudenberg和Liang（2019）的开创性作品中汲取了灵感。我们感谢Annie Liang的详细评论和建议以及Yiting Chen，Emel Filiz-Ozbay，Brian Jabarian，Michael Jordan，Daniel Martin，Yusufcan Masatlioglu，Sendhil Mullainathan，Sara Nei Quline和Anna Vakarova进行有用的对话。本文也从D-TEA的参与者（决策：理论，实验和应用），RUD（风险，不确定性和决策），WEAI（WEAI（WEAI）（国际西方经济协会），MLESC24（经济学夏季夏季会议），ESIF-AIML（经济学和AI+ML MEL）和几个大学的一些大学的建议中，也有益于介绍。Ellis感谢由国家科学基金会三脚架计划资助的数据科学研究所（FODSI）的基础，以及加利福尼亚大学伯克利分校的西蒙斯计算机理论研究所的热情款待。在本材料中表达的意见，发现和结论是作者的意见。†埃利斯：加利福尼亚大学伯克利分校（khkellis@berkeley.edu）；卡里夫：加利福尼亚大学伯克利分校（kariv@berkeley.edu）；奥兹贝：马里兰大学（ozbay@umd.edu）。
比特币和区块链的经济极限
∗本文最初于2018年6月以较短的形式发行，如Budish（2018）。†致谢：我感谢编辑Andrei Shleifer，共同编辑Stefanie Stantcheva和六个副裁判员的宝贵建议。也要感谢Susan Athey，Vitalik Buterin，Glenn Ellison，Gene Fama，Alex Frankel，Joshua Gans，Joshua Gans，Matt Gentzkow，Matt Gentzkow，Edward Glaeser，Austan Goolsbee，Austan Goolsbee，Hanna Halaburda，Hanna Halaburda，hanna hanaburda，hanna halaburda，zhiguo he， Kroszner, Robin Lee, Jacob Leshno, Andrew Lewis-Pye, Shengwu Li, Jens Ludwig, Neale Mahoney, Gregor Matvos, Paul Milgrom, Sendhil Mullainathan, Vipin Narang, Neha Narula, Ariel Pakes, David Parkes, Al Roth, Tim Roughgarden, John Shim, Scott Stornetta, Adi Sunderam,查德·西弗森（Chad Syverson），Alex Tabarrok，Nusret Tas，David Tse，Rakesh Vohra和Numer-us-Ous研讨会观众。Ethan Che，Natalia Drozdo Q，Matthew O'Keefe，Anand Shah，Peyman Shahidi，Jia Wan和Tianyi Zhang提供了出色的研究帮助。‡芝加哥大学商学院，eric.budish@chicagobooth.edu
解开黑匣子：调节算法决定
作者按字母顺序列出。我们感谢Mario Curiki，Georgy Kalashnov和Ruying Gao的出色研究帮助。We thank Susan Athey, Simon Freyaldenhoven, Talia Gillis, Paul Goldsmith-Pinkham, Damian Kozbur, Danielle Li, Sendhil Mullainathan, Ashesh Rambachan, Amit Seru, Ken Singleton, PR Stark, Chenzi Xu, Louis Kaplow, Kathryn Spier, the FinRegLab team, and seminar and conference participants at Stanford, Yale, Harvard, Zurich, Oxford, the NBER Summer Institute, Stanford SITE, the New Perspectives on Consumer Behavior in Credit and Payments Markets Conference, the AEA Annual Meeting, the FTC, ENSAI, the OCC, EC, the Artificial Intelligence and Big Data in Finance Research (ABFR) Forum, NASMES, the Machine Learning in Economics Summer Institute, and the 2nd Zurich AI + Economics Workshop for helpful discussions and comments.我们感谢斯坦福大学以人工智能（HAI）和亚马逊网络服务的慷慨支持。任何错误或遗漏都是作者的责任。该手稿取代了一个早期版本，该版本已在EC'22上接受并呈现，其扩展摘要发表为：Blattner，Laura，Scott Nelson和Jann Spiess（2022）。解开黑匣子：调节算法决定。在第23届ACM经济学和计算会议论文集（EC'22），第559页。
工作纸·没有。 2022-83大规模信任：加密货币和区块链的经济极限
∗本文最初于2018年6月以较短的形式发行，如Budish（2018）。†致谢：我感谢联合编辑Andrei Shleifer和五个匿名裁判，以极大地改善论文。Thanks are also due to Susan Athey, Vitalik Buterin, Glenn Ellison, Gene Fama, Alex Frankel, Joshua Gans, Edward Glaeser, Austan Goolsbee, Hanna Halaburda, Zhiguo He, Joi Ito, Steve Kaplan, Anil Kashyap, Judd Kessler, Scott Kominers, Randall Kroszner, Robin Lee, Jacob Leshno, Andrew Lewis-Pye, Shengwu Li, Neale Mahoney, Gregor Matvos, Sendhil Mullainathan, Vipin Narang, Neha Narula, David Parkes, Tim Rough- garden, John Shim, Scott Stornetta, Adi Sunderam, Chad Syverson, Alex Tabarrok, Rakesh Vohra, Aviv Zohar, and seminar participants at MIT数字货币倡议，NBER货币经济学，哈佛大学，卡内基·梅隆，UPENN，虚拟市场设计，UIC，东京大学，西北大学，爱荷华州国家市场设计会议，哥伦比亚，斯坦福和NBER市场设计。Ethan Che，Natalia Drozdo Q，Matthew O'Keefe，Anand Shah，Peyman Shahidi，Jia Wan和Tianyi Zhang提供了出色的研究帮助。披露：作者是一个项目顾问，该项目频繁地进行分散批处理，以进行分散的财务。作者没有与这项研究有关的任何其他财务利益。‡芝加哥大学商学院，eric.budish@chicagobooth.edu
可再生能源与制造技术的融合：综述
1. Stritzke S、Jain P。发展中国家分散式可再生能源项目的可持续性：向赞比亚学习的经验教训。能源。2021；2. Faunce TA、Prest J、Su D、Hearne SJ、Iacopi F。用于大规模储能的并网电池：政策和技术面临的挑战和机遇。MRS 能源与可持续性。2018。3. Favour Oluwadamilare Usman、Emmanuel Chigozie Ani、Wisdom Ebirim、Danny Jose Portillo Montero、Kehinde Andrew Olu-lawal、Nwakamma Ninduwezuor-Ehiobu。将可再生能源解决方案融入制造业：挑战与机遇：回顾。Eng Sci Technol J。2024； 4. Ravi Kumar K、Krishna Chaitanya NVV、Sendhil Kumar N。太阳能热能技术及其在工艺加热和发电中的应用——综述。清洁生产杂志。2021 年。5. Srinivasan V.（受邀）车辆和电网应用电池的现状和未来研发需求。ECS Meet Abstr。2018 年；6. Shukla PC、Belgiorno G、Di Blasio G、Agarwal AK。可持续交通可再生燃料简介。能源、环境可持续发展。2023 年；7. Bonou A、Laurent A、Olsen SI。陆上和海上风能的生命周期评估——从理论到应用。应用能源。2016 年；8. Shin Hyun Kyoung。浮动海上风能：下一代风能。风能杂志。 2019。9. Oosthuizen AM、Inglesi-Lotz R、Thopil GA。可再生能源与零售电价之间的关系：来自 OECD 国家的面板证据。能源。2022；10. Obaideen K、Olabi AG、Al Swailmeen Y、Shehata N、Abdelkareem MA、Alami AH 等人。太阳能：应用、趋势分析、文献计量分析和对可持续发展目标 (SDG) 的研究贡献。可持续性 (瑞士)。2023。