XiaoMi-AI文件搜索系统
World File Search System实证分析
重印 - DIAL@UCLouvain
本文将方法论、理论和实证分析纳入语言多样性的框架。它反映了经济学家和其他社会科学家对语言对经济成果和公共政策的影响的历史和当代研究。我们研究语言是否以及如何影响人类思维（包括情感）和行为，并分析语言距离对贸易、移民、金融市场、语言学习及其回报的影响。语言多样性的定量基础依赖于群体认同、语言距离以及分化、两极分化和剥夺权利指数，并从其实证挑战和用途的角度进行讨论。最后，我们对语言政策进行了分析，并研究了各国劳动力市场的发展与其产生的社会成本之间的权衡。( JEL N30, Z13)
公共政策的人工智能和数据科学
人工智能 (AI) 和数据科学正在重塑公共政策，使其能够实现更多数据驱动、预测性和响应性治理，同时在社会和政策科学领域产生深刻的知识生产和教育变革。这些进步伴随着围绕偏见、透明度、隐私和问责制等问题的道德和认识论挑战。本期特刊探讨了将人工智能融入公共政策的机遇和风险，提供了理论框架和实证分析，以帮助政策制定者应对这些复杂问题。这些文章探讨了人工智能如何增强医疗保健、司法和公共服务等领域的决策能力，同时强调公平、人类判断和民主问责制的必要性。本期特刊提供了负责任地利用人工智能潜力的路线图，确保它服务于公众利益并维护民主价值观。
w29033.pdf
间歇性可再生能源发电能力的不断增长大大增加了确定全年是否有足够的能源来满足每小时需求的复杂性。正如 2020 年 8 月加利福尼亚州和 2021 年 2 月德克萨斯州发生的事件所表明的那样，供应短缺可能会对经济和公共卫生产生重大影响。对这两起事件的实证分析表明，如果在具有大量间歇性可再生能源的电力供应行业中确定长期资源充足性的方式没有发生范式转变，未来可能会出现类似的供应短缺。本文概述了一种确定长期资源充足性的替代方法，该方法明确承认了不同发电技术的特点，并探讨了其相对于当前方法的特性。
可再生能源——南非经济增长的纽带
随着人们对气候变化达到不可逆转的程度的担忧不断升级，最近人们更加重视转向可再生能源以支持未来的经济生计。我们的研究以南非这个非洲最大的能源消费国和生产国为重点，使用线性和非线性自回归分布滞后 (ARDL) 模型研究了可再生能源对经济增长的短期和长期影响。根据数据可用性，我们在 1991-2016 年期间进行了实证分析，结果一致未能证实可再生能源的消费和生产对南非经济增长有任何线性或非线性协整效应。我们认为，协整关系的缺失表明可再生能源在支持南非可持续增长方面的使用效率不高，因此建议政策制定者加快建立必要的可再生基础设施以支持未来的能源需求。
Philippe Aghion、Céline Antonin、Simon Bunel。人工智能、增长和就业：政策的作用。Economie et Statistique/经济学和统计学，2019 年，510-511-512，第 150-164 页。�10.24187/ecostat.2019.510t.1994�。�hal-03403370�
摘要 — 在本调查论文中，我们认为人工智能 (AI) 和自动化对增长和就业的影响在很大程度上取决于制度和政策。我们进行了双重分析。在第一部分中，我们调查了最新的文献，以表明人工智能可以通过用资本取代劳动力来刺激增长，无论是在商品和服务的生产中，还是在创意的生产中。然而，我们认为，如果与不适当的竞争政策相结合，人工智能可能会抑制增长。在第二部分中，我们讨论了 1994-2014 年期间机器人化对法国就业的影响。根据我们对法国数据的实证分析，我们首先表明机器人化减少了就业区层面的总就业人数，其次表明未受过教育的工人比受过教育的工人受到机器人化的负面影响更大。这一发现表明，不适当的劳动力市场和教育政策降低了人工智能和自动化对就业的积极影响。
当梦想变成噩梦：教育科技初创公司案例研究揭示生成式人工智能的阴暗面
生成式人工智能的兴起引发了一波创新浪潮，并为组织向客户提供新颖服务创造了机会。尽管人们非常关注如何利用人工智能的潜力，但对其意外后果的研究却非常有限。本研究旨在调查在教育技术 (EdTech) 初创公司中实施生成式人工智能技术（如 ChatGPT）的意外结果。通过采用定性案例研究方法，我们研究了一家特定的法国 EdTech 初创公司将 ChatGPT 纳入其流程和活动的经验。我们的实证分析揭示了三个意外后果：数字敏捷性的受损、技术压力和流程再造（重新设计）。基于这些发现并采用人工智能双元性的独特视角，我们提出了一个全面的框架，解释了这三个主题的相互作用如何影响初创公司的社交、技术和认知层面。
为什么有能力的参与者会参与非战争竞赛
国防政策制定者越来越担心和平与战争之间“灰色地带”的冲突。这种冲突通常被解释为威慑失败的案例，因为新技术或战术——从网络行动到“小绿人”——似乎提高了低强度侵略的有效性。然而，灰色地带冲突也可能是威慑成功的案例，挑战者采取一种有限制的侵略形式来应对可信的升级威胁。我们开发了一个模型，将这两种情景形式化，并在这两种情况下确定了不同的经验模式。我们利用该模型的结果对 1990 年代以来俄罗斯灰色地带的活动进行了实证分析，发现俄罗斯的活动似乎在一定程度上受到北约威慑威胁的限制。我们的模型还表明，发展灰色地带冲突能力可以带来更多和平，但也可能适得其反，引发挑战者升级为战争。
具有战略用户的分布式学习：重复博弈方法
我们考虑一个分布式学习环境，其中战略用户受到融合中心的激励，以基于本地数据训练学习模型。用户没有义务提供他们的真实梯度更新，而融合中心无法验证所报告更新的真实性。受此启发，我们将融合中心与用户之间的互动表述为重复博弈，体现了机器学习与博弈论之间尚未得到充分探索的相互作用。然后，我们基于联合梯度估计和用户行为分类方案为融合中心开发了一种激励机制，并研究了其对分布式学习收敛性能的影响。此外，我们设计了自适应零决定 (ZD) 策略，从而将经典的 ZD 策略推广到具有时变随机误差的重复博弈。理论和实证分析表明，融合中心可以激励战略用户合作并报告信息丰富的梯度更新，从而确保收敛。
稳扎稳打才能赢得比赛，利用兔子和乌龟网络保持可塑性
本研究调查了神经网络泛化能力的丧失，重新审视了 Ash & Adams (2020) 的热启动实验。我们的实证分析表明，通过保持可训练性来增强可塑性的常用方法对泛化的好处有限。虽然重新初始化网络可能有效，但也有可能丢失宝贵的先验知识。为此，我们引入了 Hare & Tortoise，其灵感来自大脑的互补学习系统。Hare & Tortoise 由两部分组成：Hare 网络，它类似于海马体，可以快速适应新信息；以及 Tortoise 网络，它类似于大脑皮层，可以逐渐整合知识。通过定期将 Hare 网络重新初始化为 Tortoise 的权重，我们的方法在保留一般知识的同时保持了可塑性。 Hare & Tortoise 可以有效保持网络的泛化能力，从而提高 Atari-100k 基准上的高级强化学习算法。代码可在 https://github. com/dojeon-ai/hare-tortoise 上找到。
新冠肺炎死亡人数和内部冲突
在本研究中，我们考察了新冠死亡率与内部冲突之间的关联，强调了政府在疫情期间的经济支持作为调节因素的重要性。我们的主要假设是，在政府经济支持水平较低的国家，新冠死亡率的上升可能与内部冲突呈正相关。我们的实证分析证实了这一预测：利用 100 多个国家的跨国数据，估计结果表明，随着政府经济支持水平的提高，新冠死亡率对内部冲突的积极影响可能变得微不足道。在政府应对疫情的支出不到 GDP 的 5% 到 6% 的国家，新冠死亡率上升导致内部冲突的风险很大。当我们控制与疫情前内部政治稳定和其他冲突衡量标准有关的其他社会经济决定因素的影响时，我们的主要发现仍然成立。