算法與人工智慧為更美好的世界 | MIT新聞

算法決策與人工智慧的好處

在算法決策和人工智慧（AI）帶來的好處中，包括在許多領域中提升速度、效率和預測能力，Manish Raghavan 正在努力減少相關的風險，同時尋找機會將這些技術應用於解決現有的社會問題。

Raghavan 的研究目標

Raghavan 說：「我最終希望我的研究能推動更好的解決方案，來解決長期存在的社會問題。」他是麻省理工學院（MIT）斯隆管理學院和電機工程與計算機科學系的 Drew Houston 職業發展教授，也是資訊與決策系統實驗室（LIDS）的主要研究員。

AI 在招聘中的應用

Raghavan 的一個好例子是他對 AI 在招聘中使用的探索。他說：「很難說招聘的做法歷史上特別好或值得保留，從歷史數據中學習的工具會繼承人類過去的所有偏見和錯誤。」

不過，Raghavan 提到了潛在的機會。他說：「測量歧視一直很困難，AI 驅動的系統有時比人類更容易觀察和測量，我的工作目標之一是了解我們如何利用這種改進的可見性，來找出系統何時表現不佳。」

Raghavan 的成長背景

Raghavan 在舊金山灣區長大，父母都擁有計算機科學學位。他說他最初想成為一名醫生，但在大學前夕，他對數學和計算的熱愛讓他跟隨家族的腳步進入計算機科學。在康奈爾大學（Cornell University）與計算機科學和資訊科學教授 Jon Kleinberg 進行研究的暑假後，他決定在那裡攻讀博士學位，並撰寫論文《算法決策的社會影響》。

獲獎經歷

Raghavan 因其工作獲得多項獎項，包括國家科學基金會（National Science Foundation）研究生獎學金、微軟研究（Microsoft Research）博士獎學金，以及康奈爾大學計算機科學系的博士論文獎。

在 2022 年，他加入了麻省理工學院的教職。

醫療領域的研究

或許是因為他早期對醫學的興趣，Raghavan 研究了一種用於急診患者（如腸胃出血）的高準確度算法篩選工具，稱為格拉斯哥-布拉奇福德評分（Glasgow-Blatchford Score, GBS），是否能通過專家醫生的建議來改善判斷。他說：「GBS 的表現與人類平均水平相當，但這並不意味著沒有個別患者或小組患者的情況下，GBS 可能錯誤，而醫生的判斷可能是正確的。我們希望能提前識別這些患者，讓醫生的反饋在這裡特別有價值。」

社交媒體的影響

Raghavan 也研究了在線平台如何影響用戶，考慮社交媒體算法如何觀察用戶選擇的內容，然後顯示更多相同類型的內容。他說，問題在於用戶可能像抓取一包薯片一樣選擇他們所觀看的內容，這些薯片雖然美味，但並不營養。這種體驗可能在當下令人滿意，但可能會讓用戶感到不適。

Raghavan 和他的同事們開發了一個模型，展示了用戶在即時滿足和長期滿足之間的矛盾願望如何與平台互動。這個模型顯示了平台設計如何改變，以鼓勵更健康的體驗。該模型在 2022 年計算機協會（Association for Computing Machinery）經濟學與計算會議上獲得了卓越應用建模論文獎。

長期滿足的重要性

Raghavan 說：「長期滿足最終是重要的，即使你只關心公司的利益。如果我們能開始建立證據，表明用戶和企業的利益更一致，我希望我們能推動更健康的平台，而不需要解決用戶和平台之間的利益衝突。當然，這是理想主義的。但我感覺這些公司的許多人相信有空間讓每個人都更快樂，只是缺乏實現的概念和技術工具。」

創意的來源

關於他如何產生這些工具和概念的想法，Raghavan 說他最好的想法往往是在思考一個問題一段時間後出現。他建議學生們可以學習他的例子，將一個非常困難的問題放置一天，然後再回來看。

他說：「第二天的情況通常會更好。」

課外活動

當他不在思考問題或教學時，Raghavan 常常可以在戶外的足球場上找到他，擔任哈佛男子足球俱樂部的教練，這是他非常珍惜的職位。他說：「如果我知道晚上要在球場上，我就無法拖延，這讓我在一天結束時有期待的事情。」

對未來的展望

當 Raghavan 考慮如何將計算技術應用於更好地服務我們的世界時，他表示他在這個領域中最興奮的事情是 AI 將為「人類和人類社會」開啟新的見解。他說：「我希望我們能利用它來更好地理解自己。」