鲍勃·西米森（Bob Simison）采访了麻省理工学院的行为经济学家森迪尔·穆莱纳森（Sendhil Mullainathan），一位正将其学科带入算法时代的领军人物。
鲍勃 • 辛普森（Bob Simison）是一名自由撰稿人，曾供职于《华尔街日报》、《底特律新闻报》以及彭博新闻社。
文章和其他材料中所表达的观点均为作者个人观点，不一定反映IMF的政策。
“AI太重要了，不能将它只交给计算机科学家。”麻省理工学院的行为经济学家森迪尔·穆莱纳森如是说。他从事将人工智能（AI）应用于经济学研究的工作已经十多年了。他表示，算法有潜力显著改善人类在重要领域的决策能力——从应聘求职、法院保释裁决，到解读心脏测试信号，无不如此。
他在采访中说：“经济学在这一刻拥有独特的优势。一个人不可能在不面对现实生活中各种模糊、奇怪因素的情况下，按照所要求的严格形式构建出一套算法。”
现年52岁、出生于印度的穆莱纳森，正“把经济学从上个世纪的做法引向下个世纪的方向”——这是20世纪90年代他在哈佛大学上学时的教授、经济学家大卫·莱布森（David Laibson）对他的评价。
穆莱纳森曾领导关于记忆心理学、法官决策行为以及稀缺经济学的研究。如今，纽约市的司法官员在设定保释金时，使用的正是基于他的研究结果而开发的算法。2002年，29岁的他获得了麦克阿瑟基金会50万美元的资助，并在该基金会董事会任职长达12年，直至去年六月。
哈佛大学经济学家、美国经济学会主席劳伦斯·卡茨（Lawrence Katz）评价说，在相同的职业生涯阶段，“他的研究被引用的次数几乎无人能比”。“我想不出比和森迪尔进行一次简短对话更能激发智力的事情了——无论他脑子里当时在想什么。”
他的脑子可能在想任何事。朋友和同事们举例说，他曾对冰淇淋和浓缩咖啡做过大量研究。他甚至带着同事们花两小时走访芝加哥最顶级的冰淇淋三明治店。穆莱纳森也曾亲自研究营养与运动问题。
“森迪尔对任何事情都会钻研得特别深，”贝克·维克斯（Bec Weeks），一位在芝加哥大学工作的澳大利亚行为科学家曾经这样评价。贝克是森迪尔的研究伙伴，最近还成为了他的生活伴侣。“他总有一百万个好点子。理解人类行为的方式是围绕在他脑海中的核心谜题。”
来到美国
这一切都与他的生活经历密切相关。穆莱纳森迈向学术巅峰的道路，始于印度泰米尔纳德邦金奈以南的一个几乎不通电的小村庄。他的家庭拥有土地，因此他们在这个贫困的小镇上算得上较为富裕的一户。他父亲马克（Mark）克服重重困难完成了大学学业，并一路努力进入加州理工学院的航空航天工程博士项目。在森迪尔三岁时，他父亲便离家求学了。那时，村里不通电话，所以森迪尔的父亲只能寄回录音带，告诉家人自己的近况。
四年后，穆莱纳森的父亲成功申请到签证，把森迪尔和他的母亲希拉（Sheila）接到了洛杉矶。而这也终结了马克的博士求学生涯，因为他必须工作来养家。于是，他开始先后在南加州的多家航空航天公司（包括麦道公司和波音公司）就业。
森迪尔10岁时，美国总统罗纳德·里根（Ronald Reagan）发布行政命令，要求从事相关工作的人员必须拥有安全证明。他的父亲当时尚未取得美国公民身份，因此立即失去了工作。尽管之后马克和希拉连续创业，经营了数个录像带租赁店并销售电脑，但对年幼的森迪尔来说，这段经历带来了巨大的创伤。
“我那时学到一个道理：世界是没有底的，我清楚地记得那个瞬间。”穆莱纳森说，“我开始对失业这个问题着迷。”在某种意义上，这也引导他走向了学术生涯。“我记得高中时听说，学者有一种叫‘终身教职’的东西。”他说，“（有了它，）你就不会丢掉工作。我当时就想：这就是我想要的工作。”
“我在高中表现得并不好，”穆莱纳森说，因为“我的头脑不太擅长处理名词或需要记忆的东西。”但数学则不同，它是“一整套相互关联的体系；它是推理。”
在参加美国大学预备测试（PSAT）后，穆莱纳森收到了一份来自纽约州波茨坦市克拉克森学校的宣传册。这所学校是美国最早的“提前大学课程”之一。在那里，他可以一边完成高中学业，一边修读大学层次的高阶数学课程。他申请了，并成功被录取，然后把计划告诉了父母。尽管父母很惊讶，但还是同意了，“因为他们始终把一切教育支出放在首位，”他说。于是，16岁的他离开家，前往3,000英里外，去到一个冬天经常零下几十度的地方。
后来，穆莱纳森进入康奈尔大学攻读数学，并增加计算机科学和经济学作为其专业。“让我觉得经济学不同于数学、又如此迷人的地方在于，它试图理解世界的复杂性，”他说。他对解释各种经济异常现象兴趣浓厚，例如：为什么洛杉矶的开发商会通过抽签来出售房屋，而不是直接提高价格。
行为经济学
在研究生阶段，穆莱纳森曾被麻省理工学院计算机科学博士项目录取，但他推迟了一年入学。他想尝试申请哈佛大学的经济学博士项目。随后，他坚持完成了为期五年的学习，并于1998年获得博士学位。
在经济学界，一篇论文被引用1,000次就已是非常有影响力的了；而在Google Scholar上，穆莱纳森至少有十几篇论文的引用量达到了数千次。他的全部研究作品被累计引用了近100,000次，几乎与诺贝尔奖得主艾斯特·迪弗洛（Esther Duflo）的总引用数量相当。他先后在哈佛大学、芝加哥大学和麻省理工学院担任教职。
对于一个痴迷数学与计算机科学的人来说，把研究重点放在行为经济学似乎有些反常。但穆莱纳森表示，在攻读博士期间，他意识到：作为一名经济学家，他必须理解人类的心理。
“作为经济学家，我们究竟要如何把人类所有那些怪癖、偏好、小缺陷、复杂性，以及那种难以捉摸的特质，最终纳入我们对经济学的理解之中？”他提出这样的疑问。“我们必须认识到，人类在许多方面都复杂得令人难以想象。”
穆莱纳森将自己的职业生涯投入到探究人类行为的复杂性中，有时结果也颇为出人意料。长期以来，人们认为企业设计薪酬方案是为了奖励CEO提高公司价值。但2001年，穆莱纳森与其长期合作者、芝加哥大学的玛丽安娜·伯特兰（Marianne Bertrand）发现，“CEO的薪酬对运气的反应极为显著”，这里的“运气”包括油价的变化。
之后，伯特兰和穆莱纳森向芝加哥和波士顿的招聘广告投递虚构的简历，并随机分配他们认为听起来像白人或黑人的名字。他们发现，带有“白人姓名”的简历获得的回复率高出了50%，这一结果发表于2004年的论文“艾米莉和格雷格是否比拉吉莎和亚马尔更容易被雇用？”。
穆莱纳森与普林斯顿大学心理学家埃尔达·沙菲尔（Eldar Shafir）花费近十年时间，进行了关于稀缺问题的心理学与经济学实验研究——这里的“稀缺”，指的是时间、金钱、食物以及其他资源的稀缺。这项研究最终促成了他们在2013年发布了一本影响深远的著作《稀缺：关于“拥有更少”的新科学，以及它如何定义我们的生活》（Scarcity: The New Science of Having Less and How It Defines Our Lives）。
沙菲尔说，直到今天，两位作者仍持续为这本书举行演讲。这两位研究者发现，稀缺会显著影响大脑运转，让人对稀缺之物产生强迫性的关注。这种专注会占用认知能力，使大脑无法全负荷运作，从而让人陷入一个又一个稀缺循环。
13年前这本书完成后，穆莱纳森得以清空手头的所有项目，开始选择自己的下一个研究方向。
聚焦AI
“某个星期二早上，我醒来后发现自己无事可做，”他说。他的反应是寻找一个完全不同寻常的研究方向。
“我总是试着选择那些离别人研究范围非常远的东西。”他说，“我有一个原则：如果你的研究太接近其他人的领域，那效率就高不了，因为这一行的聪明人太多了。”
这种做法让穆莱纳森显得独树一帜——他的研究合作伙伴、曾经的学生、斯坦福大学经济学家扬·斯皮斯（Jann Spiess）这样评价道。“每隔几年，他就会退一步，重新审视自己在做什么。”斯皮斯说，“这正是他成为经济学界最聪明、最具创新力者之一的原因。”
穆莱纳森表示，在2012年，除了计算机科学领域的人士之外，几乎没有人对人工智能感到兴奋。“它压根不在任何人的清单上。”他说，“我想做一些能够真正改变趋势的事情。”
于是，穆莱纳森开始将机器学习——一种从数据中学习的人工智能方法——应用于研究人类决策行为。2017年，他与四位同事发表了一篇论文，研究了机器学习是否能改善法官在保释还是拘留问题上的判决。他们使用算法分析被告逃跑或再次犯罪的风险，并将其应用于一个包含2008年至2013年间纽约市70多万名被捕者的数据集。
他们发现，法官常常作出错误判断，经常对算法判定为“高风险”的被告予以保释。这项研究的作者之一、芝加哥大学的延斯·路德维希（Jens Ludwig）表示：“法官会受到赌徒谬误的影响。”“赌徒谬误”是指，当轮盘赌赌徒看到连续四次落在红色后，他们会预测下一次必定是黑色；与之类似，当法官看到连续四个高风险被告都会被拘留时，往往倾向于对第五个人给予保释——无论该被告在客观风险评估中是否仍属于高风险。
几位研究者估计，如果使用风险评估的算法，可以在不增加羁押人数的前提下，将犯罪率降低25%；或者在不增加犯罪率的情况下，将羁押人数减少42%。路德维希说，研究团队开发的AI工具，如今已被纽约市的法官用于辅助决策。
“这是行为经济学的一场革命。”路德维希说。“森迪尔有潜力改变我们对人类决策的理解，并创造改善决策的工具。他就是那种富有远见的人。”
在2024年的一篇论文中，路德维希和穆莱纳森利用AI展示，被告的嫌犯照片能够可靠预测法官的保释/羁押判决。基于北卡罗来纳州的数据，他们发现：预审照片中显得仪容整洁的人，或者脸部较宽、较圆的人更有可能获得保释，而不是在庭审前被继续羁押。
虽然这一发现听起来似乎符合直觉，但“这是一个此前无人注意到的关联”，包括公设辩护律师和法官自己也没有注意到，穆莱纳森说。
他指出，算法有时能发现人类无法察觉的“看似不可思议的关联”。“这是一个人类大脑无法处理的尺度，也是人类心智无法忍受的繁琐程度，”他说。
他举了一个例子：研究人员使用AI对比那些死于突发性心脏骤停的人与未发生骤停的人之间的心电图。这些心电图看起来几乎一样，但算法能够检测到其中极其微小的差异——这是医生所遗漏的。穆莱纳森表示，这项发现可能有助于识别那些更容易发生突发性心脏骤停、并可能需要安装心脏起搏器的人群。
“头脑的自行车”
在芝加哥大学工作六年后，穆莱纳森于2024年回到麻省理工学院，担任经济学系以及电气工程与计算机科学系的教授。他目前正在领导一个名为“麻省理工学院的自行车商店”的新计划，目标是利用算法打造“头脑的自行车”。
这个意象来自《科学美国人》杂志1973年3月刊的一张图表，其比较了不同动物移动时的效率。其中，“骑自行车的人类”的效率远高于所有其他动物。穆莱纳森写道：这一发现提供了“一个愿景：电脑应该成为头脑的自行车”。
穆莱纳森与同事正在印度进行一项涉及数学学生的实验。麻省理工大学教授、该项目的合作伙伴阿谢什·兰巴昌（Ashesh Rambachan）说：“教学是一种高度依赖读心的活动。教师往往不了解学生不懂的究竟是什么。而一个算法可能会帮助他们。”
兰巴昌、穆莱纳森以及印度的合作研究者正在收集用户数千份数学作业的示例。他们计划使用AI来识别学生出错的具体位置，从而创建一种可以描绘“困惑地图”的算法。其目的是帮助教师引导学生找到正确方向，穆莱纳森说。他表示，这项工作有望“改变我们理解学生头脑的方式”。
穆莱纳森指出：“我们关于经济体系以及人们行为与决策的模型，本质上是拼凑起来的东西，经济学必须正视这一点。而算法是科学的新工厂车间，其具备帮助我们把这些模型拼合起来的能力。我认为，在未来20年，算法将帮助我们把那些哲学层面的问题转化为可以得到明确答案的科学问题。”
© 2026 International Monetary Fund. All rights reserved.
