{ "title": "AI经济学家", "sourceUrl": "https://www.imf.org/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist", "canonical": "https://www.imf.org/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist", "overlayPath": "/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist/index.md", "summary": "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。", "sections": [ { "heading": "概述", "content": "- 采访者：鲍勃·西米森（Bob Simison）。 \n- 受访者：麻省理工学院行为经济学家森迪尔·穆莱纳森（Sendhil Mullainathan）。 \n- 出版：金融与发展，2025年12月。 \n- 主题聚焦：将人工智能（AI）与经济学研究结合，利用算法改善决策（从求职、法院保释裁决到医疗检测解读等领域）。" }, { "heading": "个人与学术经历", "content": "- 年龄与出身：现年52岁，出生于印度泰米尔纳德邦金奈以南的小村庄。 \n- 家庭与早年经历：父亲马克（Mark）赴美攻读航空航天工程博士，森迪尔三岁时父亲离家求学；父亲后在南加州多家航空航天公司就业，后因行政命令失去工作，家庭经营录像带租赁店与电脑销售。 \n- 教育轨迹与转折：收到PSAT后赴克拉克森学校就读，16岁离家赴北美求学，后入康奈尔大学主修数学并兼修计算机科学和经济学；1998年获得经济学博士学位（博士阶段原曾被麻省理工学院计算机科学博士项目录取但推迟一年入学以申请哈佛经济学博士）。 \n- 职业经历：先后在哈佛大学、芝加哥大学和麻省理工学院任教。" }, { "heading": "重要研究与影响", "content": "- 学术影响力：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；其全部研究作品被累计引用了近100,000次。文中指出：“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”。 \n- 早期与代表性研究： \n - 关于CEO薪酬与运气（2001年），发现CEO薪酬对运气的反应极为显著（“运气”包括油价变化）。 \n - 2004年与玛丽安娜·伯特兰合作的实验：向芝加哥和波士顿投递虚构简历，发现带有“白人姓名”的简历获得的回复率高出了50%。该论文题为“艾米莉和格雷格是否比拉吉莎和亚马尔更容易被雇用？”。 \n - 与埃尔达·沙菲尔（Eldar Shafir）历时近十年的稀缺研究，2013年出版著作《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）。研究发现：稀缺显著影响大脑运转，使人陷入稀缺循环。 \n- 荣誉与资助：2002年获得麦克阿瑟基金会50万美元的资助；在该基金会董事会任职长达12年，直至去年六月。" }, { "heading": "聚焦AI：方法、发现与应用", "content": "- 转向AI的时间线与动机：自2012年起将机器学习用于研究人类决策行为；2017年与四位同事发表论文，研究机器学习能否改善法官在保释/羁押问题上的判决。穆莱纳森认为：“AI太重要了，不能将它只交给计算机科学家。” \n- 具体研究与数据：2017年研究使用包含2008年至2013年间纽约市70多万名被捕者的数据集，算法评估被告逃跑或再次犯罪的风险并辅助法官决策。 \n- 量化发现（法庭决策）：研究者估计： \n - 使用风险评估算法可在不增加羁押人数的前提下，将犯罪率降低25%； \n - 或在不增加犯罪率的情况下，将羁押人数减少42%。 \n- 关于法官决策偏误：研究显示法官会受到“赌徒谬误”影响（例如看到连续四次高风险被拘留后，对下一名被视为高风险的被告容易给予保释）。 \n- 2024年研究发现：基于北卡罗来纳州数据，预审照片中仪容整洁的人，或者脸部较宽、较圆的人更有可能获得保释而非继续羁押——算法揭示了司法参与者未必察觉的关联。 \n- 医疗检测应用示例：AI可以从看似相同的心电图中检测出极其微小差异，从而识别更易发生突发性心脏骤停、可能需要安装心脏起搏器的人群。穆莱纳森指出算法能发现“人类无法察觉的‘看似不可思议的关联’”。" }, { "heading": "“头脑的自行车”计划与教育实验", "content": "- 回归MIT：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。 \n- “麻省理工学院的自行车商店”计划：目标是利用算法打造“头脑的自行车”（比喻电脑成为增强人类思维的工具）。该意象来自《科学美国人》1973年3月刊图表。 \n- 印度教育实验：与麻省理工学院教授阿谢什·兰巴昌（Ashesh Rambachan）及印度合作研究者合作，在印度对数学学生进行实验，收集数千份数学作业示例，计划使用AI识别学生出错的具体位置，创建“困惑地图”，以帮助教师引导学生找到正确方向。兰巴昌表示：“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。”" }, { "heading": "对经济学与未来研究的影响与主张", "content": "- 方法论主张：穆莱纳森认为经济学必须承认其模型“本质上是拼凑起来的东西”，并主张算法作为“科学的新工厂车间”，能帮助将哲学层面的问题转化为可得到明确答案的科学问题。 \n- 未来展望：穆莱纳森断言：“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。”他强调算法在改善决策中的潜力，并认为经济学在这一刻拥有独特优势，因为经济学家习惯面对现实生活中的模糊与复杂性。\n\n---\n\n\nSource: https://www.imf.org/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist" } ], "bullets": [ "[Markdown version](/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist/index.md)", "[Structured JSON version](/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist/index.json)", "[Bundle manifest](/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist/bundle-manifest.json)", "Authors: BOB SIMISON", "Published: December 17, 2025", "采访者：鲍勃·西米森（Bob Simison）。", "受访者：麻省理工学院行为经济学家森迪尔·穆莱纳森（Sendhil Mullainathan）。", "出版：金融与发展，2025年12月。", "主题聚焦：将人工智能（AI）与经济学研究结合，利用算法改善决策（从求职、法院保释裁决到医疗检测解读等领域）。", "年龄与出身：现年52岁，出生于印度泰米尔纳德邦金奈以南的小村庄。", "家庭与早年经历：父亲马克（Mark）赴美攻读航空航天工程博士，森迪尔三岁时父亲离家求学；父亲后在南加州多家航空航天公司就业，后因行政命令失去工作，家庭经营录像带租赁店与电脑销售。", "教育轨迹与转折：收到PSAT后赴克拉克森学校就读，16岁离家赴北美求学，后入康奈尔大学主修数学并兼修计算机科学和经济学；1998年获得经济学博士学位（博士阶段原曾被麻省理工学院计算机科学博士项目录取但推迟一年入学以申请哈佛经济学博士）。", "职业经历：先后在哈佛大学、芝加哥大学和麻省理工学院任教。", "学术影响力：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；其全部研究作品被累计引用了近100,000次。文中指出：“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”。", "早期与代表性研究：", "荣誉与资助：2002年获得麦克阿瑟基金会50万美元的资助；在该基金会董事会任职长达12年，直至去年六月。", "转向AI的时间线与动机：自2012年起将机器学习用于研究人类决策行为；2017年与四位同事发表论文，研究机器学习能否改善法官在保释/羁押问题上的判决。穆莱纳森认为：“AI太重要了，不能将它只交给计算机科学家。”", "具体研究与数据：2017年研究使用包含2008年至2013年间纽约市70多万名被捕者的数据集，算法评估被告逃跑或再次犯罪的风险并辅助法官决策。", "量化发现（法庭决策）：研究者估计：", "关于法官决策偏误：研究显示法官会受到“赌徒谬误”影响（例如看到连续四次高风险被拘留后，对下一名被视为高风险的被告容易给予保释）。", "2024年研究发现：基于北卡罗来纳州数据，预审照片中仪容整洁的人，或者脸部较宽、较圆的人更有可能获得保释而非继续羁押——算法揭示了司法参与者未必察觉的关联。", "医疗检测应用示例：AI可以从看似相同的心电图中检测出极其微小差异，从而识别更易发生突发性心脏骤停、可能需要安装心脏起搏器的人群。穆莱纳森指出算法能发现“人类无法察觉的‘看似不可思议的关联’”。", "回归MIT：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。", "“麻省理工学院的自行车商店”计划：目标是利用算法打造“头脑的自行车”（比喻电脑成为增强人类思维的工具）。该意象来自《科学美国人》1973年3月刊图表。", "印度教育实验：与麻省理工学院教授阿谢什·兰巴昌（Ashesh Rambachan）及印度合作研究者合作，在印度对数学学生进行实验，收集数千份数学作业示例，计划使用AI识别学生出错的具体位置，创建“困惑地图”，以帮助教师引导学生找到正确方向。兰巴昌表示：“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。”", "方法论主张：穆莱纳森认为经济学必须承认其模型“本质上是拼凑起来的东西”，并主张算法作为“科学的新工厂车间”，能帮助将哲学层面的问题转化为可得到明确答案的科学问题。", "未来展望：穆莱纳森断言：“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。”他强调算法在改善决策中的潜力，并认为经济学在这一刻拥有独特优势，因为经济学家习惯面对现实生活中的模糊与复杂性。" ], "alternates": { "markdown": "/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist/index.md", "json": "/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist/index.json", "bundleManifest": "/zh/publications/fandd/issues/2025/12/people-in-economics-sendhil-mullainathan-the-ai-economist/bundle-manifest.json" }, "generatedAtUtc": "2026-09-16T03:41:31.158Z" }