算法與人工智能：為更美好的世界而努力
助理教授Manish Raghavan希望利用計算技術來解決社會問題。
在算法決策和人工智能帶來的好處中——包括在各個領域的速度、效率和預測能力的革命性改變——Raghavan正在努力減少相關風險，同時尋找機會，將這些技術應用於解決既有的社會問題。
Raghavan表示：「我最終希望我的研究能促進對長期社會問題的更好解決方案。」他是麻省理工學院斯隆管理學院及電氣工程與計算機科學系的Drew Houston職業發展教授，同時也是信息與決策系統實驗室（LIDS）的主要研究人員。
Raghavan的意圖在他對人工智能在招聘中應用的探索中得到了很好的體現。他提到：「很難說招聘實踐歷史上特別好或值得保留，而從歷史數據學習的工具會繼承人類過去的所有偏見和錯誤。」
然而，Raghavan指出了一個潛在的機會：「衡量歧視一直很困難，但基於人工智能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理解如何利用這種改進的可見性來找出系統何時表現不佳。」
在舊金山灣區長大，父母均擁有計算機科學學位的Raghavan表示，他最初想成為醫生。然而，在即將入學的前夕，他對數學和計算的熱愛使他選擇了計算機科學。大學期間，他在康奈爾大學與計算機科學及信息科學教授Jon Kleinberg一起從事研究，決定在那裡攻讀博士學位，論文主題為「算法決策的社會影響」。
Raghavan因其工作獲得了多個獎項，包括國家科學基金會研究生獎學金、微軟研究博士獎學金和康奈爾大學計算機科學系博士論文獎。2022年，他加入了麻省理工學院的教職。
也許是回想起他早期對醫學的興趣，Raghavan研究了一種用於胃腸出血患者分流的高準確度算法篩查工具——格拉斯哥-布拉奇福德評分（GBS），是否能通過專家醫生的建議來改善判斷結果。他說：「GBS的準確率大致與人類相當，但這並不意味著某些個別患者或小組患者的判斷是正確的，醫生的判斷可能更準確。我們希望能提前識別這些患者，使醫生的反饋特別有價值。」
Raghavan還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。他指出，問題在於用戶可能以類似隨意選擇薯片的方式選擇觀看內容，雖然這些內容瞬間滿足了他們，但卻未必有益於長期的健康。這種經歷可能在當下令人滿意，但最終會讓用戶感到不適。
Raghavan和他的同事們開發了一個模型，展示了用戶在即時滿足與長期滿意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促進更健康的使用體驗。該模型在2022年計算機協會經濟與計算會議上獲得了傑出應用建模論文獎。
Raghavan表示：「長期滿意最終是重要的，即使你只關心公司的利益。如果我們能開始建立證據，顯示用戶和企業的利益更加一致，我希望我們能推動更健康的平台，而不必解決用戶和平台之間的利益衝突。當然，這是理想主義的。但我覺得，這些公司裡有足夠多的人相信，能讓每個人更快樂的空間，他們只是缺乏實現這一點的概念和技術工具。」
談到如何提出這些工具的想法以及如何最佳應用計算技術，Raghavan表示，他最好的想法往往是在思考一個問題一段時間後出現。他建議他的學生們，像他一樣，將一個非常困難的問題擱置一天，然後再回到它上面。「第二天的事情通常會更好。」他說。
當他不在思考問題或教學時，Raghavan經常在戶外的足球場上，擔任哈佛男子足球俱樂部的教練，這個職位是他非常珍惜的。「如果我知道晚上要在場上，我就無法拖延，這讓我在一天結束時有期待。」他說。「我試著在日程中安排一些對我來說至少和工作一樣重要的事情，這樣可以讓挑戰和挫折有個相對的背景。」
在考慮如何將計算技術應用於更好地服務於我們的世界時，Raghavan表示，他認為自己所在領域最令人興奮的事情是人工智能將為「人類和人類社會」帶來新的見解。「我希望我們能利用它來更好地理解自己。」他說。
這篇報導不僅展示了Raghavan在人工智能和算法方面的研究，還引發人們對於如何在技術迅速發展的同時，保持人性與倫理的思考。隨著算法在我們生活中扮演越來越重要的角色，如何確保這些技術能夠真正服務於人類，而不是加深社會不平等，將是未來學者和從業者必須面對的重大挑戰。Raghavan的研究不僅是對技術的探索，更是一種對社會責任的呼籲，提醒我們在追求效率和創新時，不應忽視對人類福祉的關注。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
