Stellen Sie sich eine Welt vor, in der wichtige Entscheidungen – die Strafmaßempfehlung eines Richters, das Behandlungsprotokoll eines Kindes, welche Particular person oder Firma einen Kredit erhalten sollte – zuverlässiger wären, weil ein intestine konzipierter Algorithmus einem wichtigen Entscheidungsträger dabei geholfen hätte, eine bessere Wahl zu treffen. Ein neuer Wirtschaftskurs am MIT untersucht diese interessanten Möglichkeiten.
Der Kurs 14.163 (Algorithmen und Verhaltenswissenschaften) ist ein neuer interdisziplinärer Kurs mit Schwerpunkt Verhaltensökonomie, der die kognitiven Fähigkeiten und Grenzen des Menschen untersucht. Der Kurs wurde im vergangenen Frühjahr gemeinsam von Ashesh Rambachan, Assistenzprofessor für Wirtschaftswissenschaften, und Sendhil Mullainathan, Gastdozent, unterrichtet.
Rambachan erforscht die wirtschaftlichen Anwendungen des maschinellen Lernens und konzentriert sich dabei auf algorithmische Werkzeuge, die die Entscheidungsfindung im Strafrechtssystem und auf den Verbraucherkreditmärkten steuern. Er entwickelt außerdem Methoden zur Bestimmung von Kausalität anhand von Querschnitts- und dynamischen Daten.
Mullainathan wird demnächst als Professor an die MIT-Fakultäten für Elektrotechnik, Informatik und Wirtschaftswissenschaften wechseln. In seiner Forschung nutzt er maschinelles Lernen, um komplexe Probleme des menschlichen Verhaltens, der Sozialpolitik und der Medizin zu verstehen. Mullainathan struggle 2003 Mitbegründer des Abdul Latif Jameel Poverty Motion Lab (J-PAL).
Die Ziele des neuen Kurses sind sowohl wissenschaftlich (Menschen verstehen) als auch politisch motiviert (die Gesellschaft durch bessere Entscheidungen verbessern). Rambachan glaubt, dass Algorithmen des maschinellen Lernens neue Werkzeuge sowohl für die wissenschaftlichen als auch für die angewandten Ziele der Verhaltensökonomie bieten.
„Der Kurs untersucht den Einsatz von Informatik, künstlicher Intelligenz (KI), Wirtschaftswissenschaften und maschinellem Lernen im Dienste besserer Ergebnisse und weniger Voreingenommenheit bei der Entscheidungsfindung“, sagt Rambachan.
Rambachan ist davon überzeugt, dass sich durch die ständige Weiterentwicklung digitaler Werkzeuge wie KI, maschinelles Lernen und große Sprachmodelle (LLMs) viele Dinge neu gestalten lassen, von diskriminierenden Praktiken bei der Strafausmessung bis hin zur Gesundheitsversorgung unterversorgter Bevölkerungsgruppen.
Die Studierenden erlernen den Umgang mit Werkzeugen des maschinellen Lernens mit drei Hauptzielen: Sie wollen verstehen, was und wie die Werkzeuge des maschinellen Lernens funktionieren, sie wollen Erkenntnisse aus der Verhaltensökonomie formalisieren, damit diese sich intestine in Werkzeuge des maschinellen Lernens einfügen, und sie wollen die Bereiche und Themen verstehen, in denen die Integration von Werkzeugen der Verhaltensökonomie und Algorithmen am fruchtbarsten sein könnte.
Die Studierenden entwickeln auch Ideen, entwickeln entsprechende Forschungsarbeiten und sehen das Gesamtbild. Sie werden dazu angeleitet, zu verstehen, wo eine Erkenntnis hinpasst und wohin die breitere Forschungsagenda führt. Die Teilnehmer können kritisch darüber nachdenken, was betreute LLMs können (und was nicht), um zu verstehen, wie diese Fähigkeiten mit den Modellen und Erkenntnissen der Verhaltensökonomie integriert werden können, und um die fruchtbarsten Bereiche für die Anwendung der Erkenntnisse aus Untersuchungen zu erkennen.
Die Gefahren von Subjektivität und Voreingenommenheit
Laut Rambachan erkennt die Verhaltensökonomie an, dass unsere Entscheidungen auch ohne Algorithmen von Voreingenommenheit und Fehlern geprägt sind. „Die von unseren Algorithmen verwendeten Daten existieren außerhalb der Informatik und des maschinellen Lernens und werden stattdessen oft von Menschen erstellt“, fährt er fort. „Das Verständnis der Verhaltensökonomie ist daher unerlässlich, um die Auswirkungen von Algorithmen zu verstehen und sie besser zu entwickeln.“
Rambachan wollte den Kurs für alle Teilnehmer zugänglich machen, unabhängig vom akademischen Hintergrund. Die Klasse umfasste fortgeschrittene Studierende aus verschiedenen Fachrichtungen.
Indem Rambachan den Studierenden einen fachübergreifenden, datengesteuerten Ansatz zur Untersuchung und Entdeckung von Möglichkeiten bietet, wie Algorithmen die Problemlösung und Entscheidungsfindung verbessern könnten, hofft er, eine Grundlage für die Neugestaltung bestehender Systeme in der Rechtswissenschaft, im Gesundheitswesen, bei Verbraucherkrediten und in der Industrie zu schaffen, um nur einige Bereiche zu nennen.
„Wenn wir verstehen, wie Daten generiert werden, können wir Voreingenommenheit besser verstehen“, sagt Rambachan. „Wir können uns fragen, wie wir bessere Ergebnisse erzielen können als das, was derzeit existiert.“
Nützliche Instruments zur Neugestaltung sozialer Aktivitäten
Der Doktorand der Wirtschaftswissenschaften Jimmy Lin struggle zu Beginn des Unterrichts skeptisch gegenüber den Behauptungen von Rambachan und Mullainathan, änderte jedoch im weiteren Verlauf des Kurses seine Meinung.
„Ashesh und Sendhil begannen mit zwei provokanten Behauptungen: Die Zukunft der Verhaltensforschung wird ohne KI nicht existieren, und die Zukunft der KI-Forschung wird ohne Verhaltenswissenschaft nicht existieren“, sagt Lin. „Im Laufe des Semesters haben sie mein Verständnis beider Felder vertieft und uns zahlreiche Beispiele gezeigt, wie die Ökonomie die KI-Forschung beeinflusst hat und umgekehrt.“
Lin, der zuvor in der Computerbiologie geforscht hatte, lobte die Betonung der Wichtigkeit einer „Produzentenmentalität“, die an das nächste Forschungsjahrzehnt und nicht an das vergangene Jahrzehnt denke. „Das ist besonders wichtig in einem so interdisziplinären und schnelllebigen Bereich wie der Schnittstelle zwischen KI und Wirtschaft – es gibt keine alte, etablierte Literatur, additionally ist man gezwungen, neue Fragen zu stellen, neue Methoden zu erfinden und neue Brücken zu bauen“, sagt er.
Auch für ihn ist die Geschwindigkeit des Wandels, auf die Lin anspielt, ein Anreiz. „Wir sehen, dass Black-Field-KI-Methoden Durchbrüche in Mathematik, Biologie, Physik und anderen wissenschaftlichen Disziplinen ermöglichen“, sagt Lin. „KI kann die Artwork und Weise verändern, wie wir als Forscher an intellektuelle Entdeckungen herangehen.“
Eine interdisziplinäre Zukunft für Ökonomie und Sozialsysteme
Das Studium traditioneller ökonomischer Instrumente und die Steigerung ihres Werts mithilfe künstlicher Intelligenz kann zu bahnbrechenden Veränderungen in der Artwork und Weise führen, wie Institutionen und Organisationen Führungskräfte unterrichten und ihnen die Möglichkeit geben, Entscheidungen zu treffen.
„Wir lernen, Veränderungen zu verfolgen, Rahmenbedingungen anzupassen und besser zu verstehen, wie wir Instruments im Dienste einer gemeinsamen Sprache einsetzen können“, sagt Rambachan. „Wir müssen die Schnittstelle zwischen menschlichem Urteilsvermögen, Algorithmen, KI, maschinellem Lernen und LLMs ständig hinterfragen.“
Lin empfahl den Kurs begeistert, unabhängig vom Hintergrund der Studenten. „Jeder, der sich allgemein für Algorithmen in der Gesellschaft, Anwendungen von KI in verschiedenen akademischen Disziplinen oder KI als Paradigma für wissenschaftliche Entdeckungen interessiert, sollte diesen Kurs besuchen“, sagt er. „Jede Vorlesung fühlte sich wie eine Goldmine an Forschungsperspektiven, neuartigen Anwendungsbereichen und Inspirationen für die Entwicklung neuer, aufregender Ideen an.“
Der Kurs, so Rambachan, argumentiert, dass besser entwickelte Algorithmen die Entscheidungsfindung in allen Disziplinen verbessern können. „Indem wir Verbindungen zwischen Ökonomie, Informatik und maschinellem Lernen herstellen, können wir vielleicht die besten menschlichen Entscheidungen automatisieren, um die Ergebnisse zu verbessern und gleichzeitig die schlechtesten zu minimieren oder zu eliminieren“, sagt er.
Lin ist nach wie vor begeistert von den noch unerforschten Möglichkeiten des Kurses. „Dieser Kurs weckt Vorfreude auf die Zukunft der Forschung und die eigene Rolle darin“, sagt er.