基于数据的方法以做出更好的选择
内容提要
麻省理工学院开设的新课程14.163（算法与行为科学）探讨机器学习在理解人类行为、减少偏见和改善社会中的应用。课程目标是通过科学研究和政策驱动，教授学生如何利用算法提升决策质量。课程强调跨学科合作，结合经济学、计算机科学和人工智能，帮助学生将行为经济学与算法工具结合，以应对社会问题。
延伸解读
跨学科融合：经济学与计算机科学的交汇
课程14.163由经济学与计算机科学领域的教授联合授课，强调行为经济学与机器学习工具的整合。这种跨学科设计旨在培养学生从多角度理解算法决策，并探索如何将人类行为洞察融入算法设计，以改善司法、医疗和信贷等领域的决策质量。
算法偏见与数据生成：行为经济学的关键角色
文章指出，算法使用的数据往往由人产生，因此理解行为经济学对于认识算法影响至关重要。课程引导学生批判性思考监督学习模型的能力与局限，并探讨如何通过结合行为经济学减少决策中的偏见，从而设计更公平的系统。
学生视角：从怀疑到拥抱跨学科研究
经济学博士生Jimmy Lin最初对课程主张持怀疑态度，但随着课程深入，他认识到AI与行为科学相互依存。课程强调“生产者思维”，鼓励学生思考未来十年的研究，而非局限于现有文献。这种前瞻性视角有助于在快速发展的交叉领域开创新问题和新方法。
实践意义：重塑社会系统与决策流程
课程目标不仅在于科学理解人类行为，更在于通过改进决策来改善社会。学生将学习如何利用算法工具重新设计司法、医疗和消费信贷等现有系统，并识别行为经济学与算法结合最有成效的领域。这为未来政策制定和行业实践提供了数据驱动的新思路。
Q&A
麻省理工学院的新课程14.163主要研究什么内容？
该课程主要研究机器学习在理解人类行为、减少偏见和改善社会中的应用。
课程14.163的目标是什么？
课程目标是通过科学研究和政策驱动，教授学生如何利用算法提升决策质量。
学生在课程中学习哪些技能？
学生学习如何使用机器学习工具，理解其工作原理，并将行为经济学的见解与算法工具整合。
课程如何帮助减少决策中的偏见？
课程通过改进决策过程，重塑法律、医疗和消费信贷等领域的现有系统，来减少决策中的偏见。
课程强调了哪些学科的合作？
课程强调经济学、计算机科学和人工智能的跨学科合作。
学生如何批判性思考监督学习模型的能力？
学生被鼓励批判性思考监督学习模型的能力，并识别行为经济学与算法工具结合的最有成效的领域。
