萨金特：当前AI擅长模式归纳处于“开普勒阶段”，但尚未抵达探究底层原理的“牛顿阶段”
5月29日，在深交所2026全球投资者大会上，2011年诺贝尔经济学奖得主、 纽约大学经济学教授托马斯 · 萨金特（ Thomas Sargent）表示，AI擅长检测和组织模式、处理海量数据集，能完成人类觉得乏味或易错的任务，但其局限性同样明显。
当前AI擅长海量数据处理、模式归纳与复杂函数拟合，处于高效总结规律的开普勒阶段（通过数据拟合出数学模型）；但无法深挖规律底层本质，尚未抵达探究底层原理的牛顿阶段（深入挖掘结构模型），核心底层创新能力仍有明显短板。
关于AI与人类的关系，萨金特从经济学家视角提出替代与辅助之分。他观察到，不少学生将AI作为替代工具，跳过基础知识学习。他本人有学习障碍，深知苦学的价值。他认为，真正掌握基础知识的人能让AI成为辅助和“能量倍增器”，而非主宰者。
新浪财经
|
发表于 