Dit artikel introduceert het werk The Microeconomics of Artificial Intelligence van professor Joshua Gans. De centrale stelling is dat AI-vooruitgang in essentie bestaat uit statistische technieken voor voorspelling, wat een directe impact heeft op de efficiëntie van besluitvorming binnen bedrijven en sectoren.
In plaats van te focussen op macro-economische effecten zoals algemene werkgelegenheid, analyseert Gans de micro-economische dynamiek aan de hand van vier pijlers:
- AI Vraag: De waarde van voorspellingen, de rol van substituten en complementen, en de impact op automatisering.
- AI Aanbod: De generatie van input- en trainingsdata.
- AI Prijsstelling: Hoe prijsvorming plaatsvindt in zowel concurrerende als monopolistische markten.
- AI Beleid: De regulering rondom marktmacht, privacy, intellectueel eigendom, bias en desinformatie.
De Micro-economie van Kunstmatige Intelligentie
Over de auteur
Joshua Gans is professor Strategic Management en bekleedt de Jeffrey S. Skoll Chair of Technical Innovation and Entrepreneurship aan de Rotman School of Management van de Universiteit van Toronto. Hij is onder andere de auteur van The Disruption Dilemma (MIT Press) en co-auteur van Prediction Machines en Innovation + Equality (MIT Press).
Inleiding
Dit werk biedt een uitgebreide behandeling van de micro-economie die gepaard gaat met de adoptie en het gebruik van kunstmatige intelligentie (AI).
Het is algemeen erkend dat recente vorderingen in AI uitsluitend vorderingen zijn in statistische technieken voor voorspelling. Hoewel dit automatisering kan vergemakkelijken, is dit resultaat secundair aan de impact van AI op besluitvorming. Vanuit een economisch perspectief hebben voorspellingen een eerstelijnsimpact op de efficiëntie van de besluitvorming.
In The Microeconomics of Artificial Intelligence onderzoekt Joshua Gans AI als een vorm van voorspelling die de besluitvorming verbetert en mogelijk maakt. Hij richt zich hierbij op de effecten die optreden binnen bedrijven of sectoren, in plaats van op brede economische effecten op werkgelegenheid en productiviteit.
De analyse omvat de volgende kernpunten:
- De aanbod- en productiekenmerken van AI.
- De drijfveren voor de vraag naar AI-voorspellingen.
- De manier waarop aanbod- en vraagcondities leiden tot een prijs voor voorspellingen en hoe deze prijs wordt gevormd door de marktstructuur.
- De belangrijkste beleidstafwegingen voor antitrust, privacy en andere reguleringen vanuit een micro-economisch perspectief.
Inhoudsopgave
Voorbereidend materiaal
- Voorwoord
- 1: De economische impact van AI
- 2: Vooruitgang in Machine Learning
Deel I: AI Vraag
- 3: De waarde van voorspelling
- 4: Substituten voor voorspelling
- 5: Complementen van voorspelling
- 6: Automatisering
- 7: Systeumeffecten
Deel II: AI Aanbod
- 8: Generatie van inputdata
- 9: Generatie van trainingsdata
Deel III: AI Prijsstelling
- 10: Prijsstelling met exogeen oordeel
- 11: Prijsstelling met endogeen oordeel
- 12: Prijsstelling in een concurrerende markt
- 13: Prijsstelling in een monopolistische markt
- 14: Voorspelling voor onderhandelingen
Deel IV: AI Beleid
- 15: Marktmacht
- 16: Collusie
- 17: Privacyregulering
- 18: Intellectuele eigendomsrechten
- 19: Desinformatie
- 20: Bias en discriminatie
- 21: Het reguleren van adoptie
- 22: Gedragsmatige en sociale impacten
Bijlagen
- Notities
- Referenties
- Index
De Micro-economie van Kunstmatige Intelligentie
Over de auteur
Joshua Gans is professor Strategic Management en bekleedt de Jeffrey S. Skoll Chair of Technical Innovation and Entrepreneurship aan de Rotman School of Management van de Universiteit van Toronto. Hij is onder andere de auteur van The Disruption Dilemma (MIT Press) en co-auteur van Prediction Machines en Innovation + Equality (MIT Press).
Inleiding
Dit werk biedt een uitgebreide behandeling van de micro-economie die gepaard gaat met de adoptie en het gebruik van kunstmatige intelligentie (AI).
Het is algemeen erkend dat recente vorderingen in AI uitsluitend vorderingen zijn in statistische technieken voor voorspelling. Hoewel dit automatisering kan vergemakkelijken, is dit resultaat secundair aan de impact van AI op besluitvorming. Vanuit een economisch perspectief hebben voorspellingen een eerstelijnsimpact op de efficiëntie van de besluitvorming.
In The Microeconomics of Artificial Intelligence onderzoekt Joshua Gans AI als een vorm van voorspelling die de besluitvorming verbetert en mogelijk maakt. Hij richt zich hierbij op de effecten die optreden binnen bedrijven of sectoren, in plaats van op brede economische effecten op werkgelegenheid en productiviteit.
De analyse omvat de volgende kernpunten:
- De aanbod- en productiekenmerken van AI.
- De drijfveren voor de vraag naar AI-voorspellingen.
- De manier waarop aanbod- en vraagcondities leiden tot een prijs voor voorspellingen en hoe deze prijs wordt gevormd door de marktstructuur.
- De belangrijkste beleidstafwegingen voor antitrust, privacy en andere reguleringen vanuit een micro-economisch perspectief.
Inhoudsopgave
Voorbereidend materiaal
- Voorwoord
- 1: De economische impact van AI
- 2: Vooruitgang in Machine Learning
Deel I: AI Vraag
- 3: De waarde van voorspelling
- 4: Substituten voor voorspelling
- 5: Complementen van voorspelling
- 6: Automatisering
- 7: Systeumeffecten
Deel II: AI Aanbod
- 8: Generatie van inputdata
- 9: Generatie van trainingsdata
Deel III: AI Prijsstelling
- 10: Prijsstelling met exogeen oordeel
- 11: Prijsstelling met endogeen oordeel
- 12: Prijsstelling in een concurrerende markt
- 13: Prijsstelling in een monopolistische markt
- 14: Voorspelling voor onderhandelingen
Deel IV: AI Beleid
- 15: Marktmacht
- 16: Collusie
- 17: Privacyregulering
- 18: Intellectuele eigendomsrechten
- 19: Desinformatie
- 20: Bias en discriminatie
- 21: Het reguleren van adoptie
- 22: Gedragsmatige en sociale impacten
Bijlagen
- Notities
- Referenties
- Index
Groetjes,