站長之家（ChinaZ.com）7月12日 消息:兩位麻省理工學院的經濟學家，Daron Acemoglu 和研究生 Todd Lensman，提出了一種經濟模型來解決對人工智能（AI）的監管問題。

他們認為，對于具有變革性的技術，較慢的推廣可能更好，并且結合對該技術的稅收和對特定行業使用該技術的限制，可以取得最佳效果。

根據他們的研究，較慢的推廣可以讓我們更好地了解該技術的潛在風險和好處，以便更好地控制和應對風險。私人企業只承擔了人工智能濫用的一部分成本，因此它們往往有更快地采用該技術的動力。為了強制技術以合理速度被采用，研究人員考慮了稅收方案，但發現這些方案在理論上并不有效。

他們建議采用某種稅收機制與將該技術限制在風險較低的特定行業中相結合的規定。這種 “監管沙盒” 方法已經在新技術中很常見，它可以延遲高風險行業對機器學習的采用，直到我們更好地了解它。

雖然有人主張加快機器學習的采用速度，但也有一大部分人仍然認為應該放慢速度，因為我們尚未完全了解這種強大技術的風險。

研究人員也承認他們的假設可能是錯誤的，并提出未來的研究可以探討在某些行業進行實驗的方式，以不增加總體風險。