Marc Tingley是RAND公司的一名AI政策研究员，RAND是一家非营利的全球政策智库。他的工作聚焦于人工智能与公共政策的交叉领域，包括风险评估、治理框架以及新兴技术的社会影响。Tingley为日益增长的AI治理文献做出了贡献，经常研究政府和组织如何负责任地开发和部署AI系统。
Tingley的研究既涉及近期运营挑战，也涉及机器学习及相关领域提出的长期战略问题。他参与了分析生成式AI潜在风险的项目，包括安全、伦理和监管问题。他的出版物通常旨在以证据为基础的分析为政策制定者提供信息，借鉴技术和社会科学的视角。
早期生活与教育
Marc Tingley接受了与技术及政策相关领域的学术训练。虽然他早期教育的具体细节并未广泛公开，但他后来的工作表明他在计算机科学和公共政策方面有坚实基础。他曾参与跨学科研究社区，与来自麻省理工学院计算机科学与人工智能实验室和斯坦福AI实验室等机构的专家合作。
在RAND公司的职业生涯
在RAND公司，Tingley为该组织的技术与安全项目下的多项研究计划做出了贡献。他的项目包括评估AI对国家安全、劳动力自动化以及自主系统伦理部署的影响。在一项引人注目的研究中，Tingley及其同事考察了AI如何影响政府机构的决策过程，提出了人工监督和算法问责的框架。
Tingley还撰写或合著了将技术发展与政策选项相结合的报告。例如，他的工作讨论了大型语言模型在信息生态系统中的作用，包括其被滥用的可能性及缓解策略的有效性。他经常参加研讨会和咨询小组，弥合AI研究人员与政策制定者之间的差距。
对AI治理的研究贡献
Tingley研究的核心主题之一是神经网络和深度学习系统的治理。他主张主动风险管理，强调需要适应性监管框架以跟上快速的技术变革。他的著作经常强调AI发展中的不确定性，例如预测模型行为的困难以及审计复杂系统的挑战。
Tingley探讨了具体的治理机制，包括透明度要求、影响评估以及测试和评估的标准。他在政策背景下引用了RLHF和梯度裁剪等技术概念，说明了技术保障与治理目标之间的关系。他的分析经常承认主要AI开发商（如OpenAI、Anthropic和Google DeepMind）在塑造行业规范中的作用。
出版物与影响
Marc Tingley的出版物出现在RAND的研究报告、政策简报和同行评审的场所中。虽然不如一些行业人物那样公开突出，但他的工作已被学术文献和政策讨论引用。他合著了提出AI系统风险分类的文章，将威胁从网络攻击归类到错误信息。这些贡献帮助定义了AI治理辩论中使用的词汇。
Tingley以其平衡的视角而闻名，承认transformer架构的潜在好处以及谨慎的必要性。他的写作风格易于理解，旨在让非专家也能理解复杂的技术问题。这种可访问性使他的工作对寻求可靠分析的教育工作者、记者和政策制定者有用。
当前关注与未来方向
截至2024年，Tingley继续研究AI政策中的新兴挑战，包括开源模型的治理以及AI安全工作的国际协调。他特别感兴趣的是如何将云服务提供商和其他基础设施参与者纳入问责框架。他未来的工作预计将解决日益自主的AI代理的社会影响，基于他早期的研究。
Tingley仍是RAND研究团队的成员，为由政府和慈善来源资助的多年项目做出贡献。他与其他政策分析师和技术专家的持续合作，使他有能力在未来几年影响AI治理的演变。