在算法决策和人工智能所带来的好处中——包括在广泛领域内革命性的速度、效率和预测能力——Manish Raghavan 正在努力减轻相关风险，同时寻求将这些技术应用于解决现有社会问题的机会。
“我最终希望我的研究能够推动更好的解决方案来应对长期存在的社会问题，”Raghavan 说，他是德鲁·休斯顿职业发展教授，同时也是麻省理工学院斯隆管理学院和麻省理工学院施瓦茨曼计算学院电气工程与计算机科学系的共享教员，以及信息与决策系统实验室（LIDS）的首席研究员。
Raghavan 意图的一个很好的例子可以在他对人工智能在招聘中应用的探索中找到。
Raghavan 说：“很难说历史上的招聘实践特别好或值得保留，而从历史数据中学习的工具会继承人类过去所犯的所有偏见和错误。”
然而，在这里，Raghavan 提到了一个潜在的机会。
“衡量歧视一直很困难，”他说，并补充道，“基于人工智能的系统有时比人类更容易观察和测量，我工作的一个目标是理解我们如何利用这种改进的可见性来找出系统何时表现不佳的新方法。”
在旧金山湾区长大，父母都拥有计算机科学学位的 Raghavan 说，他最初想成为一名医生。然而，在上大学之前，他对数学和计算的热爱促使他追随家族的榜样进入计算机科学。在康奈尔大学与计算机科学和信息科学教授 Jon Kleinberg 一起进行本科研究的一个夏天后，他决定在那里攻读博士学位，撰写关于“算法决策的社会影响”的论文。
Raghavan 因其工作获得了多个奖项，包括国家科学基金会研究生研究奖学金、微软研究博士奖学金和康奈尔大学计算机科学系博士论文奖。
2022年，他加入了麻省理工学院的教职。
也许是回想起他早期对医学的兴趣，Raghavan 研究了在对胃肠道出血患者进行分诊时使用的高精度算法筛查工具（即格拉斯哥-布拉奇福德评分，GBS）的判断是否可以通过补充专家医生的建议来改善。
“GBS 的表现大致与人类相当，但这并不意味着没有个别患者或小组患者的判断是错误的，而医生的判断可能是正确的，”他说。“我们的希望是能够提前识别这些患者，以便医生的反馈在这些情况下特别有价值。”
Raghavan 还研究了在线平台如何影响用户，考虑社交媒体算法如何观察用户选择的内容，然后向他们展示更多相同类型的内容。Raghavan 说，困难在于用户可能选择他们所查看的内容，就像他们抓取一袋薯片一样，虽然美味但并不营养。这样的体验可能在当下令人满意，但可能会让用户感到稍微不适。
Raghavan 和他的同事们开发了一个模型，描述了一个有冲突欲望的用户——对即时满足的渴望与对长期满足的期望——如何与平台互动。该模型展示了如何改变平台的设计以鼓励更健康的体验。该模型在2022年计算机协会经济与计算会议上获得了杰出应用建模轨道论文奖。
“长期满意度最终是重要的，即使你只关心公司的利益，”Raghavan 说。“如果我们能够开始建立证据，证明用户和企业的利益更加一致，我希望我们能够推动更健康的平台，而不需要解决用户和平台之间的利益冲突。当然，这很理想化。但我感觉这些公司的足够多人相信有空间让每个人更快乐，只是缺乏实现这一目标的概念和技术工具。”
关于他如何提出这些工具和概念的想法，以最佳方式应用计算技术，Raghavan 说他最好的想法通常是在他思考一个问题一段时间后浮现出来。他会建议他的学生，像他一样把一个非常困难的问题放一边一天，然后再回到它上。
“第二天通常会更好，”他说。
当他不在思考问题或教学时，Raghavan 经常可以在户外的足球场上找到他，担任哈佛男子足球俱乐部的教练，这是他非常珍视的职位。
“如果我知道晚上要在球场上度过，我就无法拖延，这让我在一天结束时有期待，”他说。“我试图在我的日程中安排一些对我来说至少和工作一样重要的事情，以便将这些挑战和挫折放在上下文中。”
当 Raghavan 考虑如何将计算技术应用于更好地服务于我们的世界时，他表示他发现自己所在领域中最令人兴奋的事情是人工智能将为“人类和人类社会”打开新的洞察。
“我希望，”他说，“我们可以利用它更好地理解我们自己。”
