2023年4月25日，布鲁金斯学会（Brookings Institution）发布其技术创新中心客座高级研究员Kevin C. Desouza，加拿大皇家军事学院（Royal Military College of Canada）管理系教授James S. Denford以及美国亚利桑那州立大学凯瑞商学院（W. P. Carey School of Business） 助理教授Gregory S Dawson共同撰写的评论文章《WEIRD AI：了解各国在其人工智能计划中包含的内容（WEIRD AI: Understanding what nations include in their artificial intelligence plans）》。本文从34个已制定公共人工智能政策的国家的基本国家特征的角度出发，分析了这些国家的战略要素及其战略动力，以及在文化取向上相似的国家是否对人工智能政策采取了相同的方法。
首先，作者分析了各个国家的人工智能计划中的数据管理、算法管理等六个关键要素，以从中了解各个国家如何进行人工智能部署，并按照“WEIRD框架”将国家分组，来研究其文化相似性。六要素中的数据管理是指国家设想如何获取和使用从人工智能获得的数据；算法管理涉及到国家对算法问题的认识；人工智能治理指的是人工智能的包容性、透明度和公众信任，以及适当监督的必要性；研发能力发展的重点是政府对私营部门投资人工智能的激励计划；教育能力发展的重点是人们在中学、高等教育和职业阶段对人工智能的学习，公共服务改革能力发展的重点是将人工智能应用于面向公民或支持公民的服务。“WEIRD框架”是基于西方的、受教育程度、工业化程度、富裕程度和民主程度（Western,Educated, Industrialized, Rich, and Democratic）进行国家类型分类，以确定它们在通过共同的国家假设和偏见形成的类似决策过程的基础上对各种问题的处理是否有共同之处。文章中的“西方”使用《世界人口评论》对拉丁文西方的定义，即是否属于以西欧及其后殖民时代的足迹为中心，拥有共同语言和文化背景的国家。“受教育程度”是基于联合国人类发展指数中的平均受教育年限，其中12年（高中毕业）被认为是高教育和低教育之间的分界点。“工业化”采用世界银行的国内生产总值工业增加值，按照人均增加值的中位数3500美元将高工业化和低工业化分开。“富裕”采用瑞士信贷全球财富数据库中衡量每个成年人的平均财富，其中12.5万美元的财富是各国的中值。“民主”采用经济学人智库的民主指数，该指数区分了民主和专制政权的不同程度，其中混合政权的中点（5.0分）是民主和非民主的分界点。图1描绘了研究样本中的34个国家，具体如下。结果来自于纯粹的WEIRD国家，包括许多西欧国家和一些密切的贸易伙伴和盟国，如美国、加拿大、澳大利亚和新西兰。所有34个国家根据它们具有的西方、受教育、工业化和民主等属性的排列组合和分类。
其次，作者通过定性配置分析（Qualitative Configuration Analysis，QCA）比较每个国家分组与六个要素的存在与否，阐释了各国“WEIRD框架”分类和人工智能战略之间的相关性和每个国家如何单独看待人工智能以及在其特定分组中的情况。首先，在数据管理方面，拥有高度发达计划的国家有三种不同的配置。对于第一种配置为WeIRD国家（如法国、意大利、葡萄牙和西班牙）来说，“属于西方国家”是预测其是否将数据管理纳入人工智能计划的最佳因素，没有受过教育也是核心因素，因为这很可能会使这些国家意识到他们需要在数据管理方面迎头赶上。对于第二种配置的WEIrD国家（捷克、爱沙尼亚、立陶宛和波兰等）来说，民主是核心，也是预测其如何制定人工智能计划的最重要的因素，这表明这些国家已经有效地制定了数据管理计划，并将联合其民主盟友来达成目的。对于第三种配置的weirD国家（墨西哥、塞尔维亚、乌拉圭和印度等）来说，唯一重要的因素是民主程度，这些国家能够在低财富、低教育和低工业化的背景下做到这一点，表明了投资人工智能数据管理作为低成本建立人工智能政策的重要性。综合来看，这些国家有许多共同点，但一个国家属于西方国家和/或民主国家是预测一个国家如何在其计划中制定数据治理战略的最佳因素。文章还研究了哪些原因导致一些国家缺乏高度发展的数据管理计划。例如，既不富裕也不民主是wEIrd国家（俄罗斯、阿联酋）的核心原因，不属于西方国家，但受过高等教育是wEIRD国家（日本和韩国）中的核心原因。这两个组合的共同点都是工业化国家，但不是西方国家。其次，在算法管理方面，除了WeriD国家（墨西哥、塞尔维亚和乌拉圭）外，没有明显的模式显示某一类国家承认算法管理的价值。算法管理的低结果有两种配置，第一种wEIRD（日本和韩国）以及weIRD（新加坡）的核心条件是富裕和民主，第二种wEIrd（俄罗斯和阿联酋）的核心条件是不富裕和不民主，这两种配置的共同点是不属于西方国家，但属于工业化。第三，在人工智能治理方面，除了WeirD国家（墨西哥、塞尔维亚和乌拉圭）以外没有明显的人工智能治理高结果模式。而人工智能治理的低结果对应有三种不同的配置，第一种wEIRD以及weIRD，其核心原因是不属于西方国家，但属于富裕和民主国家，第二种wEIrd的核心要素是受教育，第三种weirD的核心要素是民主。六个国家的三种配置的共同点是不属于西方的分类。这三点都表明西方国家普遍比非西方国家更关心数据管理、算法管理和人工只能治理的问题。
最后，作者分析了其余三个关键要素，并从东、西方国家发展的不同出发，给出切实建议。在研发能力发展方面，东、西方国家一样，无论民主与否，同样注重能力发展和研发投资。高研发能力有四种配置，第一种配置是WEIRD国家和WEIrD国家，对于后者来说，他们虽然不是较富裕的国家，但他们仍然设法在研发方面进行大量投资。第二种配置的WeirD国家的加入是由于其普遍的民主性质，但教育、工业化和财富水平较低。第三种配置包括非西方、非民主的国家，如welRd国家（卡塔尔），对这些国家来说能力发展相较于其他要素是最重要的，其投资于人工智能的应用比其治理要重要得多。第四种配置包括非西方但民主的国家，如wEIRD国家（日本、韩国）和weIRD国家（新加坡）。在高教育能力发展方面，有WEIrD和WeirD两种配置，共七个国家，其都具有属于西方、民主但不富裕的核心条件，并且这些国家似乎正专注于创造教育机会，以便在人工智能领域追赶其他国家。三种低教育能力发展的配置则包括，第一种wEIRD国家（日本和韩国）以及weIRD国家（新加坡），第二种weIRd国家（卡塔尔），而第三种wEIrd国家（俄罗斯和阿联酋）以及weirD国家（印度），这些国家的共同因素是非西方国家。这表明改善人工智能结果而进行的教育投资主要是西方现象，与其他计划要素无关。作者就公共服务改革能力发展指出，目前没有发现任何一致的高公共服务改革能力发展的配置，但有三种对此类计划的低投资配置。第一种是wEIRD国家（日本和韩国），第二种是weIRd国家（卡塔尔），第三种是weirD国家（印度），其共同核心因素是它们都不是西方国家。作者表示其期望各国在包括某些要素方面有更多的共同点，但研究结果的零散性可能反映了各国仍处于人工智能应用的早期阶段，仍在不断摸索，但随着时间的推移，WEIRD国家将开始在什么是重要的方面趋于一致，并在他们的国家计划中得到反映。同时，东、西方在其计划中对人工智能发展采取了非常不同的方法：东方几乎只专注于建立其研发能力，在很大程度上忽视了技术管理的传统“护栏”（例如，数据治理、数据管理、教育、公共服务改革），而西方国家几乎只专注于确保这些“护栏”是否到位，在建设对人工智能发展至关重要的研发能力方面花费的精力相对较少。许多西方技术领袖呼吁暂停人工智能发展六个月，以让合适的”护栏”到位，但面对中国的领先地位，唯一审慎的策略是在继续从事人工智能发展的同时建立“护栏”，否则即使西方开发出一套伟大的“护栏”，也没有有价值的东西可以守护。
