两位麻省理工学院的经济学家，Daron Acemoglu 和研究生 Todd Lensman，提出了一种经济模型来解决对人工智能（AI）的监管问题。
他们认为，对于具有变革性的技术，较慢的推广可能更好，并且结合对该技术的税收和对特定行业使用该技术的限制，可以取得最佳效果。
根据他们的研究，较慢的推广可以让我们更好地了解该技术的潜在风险和好处，以便更好地控制和应对风险。私人企业只承担了人工智能滥用的一部分成本，因此它们往往有更快地采用该技术的动力。为了强制技术以合理速度被采用，研究人员考虑了税收方案，但发现这些方案在理论上并不有效。
他们建议采用某种税收机制与将该技术限制在风险较低的特定行业中相结合的规定。这种 “监管沙盒” 方法已经在新技术中很常见，它可以延迟高风险行业对机器学习的采用，直到我们更好地了解它。
虽然有人主张加快机器学习的采用速度，但也有一大部分人仍然认为应该放慢速度，因为我们尚未完全了解这种强大技术的风险。
研究人员也承认他们的假设可能是错误的，并提出未来的研究可以探讨在某些行业进行实验的方式，以不增加总体风险。
