人脑VS机器？ AI时代经济决策的机遇与挑战？

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

今日视频推荐

随着人工智能的蓬勃发展，计算机科学和经济学在多方面相互渗透，当这两者相遇，究竟会产生出什么样的火花，经济学和计算机科学是否相互需要？它们在哪些方面可以交叉融合？目前工业界对于经济学家的需求有哪些？

6月10日下午，AI TIME邀请了北京大学前沿计算研究中心讲席教授邓小铁、中国科学院数学与系统科学研究院研究员杨晓光、清华大学计算机系长聘副教授崔鹏、滴滴出行首席算法工程师徐哲、清华大学经济管理学院管理科学与工程系长聘副教授黎波、北京师范大学数学科学学院教授张博宇、北京师范大学系统科学学院讲师董雅丽，共话人工智能和经济的相辅相成。会话由清华大学经管学院经济系副教授刘潇和AI TIME负责人何芸主持。

均衡计算的“前生后世”

从亚当·斯密的“看不见的手”开始，经济学在过去两百多年中经历了不同的发展阶段。邓小铁指出，回顾这一历史，我们可以发现其实计算机科学的身影一直存在。兰格的市场学说提出用中央定价、计划经济的方式，模拟自由市场中“看不见的手”带来的自动调节，以到达瓦尔拉斯的市场均衡价格：一定意义上，计算和经济的联系从这个时候就开始了。1951年纳什证明了正则形式博弈的均衡存在性定理，虚拟博弈（Fictitious Play）采用学习（learning）的思想在非完全信息场景下求解纳什均衡，人工智能也开始加入到经济学的发展中，尤其到了80年代后期，计算经济学产生，受人工智能的推动，均衡计算理论有了重大突破。再后来，尼桑在“图灵之手”专栏里就经济学与复杂性的关系谈到，这一系列问题的求解过程是PPAD难解的。他引述杰恩所说“如果你的笔记本电脑求不出来解，市场也做不到”。

图片来源于邓小铁老师团队

图片来源于邓小铁老师团队

时至今日，我们却发现在计算机科学和经济学中间出现了一个空白，加州大学伯克利分校迈克尔·欧文·乔丹（Michael I. Jordan）教授在2018世界人工智能大会上号召应该将二者联系起来，“这实际上是非常重要的”。

二者结合乃大势所趋

计算机科学与经济学的结合，事实上具有一定的必然性。这两者有一个共同点，那就是不同于物理学、化学、地球科学等学科，计算机科学和经济学在某种意义上并非自然产生，而是人类设计的产物。杨晓光认为，从学科谱系来看，经济学是社会科学中的一个端点，信息科学是自然科学领域里的一大“帝国”，在学科的自然发展过程中，两大板块相互碰撞，一定会带来二者的交叉和融合。

从大的趋势上来看，世界上诸多国家将人工智能当作国家级的战略，是因为其在社会的全方位发展都具有巨大价值，人们对人工智能的愿景并不是只局限于用AI来辅助互联网的发展，而是希望它能慢慢渗透到经济、司法、医疗、教育等多个领域，比如将人工智能作为下一代提高生产力的底层技术。在这样一个大趋势下，工科和社科的交叉、计算机科学与经济学的结合可以说是义不容辞。

计算机的诞生，是经济学的福音

如同社会有所分工，经济学和计算机科学也是各有专长。经济学研究中需要两大支撑，一个是用于判断的信息，另一个是进行决策的计算能力，而这两样刚好是计算机科学的专长。对于经济学来说，一方面，计算机科学可以提供经济学研究需要的工具；而另一方面，计算机科学的发展，尤其是在计算理论、信息理论的思想对经济学的研究也产生了一定的影响，促使经济学家不仅要考虑存在性、可能性，还要兼顾实现效率的问题。

刘潇和黎波作为经济学领域的研究学者，在自己的科研过程中对于计算机科学的助力深有感触。刘潇提到，很多有趣的科研问题就是在与计算机科学家的沟通中发现的，这一跨学科的交叉合作也大大提升了实验数据的可获得性和细粒度。黎波则表示，数据挖掘和机器学习的技术对于变量的建构提供了很大的支撑，也给变量之间因果关系的研究赋予了更多的可能性。

经济学为计算机科学提供全新方法论

谷歌作为互联网经济学的产物，它的成功很大程度上得益于广告拍卖。当年谷歌创造性地提出了广义二价拍卖的概念，其核心想法依赖于曾获得诺贝尔经济学奖的二价拍卖，可以说，经济学的引入给这一互联网巨头带来了极为可观的收益。

聚焦于人工智能，现在绝大部分的机器学习其实是在解决预测任务，预测的基础在于认为这其中存在一定的不变性。对此，统计学习的一个基本假设是数据独立同分布，即认为训练数据和测试数据是从同一个分布里独立采样出来的。然而在真实世界中，这一假设并不成立。为了支撑不变性，因果统计需要被引入到今天的机器学习框架里来。

可以说，以人工智能为代表的计算机科学对于经济学存在着很强的结合需求。作为反例，崔鹏介绍了疫情期间英国利用AI代替高考结果造成“阶层锁死”的故事。现阶段，人工智能实际上是性能驱动，其核心策略可以理解为尽力而为（best effort），而并不在意模型的内在机制，这样一个简单策略在有些任务上可以做到很好，然而当应用于社会学范畴的问题时，如果不引入经济学的理念和设计，将存在巨大的潜在风险。AI的很多弊端也都源于此，相信经济学的加盟可以帮助AI领域理解和解决解释性、公平性、鲁棒性等问题。

业界呼声

直观来看，从效益提升的角度出发，业界对机器学习或者说计算机科学的需求会更多一点。但事实上，经济学在很多问题中都发挥着举足轻重的作用。在业界计算机和经济学结合的一个典型例子是决策，决策本身就是跟因果推断相关的，企业除了关注决策带来的结果是不是正向之外，还需要去关注内在的机制。

现场互动环节中，大家还讨论到个性化推荐系统中备受关注的信息茧房问题，借助于大数据和人工智能技术，现在很多app会不断推荐用户感兴趣的、舒适圈内的信息，长此以往则会导致用户的信息获取单一，在算法设计中平衡效率和公平来突破信息茧房的狭隘性，可以说是社会对于计算机科学与经济学相结合的迫切呼声。以信息茧房效应为代表，其实更深层次的问题是对AI的治理，从立法和技术的角度上来讲这是一个很复杂的问题，实际上需要计算机科学、经济学、法学、哲学等多个学科的交叉，共同找到适合我们国家当前国情的平衡点。

AI时代经济决策的机遇与挑战

人工智能的长处，一是计算能力，二是信息处理能力，从这个角度来说，AI对信息决策来说可谓是一大利器。更重要的是，AI的核心能力是预测，预测意味着可以一定程度上降低不确定性。当把这种预测能力应用于经济决策时，将会大大降低不确定性带来的风险，从这个意义上来讲，AI一定会给经济学带来比较大的机遇。

与此同时，我们也注意到这其中存在众多挑战。一方面，受限于很多原始性假设，目前的AI技术手段并不一定适应经济学里的预测性场景；另一方面，当我们可以做很细的经济决策优化的时候，如何看得更远一些，如何在AI设计中考虑到人的发展、社会的发展甚至世界的发展，怎样保证达到更好的平衡点，其实是一个更为深刻的科学挑战。

整理：张梦倩

排版：孔令炜

AI TIME欢迎AI领域学者投稿，期待大家剖析学科历史发展和前沿技术。针对热门话题，我们将邀请专家一起论道。同时，我们也长期招募优质的撰稿人，顶级的平台需要顶级的你！

请将简历等信息发至[email protected]！

微信联系:AITIME_HY

AI TIME是清华大学计算机系一群关注人工智能发展，并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，打造一个知识分享的聚集地。

更多资讯请扫码关注

（点击“阅读原文”观看专家思辨回放！）