嘉宾简介: 宋鹏程老师，米兰网页版,米兰（中国）助理教授，格拉斯哥大学数量金融与经济学博士，剑桥大学克莱尔学院成员。曾任英仕曼集团全球大宗商品部投资副总监；北京大学新结构经济学研究院访问学者。宋老师的主要研究领域为复杂经济学、复杂金融学、人工智能经济学和新结构经济学。

Q1：大部分人还不太了解复杂经济学，不明白它和传统的经典经济学到底有什么本质上的区别，您能为我们具体的说一说吗？

A1：如果谈到本质区别，可以从两个方面来说。

一是两种经济学所反映的世界观不同。传统的经典经济学的基础就是抽象性。比如要将经济体抽象为理性人，抽象出宏观和微观的研究对象。而且最重要的一点是，在传统经济学中宏观和微观连通性不强 。但是复杂经济学的研究是要考虑现实世界的，也就是说通过经济行为的微观还原去刻画真实世界。这也是为什么复杂经济学跟物理学的连接更紧密。举例来说，在一个较真实世界中，所有经济体一应俱全，有个人、家庭、企业甚至政府等。每个经济主体会怎么做决策？以及这些经济主体相互之间所做的决策会产生什么样的影响？这些是复杂经济学要研究的问题。正是由于复杂经济学这种贴近现实的逻辑体系，使得它在上世纪提出之初发展缓慢。原因是当时没有21世纪初技术背景，也就是说第四次工业革命或者说以信息科学为代表的技术大发展。目前来看，复杂经济学是乘上了计算机技术的发展之风，也有了崭露头角的契机。复杂经济学之所以复杂，就是因为要描述一个真实的世界经济系统，仅仅通过联立求解方程系统肯定是做不到的。而现在由于计算机技术、人工智能，工业和金融大数据的发展，给模拟真实的世界系统提供了多样化的算例，大大提高了算力，如此才具备了建模真实世界的能力。传统的经典经济学之所以具有抽象性，是因为没有那么多的数据算例和强大的计算能力，因此只能假设一个代表性经济主体是理性的，其目标是利润最大化，效应函数是相对固定简化的。

从两种经济学的不同世界观可以发现，其方法论也有所不同。传统的经典经济学是很难去“拥抱”人工智能的。因为经典经济学在技术层面上，虽然有代理人研究，但无法无穷的细分到每一个小企业或者每个个体。它也不可能把企业所有的运营数据或者每个个体的消费记录直接上传到模型中去。真实具体的数据和模型应用之间存在着障碍。然而复杂经济学可以越过这套障碍，也就是说可以“拥抱”大数据。

第二个本质区别是两种经济学对待均衡问题的看法。在复杂经济学里是不刻意地追求均衡的， 都是可以是非均衡的，而均衡则被看做是非均衡的一个特殊形式。举例来说，中国的改革开放历经几十年，其经济结构一直在变化。在变化的经济结构之下，经济问题怎么能一直是均衡的呢？但是在我们所学的西方经济学教科书中，经济决策却是始终处于在均衡状态下开展分析。西方国家有着发达的市场经济体，实现了城镇化、工业化，其技术水平绝大部分处于全球技术前沿上。所以西方国家的经济结构、制度结构，人才结构、以及每种要素禀赋结构在短时间内没有特别强烈的结构变化。因此在这样的条件下，哪怕并非一直处于均衡状态，也还是可以暂时用均衡的思想来考虑问题。相比之下，一个处在转型中的企业，在瞬息万变，商场如战场的经济市场中，是没办法用均衡的思想去做一个企业的，否则是一定会亏损的。同理，一个转型经济体也是如此，所以这时就一定是非均衡的结构转型动态化了，从这个角度看复杂经济学和经济主流经济学的区别，就是一个是均衡，一个是非均衡。

Q2：“人工智能” 的发展是一场重要的技术变革，它不仅波及到了生产生活的各个方面，也影响到了经济学研究。人工智能对经济学的研究冲击大么。人工智能给经济学的研究带来了什么好处和影响？

A2：人工智能对经济学研究的冲击。在宏观经济学研究过程中有模型参数校准的过程，在这一过程中可以做反事实实验。反事实实验可以认为是设置一些潜在的或者虚拟的政策，然后观察这些政策是不是会对整个宏观经济趋势有影响，往往你会发现其实拟合程度不是很高，或者当作样本外预测效果不佳。通过一般经济学或主流经济学这些数理模型去拟合，多数是拟合失效的。但是如果说你要把人工智能比如机器学习嵌到现在主流的宏观模型里，然后去训练它，因为它有一系列机器学习的过程，拟合效果就会大大增强。这种模型在样本内拟合结果好，在样本外预测性提高，其实就可以更好的提供经济政策策略和辅助指导实践。

现在各个地方都有深化改革领导小组，在这些小组中也会有一些年轻的公务员，将来你们之中的有些人就有可能会走上公务员的岗位，这些年轻的公务员可能会比其他人更熟练地掌握了经济学模型和理论。当你面临深化改革的实践课题时，刚开始可能还是会照本宣科，按照书本上的理论来进行改革创新。比如说现在有一个热点就是总书记强调的制度的集成创新。什么叫制度集成创新？就是在说一个重要园区的项目或者放管服的一个项目，在落地到某一个区域经济的过程中，会存在很多政策的瓶颈阻点，或者跟当地实体经济的一些瓶颈需要打破，这时就需要出台一系列的集中政策来改变现状，然后让整个经济或整个经济实体能顺利的运转。在这个过程中，你会发现虽然虽然你有一套学过的经济学理论框架，但是刚开始的应用这一理论时，实际上感觉效果并不好。前几次的应用肯定是缺乏经验的，但是两三年之后一定不是这样了，这时你可能就很有经验了，为什么你会有经验？其实你就是一个超级机器人，在运用理论的过程中你一直在学习，然后你把你的宏观经济学微观经济学的理论基础与不断的实践相结合（Learning by doing），在干中学的过程中，你其实训练了自己。

但是现在为什么说我们好多经济学的这些政策的实践，还不能用模型或者不能用人工智能，因为现在还没有把人工智能的算法和机器学习跟现有的宏观经济学微观经济学的理论框架结合。所以目前，我们只能培养出学生或学者，然后由这些人走上工作岗位，通过大量的政策实践，通过大量的实践去训练自己，然后才能做出适宜的经济管理决策。未来，我们可能希望有个5~10年跨过这一步技术难关，研发出由大量专家训练出来的系统，这套系统既有经济学理论同时也包含了实践的经验。

经济研究最重要的从业应用有两个落点，一个是给企业创造价值比如说在金融行业或者企业任职，另一个是做政策服务或政策咨询工作。

如果以后我们能把这些人工智能跟经济学理论结合研发出一个智慧政策辅助决策系统，就可以缩短经验不足的实践过程，在不出重大的经济事件或者突发政策经济事件时，就可以运行智慧政策辅助决策系统来帮助我们进行决策管理。

人工智能对经济学研究的影响最主要的就是经济学研究的学者和专家可能面临着需要转型的问题。伴随着工业4.0，工业物联网等智慧产业的发展，包括现在智慧城市的发展，甚至还有5G新基建的发展，以后经济学的研究方式肯定是会发生变化的。现在我们研究用的数据大部分都是年度的数据，部分可能用到季度数据，月度数据基本上很少用到。但以后随着技术发展，数据将会增加到每小时的数据，每分钟的数据，数据会越来越多。我们现在的经济学研究的话，如果能使用更多更精准的数据也能提高我们的科研成果。如果从政策角度来说，你拥有更多高粒度数据，实现数据垄断，你打的就是信息不对称的战争。其实从企业运营角度，从产业运作角度，从政府的职能和效率角度，包括说中美贸易战的顶层的角度来看，都是要驱动大数据的。大数据的一旦驱动的话，对整个的经济学逻辑分析的框架都会有巨大的影响。因此，这就建议我们的青年学者、经管从业者在复杂经济学，人工智能经济学，社会计算等方面的关注，了解和转型，当然我们也希望培养学生向复合型人才发展，这样他们毕业参与工作后就可以直接运用学校课堂上学习过的理论工具，实现在大学中学习的知识体系是社会单位亟须的，能带动新业态升级的，期盼学生们成为引领智慧城市，智慧经济的“时代弄潮儿”。

Q3：您能为我们简单的介绍一下人工智能经济学的发展历程吗？目前经济学家们对经济学人工智能化的研究聚焦在什么方向呢？

A3：首先是人工智能经济学的发展历程。人工智能经济学技术方法论发源于西方，圣塔菲研究所从上世纪60年代就开始储备。圣塔菲研究所起初倡导研究复杂系统科学的，1984年在肯尼斯·阿罗（Arrow）、默里·盖尔曼（Murray Gell-Mann）和安德逊（Philip Anderson）的支持下成立。研究所中有一批从事物理、经济、理论生物、计算科学的知名研究学者。传统经济学无法解决某些政策问题或企业运营问题，阿罗和这些学者开始研究新古典经济学很难解决的政策问题和企业运营问题，复杂经济学便是这样开始孕育的。但是那个时候一方面是计算的算例不足，没有那么多数据可以用于采集和记录；另一方面就是计算能力也不足，导致复杂经济学的研究发展缓慢。

与此同时，在苏联有一部分学者开始研究结构主义的计算优化论，因为苏联走的是计划经济道路，计划经济生产模式。而计划经济的特点之一就是要素与资源的分配是按计划进行配置的。于是苏联的计划经济学者们就开始研究是不是可以借助超高的计算算力提高资源分配效率、这也可视作社会计算的雏形， 但在旧的结构主义经济逻辑中，忽视了市场经济价格信号对资源配置的根本作用，虽然考虑了政府职能是好的。后来随着苏联八十年代后期经济实力的衰退和苏东剧变，这个项目就没有维持下去了。

复杂经济学从上世纪八九十年代起发展的很缓慢，直到2008年这个分水岭，次贷危机爆发引发了全球的金融危机，全球经济危机导致美国和欧洲的部分精英阶层和知识分子群体开始思考，现有的主流经济学理论体系似乎并不能较好地解释这个危机，并且很难提出缓解和解决危机的实质性对策。

这时复杂经济学的方法论走进大众的视野，因为复杂经济学的学者在07年次贷危机之前就依托复杂经济系统模型提前预警有发生次贷危机的可能。这些学者使用一种叫代理人基经济模拟仿真模型（agent based modelling in Economics）去模拟真实的金融市场，然后研判2008年的次级贷款的规模可能会导致信贷市场的“涌现”坍塌， 类似于蝴蝶效应导致金融海啸。其实更专业的术语是复杂经济系统中的一个核心特征，叫涌现现象，比如说一个企业或者一个小银行，它某一个节点的项目出了问题，银行之间会互相传染，最后会导致整个经济系统性风险，然后金融危机就会爆发。复杂经济学者通过它的方法论给社会了一个金融危机的预警，并且还提供了一系列的应对措施。所以这个时候复杂经济学的学的方法论开始走上舞台。

2011年后到了人工智能的井喷期，复杂经济学也开始往人工智能的方向发展。牛津大学此时年建立了新经济思维研究学院（Institute of New Economic Thinking）来重新反思经济学研究。学院的代表性学者Doyne Famer教授，他一直在坚持复杂经济系统的方法论，使用代理人基经济模拟仿真系统去分析金融危机的问题。Doyne Famer老师的团队跟欧洲中央银行、欧盟的经济发展署还有英格兰银行合作，从11年开始到15年，大概用了3~5年的时间，投入数了庞大的人力物力，真正地实现了复杂的可计算代理人及经济模拟系统，用它来做系统性金融风险的预测和预警，给英格兰银行和欧盟做金融风险的防控。2015年秋是一个具有划时代意义的时点，复杂经济学方法论里的可计算代理人基经济模拟系统诞生。

我2018年夏回到北京大学，适逢国内人工智能经济学的发展是从18开始产生。从16年年末到18年初，我有幸成为唯一名华人研究助理，偶尔到访牛津大学协助可计算代理人基经济模拟系统项目推进工作。19年初我在北大跟林毅夫老师开始筹备组建国内第一个复杂经济学研究团队，尝试研究国内的代理人基复杂经济系统， 转眼一年半过去了， 看着研究力量从无到有， 还记得林毅夫老师一开始叮嘱的“知成一体， 要把我国和发展中国家适合的经济发展理论逻辑承载在复杂经济系统的研究工具中”。今年的7月份，国内第一个可计算的复杂代理人基系统出现在西安交通大学的创新港，这一系统由北京大学的新结构经济学研究院、西安交大经济与金融学院合作研发。当然也离不开其他的学院的帮助，比如说交大的物理学院、电信学部，然后还有北大的数学学院、信息科学学院，物理学院的“战友们”都对这一系统的诞生贡献了自己的知识和力量。它是一个系统工程而不是一个模型或一个理论，需要各方面的学者合作。虽然现阶段还未大规模的拥抱人工智能技术，但为下一阶段研究打下夯实了基础，也为接下来开展政策实践试点提供了系统支持， 我们现在称这一类的实践试点为“智慧赋能经济治理体系现代化”。

刚回国时我认为可能需要3~5年人工智能经济学才能引起重视，但现在我认为接下来2~3年就会有一个人工智能经济学的井喷期。 比如现在能听到有关社会计算领域的关注， 清华大学率先成立“人工智能社会治理研究院”也是一个重要旗帜和里程碑。这种经济政策研究和多学科交叉融合提速有两大原因。一个是百年未有之变局，以中美经贸争端引发的全球的经济合作重塑的环境，争取我国在全球科技高地重要地位和经济合作积极态势成了重要的催化剂，科技高地的冲锋要考虑的一个突破口就是多学科交叉和多学科融合，只有这样才能出现颠覆性的技术，换到超车。而人工智能经济学在世界处于百年未有之大变局背景下将会迎来很好的发展机会。另一个原因就中国智造“2025”和突入其来的新冠疫情全球肆虐，“新冠肺炎”疫情影响下，我国经济下行压力增大，中共中央政治局常务委员会召开会议提出要加快5G网络、数据中心等新型基础设施建设进度。新基建主要包括5G基站建设、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网七大领域。新基建的出现会产生大量的数据，但这些数据怎么用呢？我们即将拥有大量数据，该怎么让这些数据去服务到我们企业的、产业的、政府的实体经济的运作，使得微观经济主体运行的更加高效，确保政府在有为的范围能让市场配置资源更高效呢？这时就需要一系列的颠覆性技术，需要一套或多套方法论来解决这一问题，这也加速了人工智能经济学的发展。 至于数字货币，孪生城市，区块链，以及量子计算的发展空间等等都是加速这个学科发展的助推器。

Q4：在大数据背景下的经济学研究需要应用物理、数学等学科的复合知识，并且对编程有很高的要求，那么像我们这类没有工科背景的经济学学生在目前有什么竞争优势吗？我们需要如何提升自己来应对大环境的变化？

A4：一个新的学科、新的业态或者新技术体系的出现，一开始不会太难，它的发展是有个过程的。现在大家称它为复杂经济学、人工智能经济学，也有将她视为社会计算，虽然三者在经济运行逻辑上有所差异，但现在三个新学科都没有高度地依拥抱人工智能。所以，这就给经济学的学生留下了一个特别好的发展机遇，就是这几年，估计这块增量发展机遇就在接下里的3-5年，经济学的学生在这段时间里可以去逐渐学习掌握人工智能经济学。因为再过上5年，到那时这个学科发展的方法论、技术、以及同产业行业的产品化，商业化后，肯定就要着重依托数学和人工智能这些知识技能了。到那个时候，或者是经管学院开设大量的人工智能、数学、统计学、物理学的课程，或者就是交叉学科，其他学院的学生去学经济学的知识，在“未来实验室”里和研究院所中。所以目前这是对经济学的学生留下的一个发展机遇期。凡事都是开始的时候简单，经过一定时间的发展后可就比现在要难了。你们在经济学方面优势，又有对政策研究的积淀，而且数学、统计学、计算机的一些基本技能又不差，所以非常期待给位同学能抓住3~5年这个机遇期，再进行进一步强化，利用这个时间去转型。

而且为什么特别鼓励大家转型呢？因为要回到市场需求，我们一直在接触市场、跟各个企业和政府机构对接。像企业层面的话，比如腾讯、阿里巴巴等已经成立了智慧城市的公司，布局智慧政府、智慧产业；也有很多数据和科技公司，现在开始往数据和智慧政策这种服务商或解决商转型。此外如各地方的大数据管理局以及和智慧政务，数据治理相关的政府机构也迫切需求这方面的复合型人才。 这些单位很希望我们给他们推荐具备这方面的知识结构和研究能力的人才，毕业以后非常欢迎直接去他们的企业就业， 成立新的业务骨干。然而，我之前说预判是3-5年才会出现井喷期，现在提前了一两年。所以很可惜，我们还并没有这样的学生，可以说这一块是尚未开垦的人才蓝海，就业优势明显。

 

经金学院

2020年10月22日