演講局成員諾貝爾獎經濟學獎得主托馬斯·薩金特：經濟理論的AI前沿_風聞

作者：托馬斯·薩金特

（Thomas J. Sargent）

演講局成員

2011年諾貝爾獎經濟學獎得主

紐約大學經濟學教授

早在19世紀初期，數學家和統計學家開始研究用於識別和解釋嘈雜數據中的模式的強大方法。然而，數據集小而貴，計算機運行緩慢卻造價極高，這兩大障礙限制了經濟學家對世界的瞭解和探索。近年來隨着計算能力提高，大大減少了這些障礙，經濟學家便紛紛利用大數據和人工智能，探索各種活動和結果的模式。

數據摘要和模式識別並非經濟學獨有，也是物理科學的重要組成部分。物理學家理查德·費曼曾經將自然世界比作眾神所玩的遊戲：“你並不知道遊戲規則，但可以在角落裏或其他地方不時看看棋盤。通過觀察，你可以儘可能弄清楚遊戲規則。”

費曼的比喻其實是許多經濟學家工作的真實寫照。像天文學家一樣，經濟學家通常會獲取其想理解的過程的非實驗數據。根據數學家約翰·馮·諾依曼對遊戲的定義，遊戲必須具有以下要素：（1）玩家；（2）每個玩家可採取的行動；（3）所有玩家的行為如何影響個體玩家的收益；（4）規定誰在何時作何選擇的計時協定。這個優雅的定義體現了“憲法”和“經濟體系”的內核：社會對誰在何時選擇什麼的理解。

與費曼這樣的隱喻物理學家類似，我們經濟學家的任務是從觀察到的數據中推知“遊戲”規則。對經濟學家來説， “遊戲”可能是市場或市場體系的架構。但是，經濟學家會想更進一步，做些物理學家不會做的事情：思考如何讓不同的“遊戲”達成更好的結果。也就是説，我們要進行實驗，研究遊戲規則，研究個別“遊戲參與者”（例如，政府監管機構或中央銀行）的行為模式的預期變化，會對剩餘參與者的行為模式產生何種影響。

因此，經濟學的“結構模型構建者”試圖從行為的歷史模式中推斷出一組假設參數，這些參數是假設（通常是歷史上前所未有的）情況的參數。在這些假設情況中，政府或監管機構遵循一套新的規則。中國有句諺語説，“上有政策，下有對策”。“結構模型”尋求的是不變參數，以幫助監管機構和市場設計師在無先例的情況下了解並預測數據模式。

而快速發展的AI分支將極大助力“建立結構模型”這一艱鉅任務。這些分支只涉及模式識別。AlphaGo就是一個不錯的例子。計算機科學家團隊將一組工具巧妙地組合在一起，編寫了下中國圍棋的算法。這些工具是統計、模擬、決策理論和博弈論社區的專家開發的。以適當比例搭配使用的多種工具，不但是打造出色的人工棋手的理想“原料”，也是經濟學家構建用於研究宏觀經濟學和產業組織的結構模型的好幫手。

當然，經濟學在一個關鍵方面有別於物理學。皮埃爾·西蒙·拉普拉斯認為，“宇宙的現狀體現了過去對其造成的影響，並同時影響着未來”，即過去影響現在，現在影響未來。這在經濟學中則恰恰相反，經濟學認為：人們現在的決策受到人們期望他人未來所做的事情的影響。我們通常會使用個人理論，根據人們的需求，預測他們的未來行動。當我們掌握良好理論分析他人行為時，我們期望人們做的事情，取決於他們可能會做的事情。這種推理方式被稱為“理性預期”，反映了經濟系統中“未來影響現在”的理念。認識到這一點是構建“結構”經濟模型的關鍵。

例如，如果我預期其他人會去銀行擠兑，那麼我也會加入。沒有存款保險的客户有更強的動機規避容易發生擠兑的銀行。有存款保險的客户則不在乎，也不會擠兑。另一方面，如果政府為存款提供擔保，那麼銀行會希望其資產變得越大越好，風險再高也不怕，存款人也不會在乎。失業和傷殘保險，以及政府和企業的官方救助也面臨着類似的問題：保障人們免受厄運可能會削弱他們自給自足的動力。

更廣泛地説，我的聲譽體現的是別人對我的期望。我需要選擇是迎合期望還是辜負期望。這些選擇將影響其他人將來的行為。中央銀行對此深有體會。

就像物理學家一樣，我們經濟學家也使用模型和數據來學習。我們學習新事物，是因為意識到舊模型無法解釋新數據。然後，我們根據前輩的失敗經驗來構建新模型。我們就是通過這樣的方式從過去的蕭條和金融危機中學習進步的。有了大數據、更快的計算機和更好的算法，我們可以從聽到的“嘈雜”中辨識其中的模型。

預約托馬斯·薩金特演講及出席活動

請聯絡演講局