返回上一页 文章阅读 登录

何大安:人工智能经济学的思想端倪及建构路径

更新时间:2022-10-04 21:35:27
作者: 何大安  
厂商加工和处理非数字化数据必须具备高超的人工智能水平。当绝大部分厂商能够运用高技术层级的人工智能手段进行大数据分析并由此展开产供销活动时,人类社会便进入了数字经济时代。

  

   人工智能与数字经济之间有着可分别从短期和长期考察的相关性。从短期看,由于厂商的人工智能水平相对稳定,他们收集、储存、整合、分类、加工和处理大数据的能力会受到既定水平的制约。比如,在厂商只能对数字化数据而不能对非数字化数据,只能对历史数据而不能对现期数据和未来数据进行大数据分析的情况下,社会的数字经济水平不会得到明显提高,这种情形可看成是人工智能与数字经济之间的弱相关。从长期看,随着厂商人工智能水平的不断提高,亦即厂商大数据分析能力开始从匹配数字化数据上升到非数字化数据,从匹配历史数据上升到现期数据乃至未来数据,厂商在能够准确规划产、供、销活动的同时,整个社会数字经济运行的覆盖面也会随之不断扩大;另外,数字经济发展会对人工智能的技术水平提出更高的要求,会对厂商形成一种具有反作用性质的外在强制。因此,人工智能与数字经济在长期内存在强相关。我们探寻人工智能经济学的建构路径,离不开对人工智能与数字经济之间相关性的分析。

  

   (三)单纯从技术角度考察,人工智能是外生变量,但从厂商投资经营的数据智能化分析,人工智能可看成是内生变量;我们探寻人工智能经济学的建构路径,可沿着人工智能推动数字经济发展这条主线思考

  

   人工智能是一种起始于大数据思维并试图以机器代替人脑和人手的技术手段,人类成功挖掘计算机模拟、仿真、预测等功能是以大数据广泛运用为底蕴的,厂商将大数据普遍运用于投资经营,数据主义盛行已导致大数据分析成为社会经济、政治、文化等运行的一种大趋势(凯利,2016)[19]。现有的人工智能技术对数字化数据的匹配有了长足进展,目前正努力推进和发展逻辑推理、概率推理、专家系统、指纹鉴定、语音识别、自然语言处理等人工智能技术来匹配非数字化数据。就这些新科技力图实现将非数字化数据转化为数字化数据而论,我们在理论上可以把人工智能解释为经济运行的外生变量。或许是因为这一事实,一些学者坚持认为人工智能和大数据是工具,撼动不了主流经济学基础,建立人工智能经济学的设想是一种遑论。这的确是一个有趣的理论问题,值得我们深入探讨。

  

   其实,正如前文梗概描述的那样,在厂商运用数据智能化进行投资经营的过程中,我们既可以把人工智能界定为外生变量,也可以把人工智能界定为内生变量。诚然,厂商借助移动通信、互联网、传感器、社交媒体、定位系统等新科技手段收集、加工和处理大数据,通过人工智能技术将非数字化数据转化为数字化数据,努力从加工和处理历史数据走向加工和处理现期数据和未来数据,确实表现为一个纯技术的发展过程,但值得关注的是,这些会改变厂商投资经营的认知过程、决策依据和路径、决策手段和效用展望等。具体地讲,厂商针对提供原材料和中间品的生产客户以及针对大众的消费倾向、消费偏好、消费时尚等的变化,需要通过人工智能技术来匹配对应于他们行为方式的数字化数据、非数字化数据、历史数据、现期数据和未来数据,从而使人工智能成为内生变量。当绝大部分厂商的人工智能技术达到很高的层级时,人工智能无疑会成为催生数字经济的内生变量,并且这个内生变量会贯穿于数字经济运行和发展的始终。以此之故,从数字经济运行和发展看问题,我们以身兼外生变量和内生变量属性的人工智能作为分析主线,有着创新经济学的空间。

  

   (四)数字经济运行和发展的实质,是厂商运用大数据分析和人工智能技术以规划和确定产品和服务的数量和价格,人工智能技术广泛运用之时,便是数字经济覆盖面日益扩大之日

  

   厂商利用互联网、大数据、云平台、云计算等规划产品和服务数量的主要人工智能手段,是机器学习和物联网两大技术,这是当前人工智能技术落地于厂商投资经营层面的重要标志。相对于过度关注统计计量的计量经济学,机器学习是厂商预测供求关系最有效的人工智能技术;机器学习运用决策树(Decision Tree)和支持向量机(SVM)等模型,运用岭回归(Ridge Regression)和套索算法(LASSO)等解决预测问题(Varian,2014;Athey,2015;Athey,2018)[20-22]。物联网具有数据采集、数据处理和智能运用等功能,是融合了互联网技术、通信技术和信息技术的跨领域人工智能平台;相对于具有分布式账本、去中心化信任、时间戳、非对称加密、智能合约等五大技术特征并且具有价值互联网性质的区块链,物联网对厂商投资经营的大数据分析功能要强于区块链。因此,从厂商依据大数据分析和运用人工智能手段来预测产量和价格看,机器学习和物联网是推动数字经济发展的主要人工智能手段。

  

   人工智能技术广泛运用的背景是大数据、互联网和人工智能等的全方位融合。以现阶段厂商投资经营实际而论,一些厂商已开始通过物联网技术收集、储存、整合和分类大数据以确定产品数量和价格;⑤同时,也有一些厂商运用机器学习技术对多维度大数据进行加工和处理,从极大量和完备性的大数据中甄别和挑选出有助于确定产量和价格的大数据。我们应该注意的一个基本事实是:当大部分厂商运用物联网和机器学习技术来收集、储存、整合、分类、加工和处理大数据,并以此作为投资选择依据时,市场经济条件下以供求和价格波动为导向的市场机制就会让位于以大数据分析和人工智能运用为导向的市场机制。从理论上来讲,调节产量和价格的市场机制的内容发生变化,经济运行模式也就发生变化。易言之,当绝大部分厂商运用大数据分析和人工智能技术进行投资经营时,社会经济运行模式也就进入了我们已感知或认识但尚未能在理论上予以清晰说明的数字经济时代。

  

   数字经济果真像未来学家和社会物理学家所预言和憧憬的那样会成为一种以“算法”为特征的经济模式吗?对这些预言和憧憬给予支持和批评的观点究竟哪一个更具有科学性,我们可以暂时搁置不论,但对于市场调节机制出现变化从而引发经济运行模式的变化,有许多问题值得讨论。其中,可不可以建立人工智能经济学,则是一个紧扣当前实际的课题。若可以,针对人工智能经济学的建构,经济学家应该从哪些方面探索建构路径呢?

  

   三、人工智能经济学的建构路径探索

  

   一门新学说的建构至少要完成两项不可绕避的工作:一是解说这门新学说与它所属学科的相关理论的学术承接,说明新建学说之于以往理论的取舍;二是围绕假设前提和分析参照系对新学说的建构途径展开论证,说明新学说建构途径的学理在多大程度上符合该学科的规范。关于这两项工作的分析安排,本文不打算通过对相关理论的回顾来展开类似文献综述的评说,而是将相应的文献评说放置于探索建构路径的分析框架中。同时,对新学说假设前提和分析参照系之建构途径的探索,将以大数据、互联网和人工智能等相融合为背景,以大数据分析和人工智能运用为分析对象,重点研究厂商运用人工智能进行投资经营的程序、路径和过程,通过对这些程序、路径和过程的分析来探索厂商理论、资源配置理论、产业组织理论的建构路径。在笔者看来,这三大基础理论的建构是人工智能经济学的基石,如果经济学家能够打开这三大基础理论的建构通道,则人工智能经济学的建构就有了希望的火花。

  

   (一)基于大数据、互联网和人工智能等的深入融合有可能全面提供投资经营决策的大数据,可考虑以“完备信息”作为人工智能经济学的假设前提

  

   经济学基础理论的发展主要经历了完全信息假设和不完全信息假设两大阶段,这两大假设是工业化不同进程的理论反映,它们演绎出了不同的经济理论体系。古典经济学的完全信息假设成为历史陈迹,起始于新古典经济学的不完全信息假设的思想端倪;随着以完全信息假设为前提的“经济人”范式被以不完全信息假设为底蕴的“理性经济人”范式所替代,新古典经济学的期望效用函数理论(Neumann和Morgenstern,1947)[23]便逐步成为经济学理性选择理论的主流。但是,正如赫伯特·西蒙(1989,2002)[24-25]以“下棋和寻针例证”作出的批评那样,新古典经济学对偏好、认知和效用等有着一系列的给定条件约束(Arrow和Debreu,1954)[26],这些约束不仅使自己的假设前提暧昧不清,而且在影响现代主流经济学确定效用函数变量的同时(Akerlof和Kranton,2005;Akerlof,2007)[27-28],也对旗帜鲜明地坚持不完全信息假设的现代非主流经济学产生了潜在影响(Kahneman和Tversky,1974;Kahneman和Tversky,1979;Smith,1994)[29-31]。换言之,不同时期的经济理论应用不完全信息假设的程度和范围存在差异。

  

   在经济学世界,完全信息意味着完全理性,厂商在完全信息或完全理性下可以知晓选择结果。不完全信息意味着有限理性,厂商在不完全信息或有限理性下不可能知晓选择结果。厂商是否知晓选择结果,关系到效用最大化的实现问题。在大数据分析和人工智能技术出现以前,有限理性约束说明厂商只掌握部分信息,这部分信息之于大数据,在数量和范围上只是很小的一部分。具体地讲,它们只是数字化数据或历史数据的一部分,既不包括图书、图片、图纸、视频、声音、指纹、影像等非数字化数据,也不包括正在发生的现期数据,更不包括尚未发生的未来数据。这种情形表明,经济学不完全信息假设是对工业化时代厂商收集信息能力的一种理论描述,尽管这一假设具有立论的科学性,但却是一种距现实相去甚远的理论抽象。随着万物互联、低时延的5G通信以及移动互联网的覆盖面越来越大,厂商运用传感器、社交媒体、定位设备、机器学习、物联网、区块链、AR/VR、边缘计算等人工智能来收集、整合、分类、加工和处理大数据的技术水平会不断提高,厂商在未来存在获取相对准确和完整信息的可能性。

  

   基于这样的推论,能否用“完备信息”作为建构人工智能经济学的假设前提呢?完全信息之于厂商投资经营,是针对厂商能够掌握产、供、销全部信息而言的。然而问题在于,即便厂商在未来能够通过大数据分析和人工智能技术收集到影响产、供、销的全部大数据,但并非代表厂商有能力整理和分类这些影响产供销的大数据,也并非代表厂商通过大数据分析能够加工和处理所有影响产、供、销的信息。所以,厂商在未来能否获取完全信息是一个备受争议的问题。我们可以把相对准确和完整的信息理解或定义为“完备信息”。准确地讲,完备信息是处于不完全信息与完全信息之间的一种信息状态,它不可能出现在工业化的技术条件时期,只能出现在大数据、互联网和人工智能等全面融合时代。如果经济学家以完备信息作为建构人工智能经济学的假设前提,在很大程度上是符合新科技导引厂商选择行为实际的。

  

   (二)厂商理论是人工智能经济学的基础,经济学家探寻厂商理论的建构路径,首先要对大数据、互联网和人工智能相融合下的厂商选择偏好、认知和效用等,作出理论符合实际的框架性或方向性的解释

  

前文关于人工智能经济学的思想端倪以及人工智能推动数字经济发展的分析表明,(点击此处阅读下一页)


爱思想关键词小程序
本文责编:陈冬冬
发信站:爱思想(http://m.aisixiang.com)
本文链接:http://m.aisixiang.com/data/136976.html
文章来源:《商业经济与管理》2021年第9期
收藏