[引用格式]陈永伟.人工智能与经济学：近期文献的一个综述[J].东北财经大学学报，2018，(3)：6-21. [DOI]10.19653/j.cnki.dbcjdxxb.2018.03.002 人工智能技术的突飞猛进，对经济社会的各个领域都产生了重大影响，这种影响当然也波及到了经济学。很多一线经济学家纷纷加入了对人工智能的研究，不少知名学术机构还组织了专门的学术研讨会，组织学者对人工智能时代的经济学问题进行专门的探讨。① 事实上，经济学家并不是最近才开始关注人工智能的。在理论层面，经济学对决策问题的探讨与人工智能所研究的问题有很多不谋而合之处，这决定了两门学科在研究上存在着很多交叉之处。从历史上看，经济学家对人工智能的理论关注至少有过三次高潮。第一次高潮是在二十世纪五六十年代，人工智能这门学科的奠基之初，有不少经济学家参与了这一学科的建设。例如，诺贝尔经济学奖得主Simon就是人工智能学科的创始人之一，也是“符号学派”的开创者。在他看来，经济学和人工智能有不少共通之处，都是“人的决策过程和问题求解过程”，因而在进行人工智能研究的过程中，Simon融入了不少经济学的思想[1]。第二次高潮是在二十一世纪初。当时，经济学在博弈论、机制设计和行为经济等领域都取得了不少的进展，这些理论进展被频繁地应用在人工智能领域[2-3]。最近经济学家对人工智能问题的关注是第三次高潮。主要是在以深度学习为代表的技术突破的推动下发生的，由于深度学习技术强烈依赖于大数据，因而在这次高潮中的不少讨论集中在了与数据相关的问题上，而在对人工智能进行建模时也重点体现出了规模经济、数据密集等相关性质。至于应用层面，经济学和人工智能这两个领域的互动更为频繁。目前，在金融经济学、管理经济学、市场设计等领域都可以看到人工智能的应用[4]-[7]。 从总体上看，最近有关人工智能的经济学大致可以分为三类： 第一类研究是将人工智能视为分析工具。一方面，人工智能的一些技术可以与传统的计量经济学相结合，从而克服传统计量经济学在应对大数据方面的困难。应用这些新的计量技术，经济学家可以探索和构建新的经济理论。另一方面，人工智能的发展也为采集新的数据提供了便利。借助人工智能，诸如语音、图像等信息都可以较为容易地整理为数据，这些都为经济学研究提供了重要的分析材料。 第二类研究是将人工智能作为分析对象。从经济学角度看，人工智能具有十分鲜明的性质。首先，人工智能是一种通用目的技术(General Purpose Technology，简称GPT)，可以被应用到各个领域[8]-[10]，其对经济活动带来的影响是广泛和深远的。在分析经济增长、收入分配、市场竞争、创新问题、就业问题，甚至是国际贸易等问题时，都很难回避人工智能所造成的影响。其次，人工智能是一种强化的自动化，会对劳动力产生替代，并造成偏向型的收入分配结果。最后，当前的人工智能技术发展强烈依赖于大数据的应用，这就决定了它具有很强的规模经济和范围经济，这两个特征对产业组织、竞争政策、国际贸易等问题都会产生重要影响。以上特征共同决定了分析和评估人工智能对现实经济造成的影响应当成为经济学研究的一个重要话题。 第三类研究是将人工智能作为思想实验。作为一门学科，经济学是建立在理想化的假设基础之上。在现实中，很多假设并不成立，因而经济学的预言就与现实存在着一定的差距。而人工智能的出现，从某种意义上来讲是为经济学家提供了一个可能的、符合经济学假设的环境。这同时也为检验经济理论的正确性提供了一个场所。 本文对最近几年来有关人工智能的经济学文献进行梳理，对相关的重要文献进行介绍。考虑到在上述三类研究中，第三类的科幻性较强，而科学性相对不足，因而本文将暂时不涉及这类研究，对此感兴趣的读者可以自行参考Hanson[11]的代表性文献。本文分为五个部分。第一部分是引言。第二部分是人工智能的相关概念介绍。第三部分梳理把人工智能技术作为工具使用的相关文献。第四部分梳理以人工智能为研究对象的相关文献。第五部分是结论。 二、人工智能的相关概念简介 在正式展开对人工智能经济学的讨论之前，本文先对文献中经常提及的几个概念——人工智能、机器学习和深度学习进行一下解释。粗略来讲，人工智能的概念是最大的，机器学习是其的一个分支学科，而深度学习又是机器学习的一个分支(如图1所示)。
图1 人工智能、机器学习和深度学习的关系 在最广的意义上，人工智能是“让智能体(Agent)在复杂环境下达成目标的能力”[12-13]。关于智能体应该怎样达成目标，不同的学者有不同的理解。早期的学者认为，人工智能应当模仿人类的思考和行动，其目的在于创造出能和人类一样思考的机器[14-15]。而最近的一些学者则认为，人类的思维方式只是一种特定的算法，人工智能并不一定要模仿人类，而应该在更广的范围上让智能体合理地思考和行动。以LeCun、Tagmark为代表的一些学者甚至认为，一味模仿人脑只会限制人工智能的发展。人工智能包括很多分支学科，如机器学习、专家系统、机器人学、搜索、逻辑推理与概率推理、语音识别与自然语言处理等。 机器学习(Machine Learning)是人工智能的一个分支学科，是实现人工智能的一种方法。它使用算法来解析数据，从中学习，然后对真实世界中的事件做出决策和预测。和传统的为解决特定任务而专门进行编程的思路不同，机器学习“让计算机拥有在没有明确编程的条件下拥有学习的能力”，并通过对大量数据的学习找出完成任务的方法[16-17]。根据学习的特征，机器学习可以分为三类：有监督学习(Supervised Learning)、无监督学习(Unsupervised Learning)和强化学习(Reinforcement Learning)。
