张丹丹+陈钊+刘瑞明+郭峰+王永进+郑江淮 如何在AI时代做好经济学教育和科研

题记：2024年11月30日，第二十四届中国经济学年会在北京大学百周年纪念讲堂开幕。开幕式圆桌论坛环节以“人工智能发展与经济学研究”为主题，由国发院副院长张丹丹主持，邀请复旦大学经济学院副院长陈钊、中国人民大学国家发展与战略研究院教授刘瑞明、上海财经大学公共经济与管理学院投资系系主任郭峰、南开大学经济学院教授王永进、南京大学经济学院院长郑江淮就AI对经济学研究和经济学人才培养的影响展开分享。本文根据圆桌对话内容整理。

Q

&

A

张丹丹：AI时代也被称为第四次技术革命，它与前几次工业革命最大的不同有两点：第一，前几次工业革命替代的是体力，AI的变革则突破了智力边界，对脑力劳动者带来了冲击。第二，前几次工业革命进程缓慢，持续了100多年。AI的变革速度非常快，十几年的时间就会看到翻天覆地的变化。马斯克预测，按当前AI算力每年增长10倍的速度，五年后其总算力将超过全人类脑力之和。蔡昉教授认为，AI的变革具有颠覆性，可能替代几乎所有劳动。钱颖一教授则指出，中国教育以知识为先导的优势，在AI时代或将不复存在。第一个问题请问郑教授，AI在经济学领域可能引发哪些变革？

郑江淮：我认为主要有四点。

第一，人工智能极大地拓宽了创新的可能性边界。过去我们主要聚焦于生产能力的极限，但现在，创新的可能性同样备受瞩目。一项研究显示，在某些行业中，借助人工智能，优秀研发人员的科技成果、专利数量及产品质量均显著提升。这表明，在技术研发和产品开发中广泛运用大型模型，有望提升创新数量，降低成本，压缩竞争对手的市场份额。这一现象预计将推动大型模型在广大企业，尤其是中小企业中的普及。但同时，这也引发了一个新问题：随着人工智能在产业创新中的深入应用，对顶尖人才的需求将如何变化？我们是否会面临人才短缺的挑战？

第二，随着大模型和人工智能的广泛应用，研发效率得到显著提升。在传统的产学研合作中，企业、高校和科研机构携手创新。然而，大模型的崛起在一定程度上改变了这一合作模式。由于大模型在信息交换时几乎能达到“零误差”，这使得其与高校、科研机构的合作误差成本大幅降低。这种变革导致技术研发的边界重新被界定，一般研发人员和高校科研人员可能面临被大模型替代的风险。在此背景下，国家创新体系迎来了新成员——大模型，它与高效的科研机构和公司共同推动着创新进程。未来的创新将不再是简单的产学研结合，而是研发人员智慧与大模型的深度融合。这种融合将极大地拓宽创新的可能性。为了分析和衡量这种效率提升，我们可以探索采用随机前沿创新函数，这是一个值得深入研究的新方向。

第三，大模型应用背景下，创新能力出众的研发人才，其地理分布较为分散。这些人才带来的技术创新能促进地区间的技术互补，拉动地区间贸易增长，打破传统距离限制。特别是那些能够应用大模型的中低收入地区，这种增长会更加显著，进一步凸显出中低收入群体对国家经济增长的重要贡献。

第四，结合大模型与机器人，我们可以从国家创新体系质量的角度进行观察。有研究显示，欧洲在应用人工智能和大模型后，行业集中度得到提升。这表明，当人工智能和机器人在国家层面得到广泛应用，且国家创新质量较高时，该国的生产率效应将显著增强，行业集中度也会明显提升，该国行业在世界上所占的比重也将显著提高。这种趋势不仅可能加大发达国家与发展中国家之间的分化，甚至可能在发达国家之间引发新的分化。

我认为对中国而言，当下是一个难得的历史机遇。凭借庞大的人才储备，我们应该比世界上任何一个国家都更有信心应对挑战。

张丹丹：

请问陈钊教授，作为发展经济学、产业经济学及城乡区域研究的专家，您是否因AI的兴起而调整了研究议题？您是否因此探索了新的研究方向？

陈  钊：第一，作为新兴科技，人工智能虽无国界，但其应用却因地制宜。以中国与美国为例，两者在前沿领域的应用各有千秋。今天进入会场时，我所经历的人脸识别安检展现了人工智能在中国大陆地区的广泛应用和迅速发展。

然而，美国的人工智能应用似乎更为普及，其广泛适用性值得我们深思。我们需要探讨如何更好地发展人工智能，营造有利于其产生深刻产业科技变革的环境。当前，我们在某些领域或许领先，但应用的累积性和拓展性仍显不足，这是中美人工智能长远竞争中的关键问题。

此外，人工智能对经济学领域的影响也不容忽视。它作为一种技术进步，必将推动经济增长，但也可能带来人与人、地区与地区、不同年龄层，甚至不同性别和性格之间的多维不平衡。这些问题同样值得我们深入探讨。

第二，AI与社会治理的关系颇具探讨价值。人工智能是否能增强政府效能？有观点认为其可降低管理成本，但真相如何尚待深究。例如，大家都在用微信，如果微信充分利用AI，便能通过摄像头监控我们的行为，甚至可以知道我们是否查看了领导发来的信息。这种方式虽高效，但也容易把人“管死”。因此，这不仅是技术问题，更牵涉到情感和伦理层面的广泛讨论。

在老龄化社会中，人工智能或许能大幅提升老年人的福祉。然而人工智能真能替代亲情的陪伴，缓解老年人的孤独感吗？子女会不会因为有了人工智能就减少对老人的关心？这些都值得我们深思。

人工智能还牵涉到众多情感甚至伦理问题，对不同年龄和处在不同技能层次的人而言，人工智能带来的影响也不同。现在某些高级人才的工作可能更容易被人工智能取代，而一些体力或手工艺劳动反而很难被取代。这促使我们深思：若劳动被全面取代，人类将何去何从？在物质匮乏时，我们无暇思考这些问题，但在人工智能助力下，物质财富丰富时，我们便会思考人的真正需求，人类与人工智能的区别，以及人类的比较优势。这些思考进一步引发对教育的反思：如何培养下一代具备人工智能无法取代的能力？这些问题必须提前思考、未雨绸缪，不能等到国际竞争迫在眉睫时再应对。

张丹丹：

郭峰教授的研究广泛运用了经济学大数据分析及深度学习、机器学习等方法。请问郭教授，AI技术在数据获取、分析及建模等环节的革新，是如何推动您的研究领域发展的？

郭  峰：关于这个问题，我的思考始于在北大做博士后期间。当时，我们基于蚂蚁集团数亿的微观账户数据，编制了北京大学数字普惠金融指数。在编制过程中，我深刻认识到，数字经济、数字金融的学术研究实践需大量运用数字经济渗透产生的大数据。因此，博士后出站后，在上海工作期间，我深入学习了大数据和机器学习。

数字经济产生的大数据，往往是非结构化的高维数据，与传统计量经济学分析的数据截然不同。例如，今天的会议内容，无论是文字、音频还是视频，都将被转化为大数据，用于后续分析。处理这些非结构化大数据，就需要依赖机器学习的方法。机器学习能从杂乱无章的原始数据中提炼出相关指标，进行有效的分析。

机器学习对经济学研究范式也将产生深远影响。以往我们基于理论驱动进行分析，但在高维数据场景下，数据驱动的方式可能更为适用。例如，经济学搞回归，探讨X和Y的异质性时，传统方法只能分析有限的调节变量，如东部地区与西部地区、国有企业与民营企业等。然而，在大数据背景下，我们面临的是成百上千亿甚至更高维的潜在调节变量。机器学习的方法允许我们将所有数据输入模型，通过数据驱动的方式，更全面、准确地分析X在不同条件下对Y的影响。

这种数据驱动的思维变革不仅局限于经济学领域，今年的物理和化学诺奖成果也体现了这一点。比如，以往我们需先理解药物原理才能开发药物，现在或许可以通过数据驱动的方法，先发现有效药物，再探讨其原理。在我看来，这是对研究思维范式最重要的影响。

最后我想强调的是，在研究人工智能对劳动力市场、企业经营等问题的影响时，我们的研究范式正在发生深刻变化。这种变化不仅影响我们的研究方法，更将推动我们走向一个全新的研究时代。

张丹丹：

请问刘瑞明教授，在政策研究中我们该如何利用AI技术，使研究更贴合实际、更具科技感？

刘瑞明：AI在政策研究和政策设计方面带来巨大挑战。   

第一，政策研究本身的原则方面。经济学深入研究人类行为，而人总会对激励做出反应。因此，我们必须关注经济学的两个根本逻辑，即哈耶克在1945年提出的知识在社会中的运用。知识是分散的，如何高效、真实地收集和传递这些知识，这是AI永远无法替代的。所以，尊重市场规律始终是我们的首要任务。

第二，我们需关注人的因素。在设计AI政策时，应特别注重人的反应。我们担心的是，当AI时代来临，如果仅凭收集网络信息就简单制定政策，这些政策可能难以落地，甚至可能引发策略性反应，导致事与愿违。因此，在AI发展过程中，我们更应重视人的感受和每个人信息的真实有效传递。

具体到中国，AI带来了两大挑战。

首先，在AI领域，尽管中国在应用场景上成果显著，但在底层原创性方面仍需努力追赶。这需要国家对创新型体制予以支持。幸运的是，二十届三中全会《决定》中，专门强调了教育、科技和人才体制的改革，以适应AI带来的变革。

其次，当前中国处于经济转型期，人口问题尤为突出。蔡昉老师分享了我国人口问题的一些重要特征，比如老龄化社会提前到来，2030年老龄化人口将超过20%。同时，近3亿的农民工群体也值得关注。如果AI大量替代就业，可能激化就业结构问题，对国民经济造成系统性冲击。

为应对这些挑战，我们应做好两件事：

1. 坚持改革开放，解决就业总量和结构问题，进而带动收入、消费和投资增长，形成正向循环。只有改革开放，才能促进经济上升和就业增加。AI越发展，改革开放越迫切。

2. 提前布局社会保障体系。在人口庞大的基础上，大规模失业的后果不堪设想。因此，我们必须提前用增长动能化解压力，提前布局好社会保障体系，在政策上有明确地应对。

张丹丹：

王永进教授，您在撰写《国际数字经济学》时，是否也深入考虑了AI对研究的影响？

王永进：在AI时代，人和AI的关系应该是怎样？AI似乎无所不能，那人还能做些什么？我们教育的目标是希望孩子们长大之后在这个世界立足，成才不是最终目的，更重要的是成人。那么在AI时代，我们需要的是怎样的人？

第一，我们必须认识到，在AI时代，教育的核心不仅是传授知识和技能，更在于孕育创造力和对未知的好奇和渴望。康德曾说，让他感到震撼的是头顶的星空和人类内心的道德法则，这恰恰是人类独特于AI之处。因此，我们的教育应着重培育孩子的探索精神和道德观念，而非仅盯着成绩和职业前景。

第二，科学研究的目标也应该超越简单的创新。批判性思维固然重要，但更重要的是我们对自然、社会和宇宙的欣赏能力。这种欣赏能力是我们人类灵魂深处的东西，是AI无法替代的。我们应该鼓励孩子保持好奇心，追求真理，而不仅仅是追求科研成果和创新点。

第三，我们需要培养孩子的开放思维。在这个充满变化的时代，我们需要以更加包容和开放的心态来面对未来的挑战。我们应该教会孩子如何与他人合作，如何拥抱变化，而非担忧AI会夺走我们的工作和未来。

最后，在AI时代，我们是否应专注于学习AI技术？在大数据时代，我们是否应充分利用数据资源？AI具备自我学习和处理数据的能力，在这样的背景下，我们更应该考虑的是人类能否走在AI之前？随着AI技术的不断进步，虽然学习方法可能会变得更加简化，但挖掘新颖、有价值的创新点将变得更具挑战性。

经济学研究在AI时代依然占据重要地位，同时数据技能也显得尤为重要。正如汽车的出现促使人们学习驾驶，计算机的普及使得计算机技能成为必备。然而，这些基础技能并不足以构成我们的核心竞争力。人类大脑在应对紧急情况、体育锻炼、脑力学习及思维活动中，其实只发挥了30%的潜能，而在放松状态下，剩余的70%则在默默运作。这种在闲暇中闪现的灵感和直觉，如阿基米德在浴缸中获得的启示那般，正是我们与AI的关键差异，也是AI所无法复制的创新之源。

尽管物联网已在工厂得到应用，其信息收集仍受人类设定所限制，无法全面收集。即便信息齐全，仍有一些方面的信息显现出人类与AI的独特差异。例如，AI虽擅长下棋，但人类不会放弃下棋，毕竟人类下棋主要为寻求快乐。同样，人类进行科学研究是出于对知识的好奇探索，并非因为AI无法涉及这些领域。AI作为人类创造物，旨在辅助而非替代我们。在AI时代，我们从事经济学研究不仅为创新，更源于对知识的渴求与好奇。若研究仅为谋生，其质量将大打折扣。

因此，真正的研究者不会受物质激励驱使。经济学原理指出，人类会对激励做出反应，但真正的激励源于内心的愉悦，这种精神激励远胜物质激励。每位杰出研究者都体验过这种美妙感觉。有人为发表论文购买数据，有人无偿地让企业使用专利，甚至有人为研究开设公司，这些做法在世人眼中或许显得不可思议。然而追求高质量研究时，我们应回归本真：研究的乐趣、世界的趣味以及内心的喜悦。

张丹丹：

当前经济学专业也面临招生瓶颈，同时许多学校为适应时代需求纷纷设立新课程，如大数据、机器学习等。在此背景下，关于如何引导并培养年轻学生，郭峰教授能否分享您的教学实践与见解，为学生们的未来发展提供一些启示？

郭  峰：我确实开设了一门博士生的机器学习课程，并且最近也受教育部委托，准备开设面向大一学生的人工智能通识课。

对于在座各位，我有两点建议。

首先，对于学生们，我要说的是，大数据处理需要新的编程工具和人工智能手段，大家应该积极地掌握。有一个词可能会对大家有所启发，那就是为自己的学术研究建立“学术壁垒”，即能够处理各类新型大数据的本领。做到这一点，你们的研究就有可能突破前人的限制。

其次，对于老师们，虽然你们可能不再需要亲自编程，但对人工智能编程的基本逻辑应有所理解。我发现，如果完全不懂人工智能和编程，连向团队提出需求都会变得困难。因此，老师们也需要对这些基本概念有所了解，以免被误导。

张丹丹： 刘瑞明老师对此有什么看法？

刘瑞明：第一，当前经济下行，经济学专业就业市场看似低迷，实际却是深入学习经济学的黄金时期。国家经济面临挑战，亟需经济学者提供洞见与解决方案。从个人职业发展角度看，经济与经济学均存在周期性，学生入学时的低谷，到毕业时可能转化为上升机遇，从而改善就业前景。

因此，经济学招生门槛的降低实际上提供了一个难得的投资契机。忍受短期困境，以追求长期的丰硕成果，这才是智者所为。

第二，AI越发展，经济学的底层逻辑和训练越重要。我们需掌握AI复合型技能，经济学课程应整合AI知识，学习内容要确保时效性。然而，经济学的本质在于探究人类行为，这是我们的核心使命。在学习AI的过程中，我们也需要深入研究AI的特性。因此，经济学的抉择始终基于人类社会，与人类社会共存。无论是AI经济学还是数字经济学，都只是经济学的分支，经济学的核心逻辑始终未变。

第三，谈到对人类社会底层的关怀与爱，这些都属于“道”的范畴。从“术”的角度看，我们如何具体实践？在人才培养中，老师们或许都有同感，我们的学生都很聪明，但缺乏创新思维、批判性思考和逻辑推理能力，甚至文字表达也不清晰。这种情况下，学生在任何学科或实际工作中都会受限。特别是在AI时代，经济学研究已从简单的体力密集型转变为兼具创新思想、资本和劳动密集型的综合模式。例如，陈钊老师最近发表的关于七家企业的文章，正文加附录长达300页，这意味着严密的模型建构、足够创新的观点、大量的数据支撑和层层递进的逻辑关系，合在一起是巨大的工作量。那些只能跑一个回归的研究，很快就会被AI替代。因此，我们急需提升学生的逻辑思维和创新能力。这不仅是经济学教育的责任，更是每个人应当培养的基本能力。因为具备良好的逻辑思维和创新能力，在日常生活中能有效区分轻重缓急、做出明智选择，这是最重要的品质和能力，能做到这一点的人就是精英和佼佼者。

张丹丹：想请问陈老师，您的300页的大作更倾向于技术密集型、观点密集型，还是数据密集型？另外，您认为我们需要具备哪些技能，才能撰写出如此高质量的文章？

陈  钊：作为作者，发表优秀文章需要各方面能力都面面俱到，但核心是创新的想法。当观察到一个奇特现象时，我们应深入思考其成因。灵感的闪现就是文章的起点，随后的工作都是为了验证这一灵感的正确性。

关于AI教育与人才培养，大学和职业学校本应各具特色，但现实中两者日趋相似。当前AI教育的课程设置和教学方式，或许正反映了人工智能技术的不成熟。若AI技术足够先进，目前的教学内容或许都可由AI替代。当然，在技术进步的过程中，教授这些内容是必要的。然而我们也应前瞻性地思考，在未来AI高度发达时，我们真正需要培养的是哪些能力，如情感理解、人的独特思考等，这些才是更为根本的能力。

我认为国家制度环境对人工智能的发展至关重要。近年来，人工智能之所以能实现井喷式增长，主要得益于算力的显著提升。算力之所以关键，是因为人工智能本质上是通过不断迭代、模拟和搜寻来处理大数据的。以AI人脸识别为例，其准确性高是因为人脸的特征客观且明确。然而ChatGPT这样的应用，其信息来源于互联网各个角落的海量信息，在这样的情况下，这些信息的真实性就显得尤为重要。如果在网络环境中，大家都能真诚地沟通，真实地表达自我，这对于人工智能的发展是大有好处的。如果人们不希望被AI识别，可能会使用隐晦的言辞，甚至是“黑话”来沟通，导致信息失真，从而影响AI的判断。语言和文化差异也会对此产生影响。

因此我认为，人工智能的人才培养和技术发展，不仅与技术层面相关，还需重视情感培养、人的全面发展以及制度环境的建设。一个充满真实信息的网络环境对人工智能的发展至关重要。这些因素共同作用，才能推动人工智能更好地发展，并确保人才培养方向的正确性。

张丹丹：

陈老师强调我们要追求更真、更善、更美的研究。同时，郑老师在之前的回答中也提及了高端人才对于创新的重要性。请问郑老师，当前时代下我们该如何培养高端人才？

郑江淮：中国经济学年会创办于20年前，我也曾多次参会。20年前来北大参会时，国发院引领了现代经济学的新风潮，为我们普及了先进的研究方法、工具和体系。如今，随着人工智能的崛起，经济学研究迎来了新的划时代变革。我认为人工智能和大数据已成为经济学研究不可或缺的基础设施，且具有公共品属性。因此，我提议中国的高校，尤其是985高校，在人工智能时代应共建、共享这一重要基础设施平台，让所有人都能使用，而非仅限于985师生。如果缺乏这样的平台，很多顶尖人才和充满好奇心的学生可能因为缺乏实验手段而难以施展才华，导致英雄无用武之地。该如何建设完善这一中国经济学的公共品，这是中国经济学未来发展必须考虑的问题。

谈及如何做研究，我认为在人工智能和大数据的时代背景下，我们拥有了前所未有的丰富数据资源，这使得我们能够观察到更多的典型事实和行为。对于那些具备扎实经济学理论基础且充满好奇心的人来说，这些数据能够激发新的思考，形成独特的观点和理论。这无疑为中国经济学在未来的全球创新中提供了一条极佳的路径。

张丹丹：

在此，我想分享一点心得：在人工智能时代，我们更应关注“人”本身，因为人是最重要的。同时，尽管AI发展迅猛，我们却需要慢下来，深思我们真正想做什么，从本心出发，开展一些既与时代相关，又不被AI左右的研究，实现真正的创新。郑老师提到了引领作用，我也希望中国经济学年会能与众理事单位、学者和学生一道，引领中国经济学持续发展，期待五年后我们会更加壮大。

整理：文展春

编辑：王贤青 白尧