2011年诺贝尔经济学奖获得者Thomas J。 Sargent：如何从供给与需求侧促进发明创新

　　12月15日，2018上海金融论坛在上海举行，会上，纽约大学经济学教授、2011年诺贝尔经济学奖获得者Thomas J。 Sargent 对大数据和无数据的理论进行展开分析。

　　Thomas J。 Sargent表示，第一个问题人工智能、区块链、物联网、量子计算和基因工程等新技术的到来，将为经济生产力、交易和执行交易的方式、商业周期和经济增长带来怎样的影响？第二个问题，人工智能、机器学习、“理性预期”。人工智能、大数据和统计学盲从的进步，能否让人们更加轻松的对经济选择做出更理性的判断呢？还有这些技术将对企业内部和企业之间的组织方式产生哪些影响。同时，这些技术将对政府和私营部门的法规规则产生哪些影响。

　　对于这些问题，Thomas J。 Sargent的回答是他并不知道。他表示，在回答这些问题之前，他想先说创业，创业者到底做了什么，他们是做什么的。他们为此得到什么回报，为什么应该得到这些回报？这些问题凯恩斯和奈特都在思考。我来解释一下为什么无法回答上述问题。

　　不过Thomas J。 Sargent认为，有的问题是可以预测的，比如基础设施。我们社会可以使用怎样的基础设施来加速创新的过程，这里的基础设施包括哪些呢？基础设施是一个平台，就是一种规则。政府、公司和其他的机构，和其他的决策者，通过这样的基础设施，通过这样一个平台，来推动日常或者说规范日常生活，这就是基础设施。

　　Thomas J。 Sargent表示将从两个方面讲基础设施，就像经济学家一般讲话一样讲供给侧和需求侧。在供给侧思考一下这个问题，有什么样的技术性的学科在过去曾经产生了创新。过去的这些学科在多大程度上揭示了什么样的基础设施能够培养新的思路，实施新的思路，实施新的技术，推动新技术的制造者，这是供给侧的问题。哪些学科在过去产生了创新，我们是不是可以进一步发展这些学科，这些学科包括科学、数学、物理学、生物学、工程学等等。

　　而在需求侧可以问这样的问题，哪些经济活动可以促进发明和创新呢？Thomas J。 Sargent表示，一个就是贸易，包括国内的贸易和跨国的贸易。如果用一个词来总结基础设施或者说来强调基础设施的话，这里面的关键词就是连接。想法之间的连接，人与人之间的连接，贸易者、学者以及研究者之间的连接，比如说想法之间的连接。比如说大数据和人工智能，比如说阿尔法狗的发明，还有机器学习算法。我们说机器学习，但其实里面有很多人为的因素，没有人的话是不可能真正产生机器学习的。机器学习究竟是怎么回事呢？它其实是很多领域想法的集合，包括数学、统计学、计算机科学、经济学、博弈论、脑科学、认知科学，把所有的这些学科结合在一块，找出这些学科之间的联系互动，从而产生了机器学习的算法。

　　Thomas J。 Sargent称，回到前面的主题大数据和无数据，凯恩斯和奈特关注的就是这两点。比如说弗兰克奈特就重点研究创业者究竟是做什么的，他把两个概念区分开来了，一个是风险，一个叫做不确定性。什么是风险呢？风险它的这样一种概率分布是一致的，比如说你可以做各种各样的金融产品，金融投资，可以做保险，可以做精算，有已知的概率。但是奈特说有些事情我们没有办法得出概率分布的，概率分布是未知的，比如说前面庞加莱被问到的问题，未来会有怎样的产品和需求，你不知道，你没有任何产品的数据，也没有成功和失败的数据，存在太多不确定性，这就是不确定性它的概率分布是未知的。在关联信息论里面，意外是什么呢？其实就是用新的概率分布来取代原有的概率分布，增加了新的信息，产生了意外，于是形成了新的概率分布，形成新的决策理论，可能这就是凯恩斯一直所追求的这样一种决策理论，模糊性和稳健性。在没有数据的情况下，做出判断。你没有数据，没有办法分析风险，这个时候要问的问题就是那你如何模拟这种不知道概率的情形呢？奈特的答案是学者不知道如何模拟，但是创业者恰恰擅长模拟这种未知的概率。