最关乎世界未来的十大问题及学者解答

 

       1. 我们是应该先控制风险，还是先迎接数字技术？

 

 要达到5000万用户，电力花了46年，计算机花了14年，互联网花了7年，皮卡丘花了19天。今天，在低收入国家也有60%的人已经拥有移动手机。决策时间前所未有的短，错过成本前所未有的大。

迈克尔·斯宾塞认为，数字经济带来的福利还难以被准确衡量和估计，这会影响我们平衡数字经济风险和收益。现有对经济的衡量集中在对经济增长的关注，忽略了健康、生活便利等其他福利。数字经济的长期影响是深度多维的，需要一个更多维的框架衡量个人和社会福利。

2. 数字技术会扩大鸿沟，还是会让世界变平？

技术从来都是双刃剑。技术革命既让地球能够养活的人口从10亿增加到70多亿，也引发过两次世界大战。关键是能不能以最快速度，让尽可能多的人受益。

迈克尔·斯宾塞认为，中国数字经济的发展不仅体现在增长速度上，还体现在边远、贫困群体与现有经济资源的结合速度上，这是令人震惊的普惠增长模式。

美国马里兰大学助理教授阿尔伯特·罗西 (Alberto Rossi) 认为：智能投顾能够帮助用户更稳健地配置资产，尤其是对投资经验少、现金持有比例高、频繁买卖的用户而言更是如此。智能投顾让投资更普惠。

3. 数据是谁的？谁是真正的受益者？

司机的行驶记录对于个人而言意义不大，但如果分享出去，就会让导航软件的精准度更高。数据作为一种生产资料，不见得应该只追求唯一所有权，而是要寻找一种机制保护好隐私，并让更多人受益。

2014诺贝尔经济学奖获得者让·梯若尔 (Jean Tirole) 认为：我们如何在保护个人隐私的同时，不遏制科技的进步和创新的向前？我们想倒掉洗澡水，但别把宝宝也泼出去了。

4. 数字技术会让更多的人失业，还是会让工作时间更短？

眼下美国对AI的担忧达到历史高点，但实际上美国失业率是半个世纪以来的低位。技术革命并没导致失业率上升，但会带来新的工种，以及缩短工作时间。我们该为未来的工作做好哪些准备？

克里斯托弗·皮萨里德斯认为：并没有证据证明技术会带来失业率的提高。但技术的发展过程中，确实会促进就业的结构性转变。以1980年以来的就业数据显示，就业逐渐从制造业向服务业转变。

5. 谁是平台经济的受益者，是所有参与者，还是少数平台公司？

技术革命一直在深刻改变人类协同方式，到了数字时代，消费者和生产者被合成一张网，它就是平台。在全新的协同关系中，各方的收益、责任、工作方式、福利保障等都发生了深远变化。

克里斯托弗·皮萨里德斯认为：数字平台是对分散市场匹配技术的改进，它具有提高所有市场参与者效率的潜力。互联网和平台经济能够有效打破制约成熟市场发展的阻碍。在中国，没有互联网，农民只能进城打工才能提高收入，互联网让他们在家乡也可能获得同样的发展机会。

澳大利亚新南威尔士大学教授理查德·霍尔登 (Richard Holden) 认为：数字技术改变了企业的协同方式和边界，让原本很多公司内部才能完成复杂的协同变得高效和透明，更多的事务可以在公司外部由市场协同来完成。这给小微企业带来更大的生存空间，更高效的利用资源做专业化分工。

6. 治理机制要如何改变，才能适应数字时代？

汽车诞生于欧洲，汽车商用的黄金时代却在美国。在数字时代，什么样的政府、市场和公司治理机制，才能适应今天自下而上的创新和新协同机制？

2016年诺贝尔经济学奖获得者本特·霍姆斯特罗姆 (Bengt Holmstrom) 认为：人工智能正在改变我们的经济发展机制，也会改变我们制定政策的方式。

7. 金融服务在越来越平民化的同时，会不会引发更多的风险？

金融从来都是经济发展的重要基础设施，眼下，数字技术让卖茶叶蛋的老太太和银行行长享受到同样的金融服务。但金融创新，包括数字货币，也可能带来新的不确定性。

本特·霍姆斯特罗姆认为：数字经济时代，信息是一种新的抵押品。有了数字平台上收集的信息，小额借款人获得信贷不需要抵押品，因为贷款人比借款人更了解他的信誉。在这方面，平台模式更接近于西方信用卡的基础模式，同时因为它基于数字识别，并包含大量数据，所以比信用卡便宜得多，也不容易被欺诈。

8. 数字时代，全球化会走回头路吗？

技术、贸易和知识的自由流动和分享是全球经济繁荣的核心动力，在世界经济分化严重、技术发展参差不齐的今天，我们如何推动全球数字经济协同，让每一个国家受益？

迈克尔·斯宾塞认为：让我感到兴奋的是中国的数字经济增长范式能够启发其他国家，开发巨大的国内市场就能带来巨大的增长机会。在此基础上我们不难想象，只需要一点点的国际合作，这种发展模式就能推广到全世界。各国小微企业参与到国际市场中或将成为下一个增长引擎，这才是最最激动人心的事。

9. 人工智能该不该有道德观？

无人驾驶汽车必须选择撞向一边，左边是老人，右边是小孩，它该做何选择？这该由算法来决定吗？

2011年诺贝尔经济学获得者托马斯·萨金特 (Thomas Sargent) 认为：说到底，机器并不是自己在学习，它们学的，都是人类输入的数据。是人类在告诉机器要学习什么。因此，我们人类在给机器提供数据的时候，要努力去除掉一些偏见。

10. 大算力和大数据，一定会让我们离真相更近吗？

我们在多大程度上可以利用大数据和大算力做决策，接近世界的真相。在一秒钟内能摸象腿数百万次，我们就一定会避免盲人摸象了吗？

2013年诺贝尔经济学获得者拉尔斯·彼得·汉森 (Lars Peter Hansen) 认为：数字经济时代，丰富的数据确实为经济学分析提供了更多的素材，但是实证分析本身的价值则非常有限。对于实际发生什么和可能发生什么，理论模型却能帮助我们做不同情形和不同政策下的比较。因此纯数据驱动具备一定的局限性，模型能让人们在大数据时代的今天做更好的决策。

托马斯·萨金特认为：大数据和大算力提升了抽象信息理论的价值，它们的高速发展对处理信息的方法论提出更高要求。更优的信息估计技术、算法博弈论、多元时间序列算法和数据模拟技术等都可以在大数据时代散发光彩。