诺贝尔经济学奖得主萨金特：中国在人工智能和数字货币领域已经相对领先

来源丨21世纪经济报道 董鹏驻广州报道

“在人工智能和数字货币领域，中国已经比较领先。” 12月5日，由中央广播电视总台粤港澳大湾区总部、南方财经全传媒集团主办、21世纪经济报道承办的“2019南方财经国际论坛”上，托马斯2011年诺贝尔经济学奖得主、纽约大学经济学教授萨金特在演讲中表示。

“从传统经济学的角度来看，亚当·斯密提倡自由贸易，重视专业化分工，这就需要有足够大的竞争市场。像中国这样的国家，改革开放会更容易一些。”与更多的国家进行交流和交流是件好事，因为市场足够大，可以让每一方发挥自己的优势，”Thomas Sargent指出。

但是，大市场也存在一些困难和挑战。

首先是运输的成本，需要更多的资源才能自由运输货物，其次是通讯和沟通的成本，相对来说比较贵。

此外，还存在信用风险。 “总会有人想偷别人的东西，造成相互间的不信任。有时候做出的一些承诺没有如期兑现，就会造成失信。再加上核查和执行的成本，交易变得非常困难，”托马斯萨金特说。

“如果能解决这些问题，就能创造更多的经济价值，所以我们应该鼓励和创造这些新技术。人工智能和区块链是非常好的技术，可以完成很多关键任务。”

对于区块链技术，他认为区块链作为一种数据结构，可以用一种大家相互信任的方式来记录，可以记录大家的交易，包括收支账目。

然而，人工智能与区块链技术之间存在明显的差异。

“区块链是确定性的，不是随机的，是永久性的，这些记录是不可更改的。同时，它是一种记录唯一密码的算法，可以记录唯一的事实。不会有任何歧义。非常准确， “托马斯·萨金特说。

但是，人工智能具有一定概率性和随机性的特点，可以很好地预测未知的现实。

“人工智能和区块链，这两种技术既不同又互补。随着区块链的进一步发展，我们可以高效共享，有效保护隐私。” Thomas Sargent表示，在这个领域，新的成果不断涌现。

演讲结束后，Thomas Sargent与平安首席科学家肖静还就区块链和人工智能的发展趋势进行了专题对话。

甘军 摄

人工智能和区块链的未来

肖静：区块链是基础架构，高效且不可篡改。 人工智能可以提供一些看得见的预测，可以帮助我们做出更好、更高效的决策和完成任务。 这两种技术是互补的。 目前，区块链比人工智能更受欢迎。 区块链在实际应用中有哪些障碍和挑战？

Thomas Sargent：谈到区块链，人们认为这是一个惊天动地的想法。 但是如果你开一家大公司，你其实需要在公司的不同部门之间共享。 当我们使用计算机时，实际上计算机本身就是在计算机程序内部共享和验证的。 如果深挖的话，区块链的想法并不像一开始说的那么惊天动地。 事实上，不同的公司或国家本身就有这样的共享机制。

现在我们面临的情况是，事情可以做得更好、更有效率、交易更容易，但很多国家不愿意这样做。 这是他们控制的力量。 事实上电脑模拟器无限比特币最新版，很多金融管理机构都对这项技术感兴趣。 我觉得中国人民银行的技术做得很好，他们比我更了解区块链。

肖静：很多人担心区块链技术的真实性、有效性和透明性，是因为不知道加入区块链技术后如何有效验证？

Thomas Sargent：这个问题一直都在发生。 一个新技术，可能会有人看着电脑摸不着头脑，但也会有人觉得这个技术牛逼。 我觉得区块链技术有很多优点，但是也有很多需要解决的问题，所有的新技术都是这样。

肖静：如果拿区块链和比特币来比较，比特币不是特别有效。 从金融服务的角度，我们需要非常高的效率？

Thomas Sargent：是的，因为人们正在考虑如何提高效率。 在操作上有没有更好的方法？ 区块链给我们带来了非常好的交易方式，但是我们可以让它变得更好。

肖静：中国人民银行在发展数字货币支付电脑模拟器无限比特币最新版，美国Facebook等公司也在研发新技术。 这也是一个非常强大的数字货币模型。 你认为 Facebook 的 Libra 最近没有通过听证会，还有机会生存吗？ 许多政府不允许数字货币的出现，尤其是私人公司控制数字货币。 这样的数字货币有突破吗？

Thomas Sargent：中国可以仔细研究一下。 数字货币与信用体系密切相关，比如存款或者买保险，还是会有一些自己的存款信息等信用信息。 美国的银行和金融机构都在这样做，政府机构也在研究这个问题。 能否有与该技术相匹配的相关管理制度和管理流程体系。

创新应用场景

肖静：刚才提到一个应用——供应链金融。 有什么例子可以和我们分享吗？

Thomas Sargent：很多创新和想法都来自银行业、金融业和金融机构。 这是一个非常好的良性互动，从科学、数据、金融机构和普通人的角度把他们连接起来，因为整个系统创造了一个非常好的技术。 我们以前的技术感觉就像一个玩具，但事实并非如此。 我们现在已经广泛使用它。 许多经济学教授、金融机构和银行从业者都接受了这些新技术。

肖静：神经网络是人工智能中的一门技术。 在金融行业使用人工智能技术有什么不同吗？ 美国有很多对AI的投资，无论是对冲基金还是银行。 对于传统金融行业，商业银行和保险行业使用人工智能技术的公司并不多。 你怎么认为？

托马斯萨金特：我没有一个好的答案。 简单来说，在一些老行业，可能有一些大银行垄断了整个行业，没有那么有竞争力和创新能力。 但也有一些新进入者会看到新的机会，愿意承担风险和使用新技术。 这种情况一再发生，即使在美国也是如此。

在 50 年代，美国制造的汽车是最好的。 在 20 世纪 80 年代后期，最好的汽车不是在美国制造的。 其中大部分是日本制造的。 说到创新，说到产业结构，20世纪80年代的日本汽车制造商更具竞争力，对美国汽车业构成了巨大威胁。 我在每个行业都看到了这种情况。

肖静：深度学习在很多领域都取得了进展，但是在金融服务行业，尤其​​是传统的经济预测，或者量化交易，他们还是使用早期的模型，比如参数比较稳定的可解释模型，我们还没有开始使用深度学习算法呢，你觉得这是一个好的研究方向吗？

托马斯·萨金特：这是个好主意。 现在已经有人开始研究了，包括一个朋友，他是深圳的一个教授，他在建一个模型，这个模型非常实用，是一个交易模型，但是在这个过程中有一个非常复杂的算法算法，还有一个非常重要的部分使用深度学习和模拟器非常巧妙地使用。 他是一位非常聪明的中国数学家，已经将深度学习用于模型构建，这是一个非常好的前景。 如果你有机会了解 AlphaGo 是如何击败最好的国际象棋棋手的，它是怎么做到的？ 这包括学习的方法，编得很巧妙。