人工智能如今你被大家公認為無所不能，國家也對人工智能發展熱切關注，政府還欲扶持一家本土企業，計劃在幾年內趕超日韓國家。去年，有一則話題人工智能能否復活“計劃經濟”的問題，中國的各大巨頭進行了一場激烈的辯論。

　　今年7月，國務院印發《新一代人工智能發展規劃》，提出了面向2030年中國新一代人工智能發展的指導思想、戰略目標、重點任務和保障措施，將中國發展新一代人工智能抬到了最高的戰略點。近年，大數據、云計算、人工智能（AI）的突飛猛進，不斷增強人類在預測、規劃、計劃社會及經濟行為方面的自信。

　　去年，在人工智能能否復活“計劃經濟”的問題上，阿里巴巴集團主要創始人馬云（微博）與清華大學經濟管理學院院長錢穎一展開了一場辯論。馬云的觀點是，過去的一百多年來一直覺得市場經濟非常之好，他個人看法是未來三十年會發生很大的變化，計劃經濟將會越來越大。市場這只無形的手有可能被發現。隨著大數據時代的到來，對計劃經濟和市場經濟要重新定義，萬物互聯的時代，人類獲取數據的能力遠遠超過人的想象，人類對世界的認識將會提升到一個新的高度，大數據會讓市場變得更加聰明，讓計劃和預判成為可能。

　　在經濟學界和AI界，這種辯論至今沒有停息。未來，計劃經濟會如馬云所說那樣“會越來越大”，還是如錢穎一所認為的終將是敗局？前段時間，在第二屆野三坡中國經濟論壇上，知名經濟學家、長江商學院經濟學教授許成鋼從技術層面和市場經濟層面給出了自己的答案。

　　今天我們試圖發展人工智能這個技術，怎么發展？是從計劃來嗎？還是從別的地方來？這是第一個問題。人工智能發展了之后會把我們帶到哪兒去？會帶到計劃經濟去嗎？這是第二個問題。為了討論這個主題，我想從最基本的技術層面開始，理解人工智能是什么意思，人工智能到底能做什么、不能做什么，大數據跟它是什么關系。

　　當大數據成為一種基礎資源

　　首先大數據本身沒有那么重要，它的重要性在于它是人工智能的基礎。如今之所以中國、俄羅斯以及世界上所有的發達國家都高度關注人工智能的發展，原因就是現在都已經很清楚，這是一次正在興起的產業革命。這個產業革命引發的后果，就是大量的無人工廠會產生，許多行業會變成無人的服務業，人類歷史上從來沒有見過的高效率會產生，也會導致人類的大量失業。

　　由于人工智能的發展基礎是大數據，因此如今大數據和人類歷史上的原材料、能源等一樣，變成了一個基礎的資源，但是這個資源不一樣的地方就是它不是原來就在世界上存在的，而是我們人工去收集的。

　　當這種生產模式發生基本變化的時候，這種全新的自動化、全面的自動化，會不會從基本面改變制度并帶來隱患呢？我們需要從過去已經發生過的產業革命那里吸取教訓，否則就會重蹈覆轍。過去的產業革命之所以帶來教訓，就是因為當這些產業革命產生的時候，人們過高地估計了這個產業革命可能到什么地方，在過高估計自己力量的時候，也會濫用這些新興的科學和技術。

　　我舉幾個歷史上的例子，第二次產業革命時期，以國有制為基礎的中央計劃這樣一類制度盛行，這是因為過高估計了人的計劃能力，過高估計了人的統治能力，以為什么都能造。另一個例子就是對環境的破壞，比如說巨大的水利工程，以為“人必勝天”。人怎么能勝天呢？因為過高估計了人的能力，所以人以為人可以制造世界上最大的人工湖，人可以控制水流，以為人可以按照人的意志來改變環境。但是實際上到二十年前，國際間已經有了普遍的共識，就是人工湖對環境的傷害經常是我們沒有預計到的，它的傷害往往超過了它帶來的好處，因此在國際間同行里是普遍不鼓勵再造巨大的人工湖、大水壩了。再有就是化石原料，化石原料大規模的使用，就是伴隨著第一次和第二次產業革命來的，今天造成了全球碳排放過高和一系列污染。

　　這些都是過去的教訓。今天當大數據和人工智能結合在一起的時候，它可能帶來的危險很多我們還不知道，比如說政府或者帶有壟斷性質的大公司，可能利用手中的數據試圖控制社會，用這個方式進行大規模的戰爭，用這個方式犯罪等等。

　　人工智能的基礎是可度量的數據

　　我們通過理解大數據本身的技術基礎，才能明白人工智能可以做什么，不可以做什么。

　　首先，大數據或原始大數據的基礎，是傳感器、移動設備。它們先檢測到一些具體的數據，通過互聯網和物聯網傳送數據，才能集中起來。所以，大數據的核心就在于數據收集、傳輸、儲存和處理。傳感器和移動設備可以度量的所有數據就是關鍵所在，人工智能可以做什么不可以做什么由這些可度量的數據決定。所謂深度學習的人工智能，它的技術基礎就是用大數據來訓練機器，產生識別的能力、推理的能力、規劃的能力，所以人工智能里包括規劃。

　　然后是算法，深度學習其實是一種算法，它產生時就是和經濟學里的決策理論在一起的。算法的核心是什么呢？作為人工智能的設備，比如機器人，設計者要為機器人分配一個目的，就是造的這個機器在市場上干什么？它的目的和經濟學家討論的是一回事。它要尋求它自己效益的最大化，或者尋求自己利益的最大化，那就是它的目的。但是沒有任何一個經濟學家真的知道世界上哪一個人的真實目的是什么，什么東西影響你。抽象地說，人的目標是為了幸福，是為了愉快等等，但是什么東西影響了你的幸福，什么東西影響了你的愉快，沒有一個經濟學家知道。這就是為什么市場是奇妙的，是靠著市場上的人自己去行動實現的。

　　反觀人工智能的目的，如果有了大數據和人工智能，有沒有可能通過大數據把它的目的算出來或模擬出來呢？這需要我們分析人的智能和人造的智能。

　　人的智能產生于人的生理的和心理的感知，以及人收集的信息。早在1950年代經濟學家西蒙教授討論人工智能的時候，就已經提出“識別”的概念，這就是今天人工智能的核心概念。識別分為冷識別和熱識別，冷識別可以理解成機器的識別，熱識別是人帶著感情的識別，人帶著感情的識別機器是學不來的。還有一個非常重要的基本概念，就是硬數據和軟數據。硬數據就是所有可以度量、可以傳遞的數據。什么是軟數據呢？就是沒有辦法用傳感器度量的，如果不能夠度量就無法傳遞。所以當我們討論人工智能是基于大數據訓練出來的時候，技術上就已經決定了它沒有熱識別和軟數據的基礎。它連基礎都沒有上哪兒去學？這就是為什么機器不是人。

　　生物科學告訴我們嗅覺、味覺、性欲都是無法度量的，人的心理感知如喜悅、厭煩、痛苦、思念、懷舊、貪婪、野心等也是無法度量的。人的智能還有一個基本部分就是直覺。直覺是人基于對硬數據和軟數據、冷識別和熱識別綜合在一起產生的一種高度的、抽象的、跳躍性的反應。這種直覺依賴的數據不但不可度量、不可傳遞，而且產生的直覺本身也是人無法描述的。人的智能和機器中間有一個鴻溝，人工智能的基礎就是可以度量、可以描述、可以傳遞的數據，訓練人工智能得滿足這幾個條件。

　　因此深度學習這種人工智能最終不涉及學習人的智能的原始基礎要素，原因就是因為它缺少大量人的基本感知，當它沒有這個基本感知的時候，這個機器沒有可能通過學習來產生和人相似的目的，只能是由設定它的人分配它的目的。

　　人工智能無法實現國民福利

　　經濟學家永遠有爭執的是，人的真正效應是什么，我們永遠都不知道。因此人分配給機器的效應，它沒有可能是人的普遍函數，它只能是在一個狹窄范圍里定義的和靜態的。因此從廣義上講，任何人工智能設備或者機器人產生的目標函數，不是也不可能代替真的人的自身目標。當年西蒙獲得諾貝爾經濟學獎的時候，就提出了“有限的理性”這樣一個非常重要的基本概念，一直影響到今天經濟學的發展，而且是今天經濟學發展的最前瞻的東西。有限的理性是當初討論計劃的時候認識到的問題，我們永遠是片面的，你分配給機器人一個效應函數，它做的一定不會比你更好。

　　因此，結論性的意見就是，你沒有辦法訓練源于人自身的原始偏好和動物性而產生出來的目標行為。今天我們見到的可以深度學習的人工智能，實際上只限于訓練模仿人在已知環境里的行為。因為，你是靠在已知的環境下收集的數據訓練的，比如在市場中的消費行為、在自由環境里參加討論的那些人的社會行為，以及比如說面對一個知音者或一群知音者，音樂家的表演行為。你收集到的行為實際上是有限的，是限定在已有制度里的，你拿這個來訓練機器人，機器人會模仿在這個狀態下是什么樣的，一旦脫離了訓練的環境，沒有原始動力的人工智能實際上是沒有辦法的。

　　上面說的是人工智能不能干什么，下面說人工智能能干什么。人工智能可以規劃，也可以執行，但是它能夠規劃和執行的前提是目標必須是清晰的。人工智能的革命會在什么地方產生？它產生在所有你能想象的、能準確規定它的目標任務的領域。比如下棋，計算起來很復雜但是目標很簡單，然而人類碰到大量的事不是那么簡單。它可以是非常好的助教、助理研究員、金融分析助理、醫生助理、律師助理、軍事參謀助理等等。為什么都是助理？因為它沒有辦法代替人。

　　總體來說如果有明確規定的、狹窄的目標，機器人都會做，包括戰爭，當然這是一個有嚴重爭議的問題。在最樂觀的情況下，人工智能最終是可以規劃和執行企業和軍事任務的。這里回到經濟分析的主題上，軍事任務和經濟任務本質不同，為什么？因為軍事任務的目的簡單，就是打勝仗。而經濟任務的目的說不清楚，經濟的任務是國民福利，不是GDP增長。什么叫國民福利？國民福利是全體國民的感覺合在一起決定的，連我們人都搞不清，機器更搞不清，所以沒有可能用機器去實現。企業治理和國民經濟有本質的不同，因為企業追求利潤，而國民經濟追求的是國民福利。

　　消滅市場等于消滅了計劃的基礎

　　到底有沒有可能，未來人工智能發展以后，計劃經濟就能代替市場經濟呢？答案非常簡單。我剛才已經把人工智能的基礎說清楚了，大數據從市場上來，如果把市場消滅了，數據就沒有了。你說，我現在收集了人類歷史上沒見過的無數的數據，就可以不要市場了，就可以計劃了，那就搞錯了。因為你把市場消滅以后，你的基礎也就沒有了。

　　還有最重要的一點，當把市場消滅后，如果試圖用人工智能、大數據去解決資源配置，也一定是錯的。為什么？尤其是在跟創新相關的資源配置上，這些資源配置的大量工作是在市場中由風險投資專家做的，因為他們掌握大量的軟數據，可以憑他們的直覺進行判斷。人工智能只能處理硬數據，沒有直覺所以不能產生這個判斷。

　　今天人工智能的人才在哪？截至今年的第一季度，全球人工智能人才一共190萬人，其中中國5萬人，而這5萬人里面做這行達到十年的不到40%。有85萬人在美國，而美國的85萬人里，有十年以上經驗的占其中的71 .5%。原因很簡單，在市場環境下才有這么多的有創新能力的人出來，如果把市場的環境搞掉，創新是很難發展的。

　　大數據、人工智能和制度之間有非常深刻的關系，制度會深刻影響大數據和人工智能的發展。因為大數據的收集處理會受到制度的制約，比如說哪些數據收集是合法的、是不是得到支持或者社會的反對，比如說掌握技術、有壟斷權的大公司是否侵犯隱私權等。

　　另一方面，人工智能發展本身也受到制度的制約，比如在發達經濟體里，人工智能要發展的時候，一系列行業要被淘汰，制度本身是如何面臨這個問題的？再有一點，一個社會平等或是不平等都會對人工智能發展造成巨大的影響。原因是人工智能的發展會造成巨大的不平等，一個更平等的社會會更有能力解決這個問題，而在一個不平等的社會則會引起非常尖銳的社會矛盾，阻礙人工智能的發展。