9月23日，在第二屆野三坡中國經濟論壇上，經濟學家、長江商學院經濟學教授許成鋼對最近出現在中國的一場爭論——基于大數據和人工智能（AI）是否可以重振計劃經濟，給出了否定回答。
許成鋼稱，機器只能習得可度量、可傳遞的數據，而對基于人類自身心理感知的原始基礎要素無能為力，更無法模擬人的目標行為。
他表示，人工智能只能執行有限范圍內目標清晰的任務，但國家經濟制度并不屬于此類。試圖用大數據、人工智能建立計劃經濟與人工智能得以發展的基礎相悖，“大數據從市場上來，你如果把市場消滅了，數據沒有了。你說，我現在收集了人類歷史上沒見過的無數的數據，我就可以不要市場了，就可以計劃了，那你搞錯了，因為你把市場消滅以后，你的基礎也就沒有了。”許成鋼說。
許成鋼1991年在哈佛大學獲得經濟學博士學位，于2013年獲得孫冶方經濟科學獎。2016年，許成鋼獲得首屆中國經濟學獎（與錢穎一共享），獎勵其在轉軌經濟中作用于政府和企業激勵機制的研究所做出的貢獻。
以下為許成鋼演講全文：
我今天討論的是大數據、人工智能以及計劃經濟、市場經濟的爭論。
重要的問題就是人工智能的產生是從計劃來還是從別的地方來？這是第一個問題。第二個問題就是，人工智能發展了之后會把我們帶到哪兒去？人工智能會把我們帶到計劃經濟去嗎？這個就是我要今天討論的主題。
人工智能的基礎——大數據
為了討論這個主題，我想從最基本的技術層面開始討論，因為我需要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。
首先，大數據它自己其實沒有那么大的重要性，它的重要性在于它是人工智能的基礎。如今之所以世界上所有發達國家都高度關注人工智能的發展，原因現在已經很清楚，就是這是一次正在興起的產業革命。
這個產業革命會引起的后果立即能看到的就是大量的無人工廠會產生、許多無人服務行業會產生、人類歷史上從來沒有見過的高效率會產生，會有巨大量的失業。
那么由于人工智能的技術基礎是大數據，因此如今大數據變成了一個基礎資源，和我們人類歷史上過去經歷過的原材料、能源等一樣。但是這個資源不一樣的地方是它不是原來就在世界上存在的，而是我們人工去收集的。
產業革命的教訓
下面的問題就是當這種生產模式發生基本變化的時候，這種全新、全面的自動化，它會不會從基本的地方改變制度？我想非常簡要的概要一下，我們要吸取從過去已經發生過的產業革命的教訓，如果我們不吸取過去的教訓，那么我們會重蹈覆轍。
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，人們過高的估計了產業革命可能到什么地方，在過高估計自己力量的時候人類會濫用這些新興的科學和技術。我舉兩個歷史上的例子，第一個是在第二次產生革命時期，靠那個技術在那個背景下產生出來的以國有制為基礎的中央計劃這樣一類制度的設計，這是一個過高地估計了人的計劃能力、人的統治能力設計出來的東西。
另外一個例子就是對環境的破壞，比如化石原料，化石原料的大規模使用就是伴隨著第一次和第二次產業革命來的，造成了全球碳排放過高帶來全球變暖、帶來的一系列污染，人們已經意識到現在到時間扭轉了。
這都是過去帶來的教訓，今天當大數據和人工智能結合在一起的時候，它可能的危險我們還不知道，比如帶有壟斷性質的大公司利用手中的數據試圖來控制社會，用于大規模的戰爭，用于犯罪等等。
基于大數據的算法與計算能力
下面我們從最基礎的地方認識一下人工智能和大數據，只有知道基礎，才有可能能知道它能做什么不能做什么。
今天人工智能整個的大發展實際上是過去超過了半個世紀的發展積累出來的。首先，人工智能第一個重要的部分是算法，而這個算法是早在1950年代就開始探索的東西。關于人工智能的提法、算法和想法，甚至一些指導性的意見，是很少幾個創始人在1956年的時候在一次會上把這個名字確定下來，討論了大的方向，其中奠基人之一是經濟學家西蒙教授，他是諾貝爾經濟學獎獲得者，同時他是卡內基梅倫大學的經濟學教授、計算機教授、心理學教授，這三個專業統一在一起，才有了人工智能的想法。
人工智能的算法部分如今發展的最好的是所謂的“神經元模型”，神經元模型導致這個機器可以在人的指導下進行學習，所謂“深度學習”就是今天通常人們講人工智能時所提到的東西。人工智能的另外一個普遍使用和可探索的方法是“統計算法”，但是無論是使用的是人工訓練的辦法還是統計得辦法，都必須要大量的數據，這就是為什么大數據是基礎。
人工智能的第二個基礎是計算能力。在過去的半個世紀里，計算速度、計算能力和存儲能力基本上是每兩年提高一倍（摩爾定律），積累了半個世紀以后，現在超強的能力使得無論使用任何一種計算方法的人工智能，在一些領域機器超過人，而且是大大地超過人，一部分是因為算法，一部分原因是因為計算能力。當然了，所有的這些的基礎是大數據。
大數據的基礎：可度量數據
下面我們需要理解一下大數據本身的技術基礎是怎么回事，我們才能明白人工智能可以做什么不可以做什么。首先，大數據產生的最基本的基礎是傳感器、移動設備，是傳感器和移動設備先檢測到一些具體的數據，然后通過互聯網和物聯網把他們傳送，然后集中起來，所謂的大數據的核心就在于收集、傳輸、儲存和處理所有這些傳感器和移動設備他們可以度量的數據。這是關鍵所在，人工智能可以做什么不可以做什么，是由這個決定的，即是不是可以度量。
另一層面的大數據，是利用歷史上積累的大量文獻，其中包括各個學科積累的文獻，比如說圖書館里有文字的、有圖的、有音樂的、有舞蹈的記錄，這些全都可以轉換為大數據供機器去學習、分析。
所謂“深度學習”的人工智能（我們今天講人工智能多半講的是這個），它的技術基礎基本是用大數據來訓練機器來產生識別的能力、推理的能力、規劃的能力，等等。
冷識別與熱識別、硬數據與軟數據
下面我們講的是算法，因為所謂的深度學習其實是一種算法。這個東西從一開始產生就從同經濟學里的決策理論是在一起的，或者換句話說可以認為它是決策理論的一個部分。算法的核心是什么東西？首先，作為人工智能的設計者，你要為你的機器人分配一個目的，就是你造的這個機器在世界上的目的是什么，它是用來干什么的？他的目的和我們經濟學家討論的是一回事——它要尋求它自己效益（利益）的最大化。
沒有任何一個經濟學家知道世界上每一個人真實的目的是什么，是什么東西影響你？抽象來說你的目的是為了幸福、為了愉快，但是什么東西影響了你的幸福、你的愉快，沒有任何一個經濟學知道，這就是為什么“市場”重要。下面的問題就是如果有了大數據，有了這么聰明的人工智能，有沒有可能通過收集無數的巨大量大數據把它算出來、把它模擬出來，有沒有可能？
下面我們就要把人的智能和人造的智能，分別看一下。首先，人的智能是產生于人的生理、心里的感知以及人收集的信息。1950年代，西蒙教授討論人工智能的時候，就已經區分出來了“識別”的概念，這也是今天人工智能核心的概念。早在那個時代就已經有了所謂冷識別和熱識別區別的辯論。什么是冷識別和熱識別？冷識別是機器能夠識別的，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，這是一點。
再一點就是今天討論人工智能也好、討論相關的激勵機制問題也好，有一個重要基本概念——硬數據和軟數據，硬數據就是前面我提到過的，所有可以度量可以傳遞的數據；但是，永遠和硬數據對應的還有一部分是軟數據，軟數據是沒有辦法用傳感器或移動設備度量的，不能度量就無法傳遞、無法處理。所以當我們討論人工智能是基于大數據訓練出來的時候，熱識別和軟數據的問題從技術上決定都不包含其中，它連基礎都沒有上哪去學呢，這就是為什么機器不是人。
再有一點，人的智能里邊有個非常重要的基本部分就是直覺。什么是直覺？直覺是基于人對于硬數據和軟數據、冷識別和熱識別綜合在一起產生出來的人的一種高度的抽象的跳躍性的反映。這種直覺，不但它依賴的數據是不可度量、不可傳遞、無法機器處理的，而且產生的直覺本身也是人無法描述的，這就是為什么師傅帶徒弟不一定帶得出來，在教學的時候，好的教授之所以好，因為好的教授有更多的好的直覺，但是這個直覺傳遞不過去，你已經想出來了都傳遞不過去，更不要說你的學生會不會學出來，這個學生能不能產生直覺是老師沒有辦法，天生的。
轉載請注明：北緯40° » 為什么用大數據、人工智能去建立計劃經濟是行不通的？
