诺奖得主萨金特港大最新演讲：AI的突破本质上是经济学的数百年进化（万字实录）

44 0 0

文章摘要

托马斯·萨金特的演讲围绕人工智能与经济学的交叉展开，探讨了AI如何改变经济规律的核心问题。作为理性预期理论的奠基人，萨金特指出，当前AI的本质仍是“开普勒式”的数据拟合，而非“牛顿式”的机制解释。他通过科学史中的托勒密、开普勒与牛顿的对比，强调经济学需要结构化的理论模型，而非仅依赖统计拟合。

萨金特剖析了智能的三个核心能力：模式识别、概括与决策，并指出人类直觉在复杂经济系统中的局限性。他援引心理学家史蒂芬·平克的观点，认为进化塑造的认知本能难以适应现代经济分析，而AI的发展正是为了弥补这些缺陷。机器学习的技术根基（如动态规划、贝叶斯推断）实际源自经济学、统计学等传统学科，AI并非全新领域，而是跨学科知识的延续。

在经济学影响方面，萨金特提出AI将重塑劳动与资本的分配结构：高技能劳动者与AI互补，低技能岗位则面临替代风险，这可能加剧收入不平等。他以AlphaGo为例，说明AI虽能通过博弈论和蒙特卡罗模拟解决复杂问题，但理解规则背后的经济机制仍需人类洞察。

演讲后半部分聚焦AI的局限性。萨金特认为，现有AI无法独立构建如拉姆齐计划或动态博弈等结构化经济模型，其功能更多是加速计算而非理论创新。他引用冯·诺伊曼和摩根斯特恩的决策理论，强调经济学中的“约束优化”本质仍未改变。最后，萨金特提醒教育者警惕AI对学生学习能力的侵蚀，主张夯实数学与统计学基础，以培养“识别不变量”的思维——这一能力在技术迭代中更具持久性。

现场对话中，萨金特进一步阐释了AI对学术研究的双重影响：数据拟合成本降低可能削弱结构化建模的动机，但真正的理论突破仍依赖人类对均衡、约束等核心概念的把握。他建议学生掌握“硬技能”，以应对未来技术的不确定性，并幽默地以自身经历佐证终身学习的价值。