從經(jīng)濟學到機器學習：大數(shù)據(jù)與大算力驅(qū)動的想象空間像托馬斯·薩金特，就是那個教機器學習、認識世界的人。77歲的薩金特對AI、大數(shù)據(jù)、機器學習的一次專業(yè)演講，是最近在杭州，在2019羅漢堂數(shù)字經(jīng)濟年會上，同堂演講的還有2013年諾貝爾經(jīng)濟學獲得者拉爾斯·彼得·漢森等人。

作為2011年諾貝爾經(jīng)濟學獎獲得者、理性預期學派的領袖人物，薩金特不僅在經(jīng)濟學領域頗有建樹，其跨學科研究的旨趣，認為語言、理論和數(shù)據(jù)之間有很親密的關系，也讓其在人工智能領域走得更遠——交叉學科研究推動的科技（包括AI）進步，是薩金特格外看重和親身投入的。

從經(jīng)濟學到機器學習，不變的是對數(shù)據(jù)奧秘的發(fā)現(xiàn)力。本質(zhì)上，現(xiàn)在的經(jīng)濟學就是用數(shù)據(jù)、模型認識世界、解釋世界，進而提供各類決策建議的。而薩金特在題為《信息、幾何、計算》的演講開篇即指出，“我們現(xiàn)在有大量的數(shù)據(jù)組，以及我們有快速的計算能力”，同為經(jīng)濟學家的漢森也強調(diào)這一領域需要的是非常豐富的數(shù)據(jù)來源、很好的運算法則，由此其實不難看出，他們對數(shù)據(jù)分析的傾心、以及數(shù)據(jù)在當前時代的空前富集、算力的增長，是這些“最強大腦”們樂于活躍在機器學習這類前沿領域的重要因素。

薩金特和漢森的開門見山背后，隱含了一個事實——近幾年的人工智能熱潮，很大的驅(qū)動力來自GPU的廣泛應用，以及計算因此變得更快、更有效，而且成本低廉。伴隨者廣泛的應用，各種形式的海量數(shù)據(jù)的涌現(xiàn)，相應的存儲能力，也使得數(shù)據(jù)應用的前景變得空前明朗。

顯然，大數(shù)據(jù)與大算力所帶來的想象空間是無界的，正如任何一次重大的技術(shù)革命，其影響之廣泛總是超乎想象。對于像薩金特這種“最強大腦”們來說，如今盡享數(shù)據(jù)與算力之便的機器學習，就是突破想象空間的原點。

從更多的數(shù)據(jù)、更強的算力，到更好地在機器學習領域處理數(shù)據(jù)，在薩金特這里，基于信息理論的各種模型，一直在其中發(fā)揮關鍵作用，從而體現(xiàn)出機器學習的優(yōu)勢。利用模型來認識世界，不是新事物，但正如薩金特所指出的，如果模型包含了“不可數(shù)的參數(shù)空間”，機器是沒有辦法學習的。不過，在大數(shù)據(jù)、大算力的加持之下，如今信息理論在這方面可以發(fā)揮的作用更大了，即基于信息理論的核心概念“信息熵”，用“最大熵”原則去指導機器學習的發(fā)展方向，而這樣的計算在機器學習領域?qū)浅Ｆ恋墓?，正是機器學習的優(yōu)勢所在。

現(xiàn)實世界并不是理想的、理性的，這個問題對合理模型的構(gòu)建提出了挑戰(zhàn)。然而薩金特指出，模型可能不是盡善盡美的，有一些問題的，但是依靠大數(shù)據(jù)、通過（界限值的）對比（或參照），我們還可以進行相應的選擇。

在薩金特的演講中，漂亮的函數(shù)和模型永遠不會缺席，作為處理數(shù)據(jù)的方法和工具，薩金特對他們的喜愛和信心溢于言表。人工智能時代的機會，可能就藏在薩金特對它們的贊美之中。在經(jīng)濟學領域，薩金特作為理性預期學派的領袖人物而知名，這個影響廣泛的學派，有一個與人工智能一樣“樂觀”的基礎——基于這個學派的假說來構(gòu)建模型時，經(jīng)濟學家認為人是可以預測未來的。

不僅如此，薩金特從經(jīng)濟學向人工智能領域的跨界，實際上也帶去了其在經(jīng)濟學領域的開創(chuàng)性發(fā)現(xiàn)、為人工智能提供了新的思維方式。

不同學科與人工智能領域的互動其實是雙向的。薩金特之前受訪時曾透露，舊金山聯(lián)儲主席威廉姆斯，已經(jīng)將一些復雜的人工智能模型引入到政策制定中。這一成果，源于薩金特將其經(jīng)濟理論與人工智能的結(jié)合，在薩金特看來，人工智能代理模型越接近理性預期模型，人工智能代理就越智能化。人工智能細化和促進了理性預期模型。

對人工智能領域來說，正如在薩金特的研究中所體現(xiàn)出來的，在當前階段從各個領域廣泛汲取營養(yǎng)可能是必要的。“有好多應用科學像工程學、物理學、經(jīng)濟學，我們會建立一些模型模擬世界運營……我們的目的是希望解釋我們所觀察到的世界上的現(xiàn)象，而我們關鍵的工具是使用模型，然后放到電腦里模擬?！彼_金特從來不缺少對跨學科的研究和論斷，而事實上，現(xiàn)代科學或科技最重要的成果，幾乎無不是建立在大量的交叉研究基礎之上，而人工智能作為軟、硬結(jié)合且尚待重大突破的一門科學，顯然也應如此。

如歷屆諾貝爾獎中所體現(xiàn)的那樣，薩金特在2011年獲得諾貝爾經(jīng)濟學獎，一方面在于開創(chuàng)性的研究，另一方面，其實也在于樂觀地回應了外界對于現(xiàn)實經(jīng)濟問題的關切。當前外界對于人工智能同樣不乏關切，而像薩金特這樣的領袖型學者，擁有前瞻、多維的視角和方法，并且從不缺少對這一領域的信心，無疑是回應世界關切的最好人選。

相比22年前深藍擊敗了人類象棋冠軍所引起的轟動，今天的“理性預期”告訴我們，人工智能之路可能依然還有很長，但卻已經(jīng)很寬。