《数字经济时代：大数据与人工智能驱动新经济发展》徐翔 | 书摘分享
本文最初发表于公众号： 彬复资本
7月12日，上海市人民政府办公厅关于印发《上海市数字经济发展“十四五”规划》的通知，提出到2025年底，上海市数字经济增加值力争达到3万亿元，占全市生产总值比重大于60%，核心产业增加值占全市生产总值比重达到15%左右。该《规划》格局之大谋划长远，又一次为我国坚定迈向“数字经济”的时代列车增进能量。彬复资本长期深度围绕“数字经济”挖掘投资机会，数字经济系列公众号文章将持续为大家分享精品内容与行业观察。
整理人：彬复资本 裴华飞；彬复资本实习生 刘奕君（南大商院20级本科生）
目录
1、 数智经济：大数据与人工智能驱动的新经济
2、 数字经济：新动能推动新发展
3、 大数据21世纪的新淘金热
4、 数据资本的概念、测度与经济效应
5、 数据资本与企业的未来
6、 人工智能的发展与应用
7、 人工智能经济学
8、 数字经济中的权益分配与福利问题
如今，人类从瓦特（Watt）代表的工业经济，大踏步迈入比特（Bit）代表的数字经济时代。随着大数据与人工智能发展出现的新经济现象、新经济模式和新经济系统，已有的经济学理论在解释、评估、预测和应用上都显得捉襟见肘。
书中将工业革命后的人类生产活动总结为“资本+劳动力=产出”，数字经济中发展起来的新生产过程概括为“数据+人工智能=知识”。并对已显著不同于传统经济形态的消费者理论，生产者理论、市场模型新特征进行了概括和总结，同时对数字资本与创新、数字经济中的权益分配与福利问题进行了反思。
第一章 数智经济：大数据与人工智能驱动的新经济
1.1/1.2 数智经济、知识经济
2006年，AI教父杰弗里·辛顿提出深度神经网络的概念，从而为深度学习奠定基础，使得大数据人工智能的发展达到了一个新的水平，以这两项技术为基础的知识密集型产业也逐渐形成并发展壮大。
数智经济的主要产出为知识，包括企业的各项决策，也包括新的生产技术与职业职能，还包括关于市场、消费者和供给者的各类资讯与信息。
1962年，经济学家弗里兹·马克卢普在《美国的知识生产与分配》一书中提出了知识产业的概念，并分为五个层次：
1、研究与开发；
彬复思考：应当也包含为企业提供市场需求分析的大数据服务商
2、所有层次的教育，包括家庭、学校、职业教育等；
3、通信与中介媒体，包括图书、无线电和娱乐等；
4、信息设备或设施，包括电脑、电子数据处理、办公设备等。
5、信息机构与组织，包括图书馆、信息中心、相关法律、财政、工程部门等。
1996年，经济合作与发展组织发布《以知识为基础的经济》研究报告，提出知识经济是建立在知识和信息的生产分配与使用之上的现代经济。
在早期发展中，绝大多数生产出来的知识和信息都可以被视为企业日常生产和研发活动的副产品。
数智经济的两种发展模式
一方面，若一个企业的生产过程中的核心要素是大数据和人工智能，就把这种以虚拟知识的创造为主的生产模式理解为“ 知识经济”；
另一方面，若一个企业的生产过程中仍以传统实体生产要素如劳动力和物资资本为主，大数据与人工智能更多地发挥协助传统要素发挥作用、提高传统要素整合效率等方面的作用。将这一生产过程定义为除“新知识经济”之外的另一种发展模式，即 实体经济的“数智化”。
彬复思考：
1、对于个体来说，作为决策者的人类个体几乎不可能将所有信息整合在一起进行决策，但这并非由于人的性格、个性或受教育水平的限制，而源于人类大脑的生理学缺陷所导致的必然结果。虽然如此，但是人的大脑能够选择有限的关键信息，做出正确决策。
“人工智能不是为了人可以更傻，而是为了让人可以更聪明。”
2、对于企业来说，大数据和人工智能的发展迅速削弱了传统企业在资本规模、品牌效应和产品种类等方面维持多年的比较优势，但数智化如何成为企业竞争的核心要素？（参考书目《全数字化赋能》和《TO B革命:企业级服务商业场景落地实操》）
1.3 数智经济伴随的机遇
企业在机器人和人工智能上的投入增加可以被视为一种资本深化，能产生额外的劳动力需求。
资本深化是指在经济增长过程中，资本积累快于劳动力增长速度，从而提高工人人均资本水平的经济现象。在机器人和相关ICT设备上的投入提高了企业的人均资本水平，从而增加了资本的边际回报，促进企业雇佣更多的工人来获取额外利润。
能谋善断，擅长发掘不同问题间的联系与因果关系的人类，毫无疑问是显著优于机器人的。 成为帮助机器的人，或者被机器辅助的人是在机器人时代下人的职能的下一个发展方向。
彬复思考：
在金融业、电商商务等TOC服务行业中，经济数智化的代表是对于用户画像的广泛应用，其为行业服务提供商巨头提供了巨量经济价值——用户匹配收益和获客成本的降低。那么由数据分析产生的权益应该如何分配？
技术的进步永远伴随着黑箱化，作者所述“编写、修改和解释代码预算法的能力，将成为类似于办公软件操作互联网使用一样的基础工作技能”。或许并非显而易见的将得以实现。
第二章数字经济：新动能推动新发展
数字化使计算、通信和内容三大行业之间的界限变得越来越模糊。数字经济的兴起，在很大程度上依赖于两项关键技术：计算机和互联网的发展。云计算概念延伸和发展出的云储存技术，彻底消除了空间与时间对信息存储的限制。
2.1 数字经济的概念
对于大型互联网平台企业通过垄断抑制创新的担忧，和对于个人隐私数据使用边界的争论，都随着数字经济的不断发展而愈演愈烈。
1996年，商业策略大师唐·泰普斯特勒：数字经济是建立在信息数字化和知识基础上的一系列经济活动。
2000年，《数字经济2000》将数字经济定义进一步拓展为信息通信技术（ICT）产业与电子商务。强调数字经济是一种以信息技术生产行业为基础的经济模式。
20世纪末21世纪初，大多数将数字经济视为生产ICT产品的信息经济、以互联网为基础的电子商务和以知识创造为主要生产活动的知识经济的集合体。 无论信息经济、电子商务还是知识经济，都需要建立在包含ICT技术的基础设施之上。
图1：对于数字经济的早期理解（书籍插图）
进入21世纪之后，数字技术的飞速发展使数字经济超越了信息经济与电子商务的范畴。数字技术逐渐成为一种通用目的技术，作为重要生产要素而广泛应用于各行各业，促进全要素生产率的提升，培育经济增长的新动能。
在上一轮信息革命之后，以互联网为代表的ICT基础设施已遍布世界各个角落，数字技术因此成为这一时代的 通用目的技术。以数字技术为基础，新的数字经济形式如平台经济、在线娱乐和金融科技等在逐步发展壮大。
2016年，G20杭州峰会上通过的《G20数字经济发展与合作倡议》中，强调数字经济在数字产业化（发展信息技术产业）和产业数字化（实现数字经济和传统经济融合）两方面贡献。
G20峰会提出数字经济是指“以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体，以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”。
2019年，《经济文献杂志》中综述文章《数字经济学》，将数字经济的定义拓展为一切受到数字技术影响的经济活动。
数字技术的作用下，存储、计算和传输信息的成本大大降低，经济活动的成本急剧下降，从而改变了参与者的行为模式和组织形式。此改变包括但不限于：搜索成本降低，使搜索的潜在范围和质量有所提升，从而降低匹配这一经济行为的实际成本；
2.2 数字经济的类型
数字经济可分为数字产品、数字服务、传统产品服务数字化和传统服务数字化四种类型。
数字产品主要包括计算机软件、音乐、电子书等以比特形式存在于信息存储设备和网络空间中的虚拟产品，可以被定义为被数字化编码，以二进制字节形式生产和交易的产品。能够以几乎零成本的方式被复制，大多为非竞争性。其客户群体的大小直接决定企业的利润空间，由此，企业的基本经营模式与盈利逻辑被彻底改变，对于网络外部性的极度重视成为数字产品生产者的共同特征。
数字服务指各类电子商务交易、电子邮件等信息通信服务、电子支付等平台型服务等，可理解为被数字化编码或在网络空间上提供的服务。其中特殊但常见的 免费服务（如视频和搜索网站等），其隐性代价是观看广告、付出时间成本和关注力，以及向平台提供自己的用户数据。它的提供者则通过售卖在线广告、收集消费者的数据信息而获得收入。
传统产品和服务数字化，并非产业数字化。主要指数字电视、物流服务平台等实物产品或服务嵌入数字化功能和成分，如智能手机、线上教育等。这两类数字化作为数字产业升级的驱动力，既是企业数字化转型的必然结果，也是企业为满足消费者对于数字产品和数字服务的旺盛需求而做出的产品和服务升级。
彬复思考：
书中作者将数字经济从“产品和服务”展开分为四类是一种方式，或者将数字经济分为数字化的“新工具、新业态、新内容”等亦可，有多种分类方式。
随着互联网从信息产业外溢诞生电子商务、在线娱乐社交，“知识经济、信息经济、互联网经济”被提出描绘信息技术发展所带来的经济发展模式的变化。
伴随互联网是否冲击实体经济的“鼠标水泥”争论，2000年代初期互联网泡沫的破灭，以及随后的迅猛发展，数字经济最终形成模式创新和技术创新交相辉映不断蔓延的燎原之势，人类从瓦特（Watt）代表的工业经济，大踏步迈入比特（Bit）代表的数字经济。（ 详见： 数字经济系列1：觉醒年代，中国数字经济三十年 | 彬复研究 ）
2.3 数字经济的统计测度
基于数字交易的三大特征（数字化订购、平台促成以及数字化传输）来识别数字经济的活动，数字经济的测算也应该包括基础设施的投资、增强社会活力、释放创新创造能力等多方面。
美国商务部经济分析局提出，数字经济应包括计算机网络存在和运行所需的知识，数字化的基础设施、电子商务以及数字媒体。
彬复思考：数字经济中生代定义：ICT+电商+数字媒体
2018年，麦肯锡以互联网为出发点，将数字经济定义为互联网活动的总体以及与互联网相关的活动、技术和服务。
我国学者提出，数字经济是指支持经济活动数字化的基础设施和服务，和将数字技术数字信息等作为关键要素提升生产和组织效率的产业活动，分为四类：数字经济基础设施及服务业、电子商务产业、数字化信息产业、数字化生产活动。
2.4 数字经济学：消费者、生产者与市场机制
数字经济学最早期被视为信息经济学的一个分支。早期的数字经济学，研究重点是数字技术在降低搜寻成本、减少信息摩擦上的突出作用。
一、数字经济中的消费者理论
AIDMA理论，即消费者在做出决策时经历 “注意商品—产生兴趣—产生购买愿望—留下记忆—做出购买行为”的全过程。每个阶段都会受传统营销手段的影响。
但在数字经济中，由于社交平台和网络的迅速发展，消费者群体的网络外部性大大增加，传统经济中普遍存在的信息不对称和信息不完备等问题得到有效缓解，AIDMA理论已不再适用。
线上消费呈现出数字经济所独有的特征，最突出的三个特征可以概括为：商品特征个性化、市场需求长尾化以及消费者行为社群化。
1、商品特征个性化
数字经济的浪潮来临前，生产端的产品大多采用标准化批量化的生产模式，消费潮流往往被少数市场占有率极高的企业牢牢掌控。
彬复思考：消费潮流的网络外部性，使品牌更加“标签化”
在数字经济中，大多数消费者不满足于预设好的产品和营销模式，个性化定制成为核心优势。企业通过互联网有效预测顾客行为，对消费者类型进行更精细的划分，实现产品定位多元化。
2、市场需求长尾化
在资源需稀缺的前提下，传统经济大多属于典型的供给方规模经济。在数字经济的环境下，企业可以利用互联网技术准确地捕捉市场上的尾端需求。使个性化商品的单一需求远低于企业盈利的经济极限水平，但仍然可以将这类个性化产品聚集起来，聚少成多，最终实现盈利。
3、消费行为社群化
对于传统经济，“产品—营销—渠道—用户—服务”构成了一个基本的经销活动流程体系。但数字经济中，商品活动的起点源于一个基于生活区域、兴趣爱好或各种垂直细分的需求标签而形成的社群， 形成“社群—用户—需求—服务”新流程。
商品特征个性化、市场需求长尾化、消费者行为社群化，反映出数字经济消费行为的一个重要变化，消费者在商品设计、生产销售过程当中扮演着愈发重要的作用，而生产者必须相应做出调整以适应消费者个性化需求。
二、数字经济中的生产者理论
其变化主要体现在新型生产要素所具有的数字化网络化和共享性等特征上。虚拟生产要素可以通过互联网跨越物理时空，降低企业获取和使用这些生产要素的实际成本，使得数字经济中的生产企业在生产成本和企业组织上具有显著优势，在生产过程当中体现出明显的 “规模经济”和 “范围经济”效益。
规模经济中零边际成本的存在，确保了数字经济中生产企业的固定成本被不断稀释，进而使规模经济成为可能。
范围经济，与规模经济不同（规模经济是大量生产同一种产品），范围经济是企业从生产或提供某种系列产品的单位成本中获得节约成本的效果。其在数字经济时代的一个突出表现，就是数字产品生态的构建。
互联网等数字技术的出现，提高了数字流动性和穿透性，削减了交易费用，从而推动了大规模的社会化分工和协作。在生产组织方向面体现出明显的 柔性生产和 虚拟企业。
虚拟企业将产业链共同体建立在虚拟基础网络基础上，共享技术和信息并分担费用的互利型企业联盟，使得以往“完全竞争”的观点逐渐被“协同竞争”所取代。
彬复思考：虚拟企业即产业链共同体，中小企业组成的产业产能集群
三、数字经济中的市场机制，平台经济
从市场结构看， 平台经济具有典型的双边市场特征，网络外部性成为平台企业的核心竞争力。数字经济时代，平台结构同时受供需双方规模经济的影响，双边市场的网络效应和平台用户的规模共同引发了平台效应，使互联网经济更趋于单寡头垄断性市场结构。
尽管平台经济的存在降低了信息搜寻成本，但平台本身和用户之间又形成了新的不对称极，极可能造成消费者福利受损。
彬复思考：
数字经济的本质是从硬到软吗？将实体中离线的隐形知识，在数字中在线化、显性化。
数字经济的皇冠是智能制造、柔性生产，那么是否可以也推断智能制造的本质就是让制造业的核心资产从硬件（如生产线）的分流到软件（如生产化的数字化模型）上？当大众普遍的“重硬轻软”的刻板印象被撬动的时候，才是工业软件真正度过险关。
延伸阅读： 波澜壮阔万象丛生，从制造业演进历程看工业互联网的6类应用与3大趋势 | 彬复研究
平台经济是如何从消灭供需之前摩擦成本的屠龙少年“双边市场”，成为单寡头垄断的的恶龙，详见后文本书第八章
第三章 大数据21世纪的新淘金热
3.1数据的定义
加拿大统计局将数据定义为“ 已转化为数字形式的观察”。
普林斯顿和哥伦比亚大学的两位学者，将数据定义为可以被编码为以系列0和1组成的二进制序列的信息，既包括数字化的音乐、影像、资料和专利等，也包括统计数据和交易记录。前者可被看作以数据形式存在的产品和服务，后者则更多地被看作为生产知识进行了一类特殊的投入。
信息是关于世界、人和事的抽象的客观的描述。与之相对的，数据是一种人造物，可能被篡改和伪造，没有信息的数据并没有太多意义。数据和信息还有以下三大不同：
1、数据在大多数情况下是标准的。绝大多数都可以按照二进制的方式进行存储和编码。
2、数据的价值挖掘是由技术驱动的。
3、数据的处理和使用过程具有可复制性。
3.2 大数据技术的发展与突破
大数据技术分为两类：一是ICT技术，其核心为计算机和互联网技术；二是数据分析和处理技术，主要是传统意义上的数学统计以及基于云计算和分布式处理的大数据技术。
区块链以及作为其基础的分布式记账，就是云存储的一个应用方向。
在海量数据被生产和存储的今天，传统的以人为分析主体的经验分析与统计推断已难以充分释放数据动能。基于人工智能尤其深度学习的复杂数据分析已经逐渐成为主流。这一过程当中，人的角色从“分析者”蜕变为“规则制定者”和“监督者”。换言之，绝大多数数据都将不再经人手处理。
数据科学强调分析数据的目的是获得新的“知识”，既可能是新的商业决策，也可能是新的生产技术，或是新的组织形式。
彬复思考：
信息是关于世界人和事的抽象的客观的描述，而数据是已转化为数字形式的观察，数据可以包含着信息，而数据本身不是信息。
换言之，“信息化”是为了满足人对获取客观描述的手段，而在“数字化”时代，绝大多数数据都将不再经人手处理。
从信号到数字的转换还有一个容易被忽视的优势，是计算机可以处理的规模越来越大，遵循摩尔定律，数字电路的迭代速度会大大快于模拟电路。
第四章 数据资本的概念、测度与经济效应
4.1 生产要素兴衰史
1662年，威廉·配第在《赋税论》当中提出：“土地为财富之母，劳动为财富之父和能动的要素”，是对劳动和土地两类生产要素最早判断。
土地是生产不可或缺的重要资源，劳动是商品价值的基础，形成了早期的劳动价值论，明确劳动力在当时的农业生产中的主导地位。
工业革命后，随着工业技术的高速发展，资本在生产中发挥的重要作用。
1776年，亚当·斯密在《国富论》当中强调了资本的生产要素性：“无论在什么社会，商品的价格归根结底要分为三个部分：劳动力、资本和土地。”
1890年，马歇尔在《经济学原理》中明确提出生产要素的概念：“维系国民经济运行及市场主体生产经营过程中所必需的基础性社会资源，最主要特征在于为经济发展提供生产的基础条件和动力来源。”并认为三种基本生产要素分别是劳动力土地和资本。并将“组织”定义为第四类生产要素，提出利润在本质上就是组织这一要素的要素回报。
4.2 数据资本的概念与特征
资本：曼昆撰写的《宏观经济学》中，被定义为工人使用的工具集合。
数据：可以被视为一种与资本十分相似的具有稀缺性的生产要素。只有被企业或其他生产组织获取的、直接用于生产的数据，才是数据资本。与传统物质资本一样，数据可以被积累消耗和交易，这些过程决定了其进入生产活动的具体形式。
数据资本：数据在很大程度上可以看成是数据分析师和机器算法可以反复使用的工具。大多数情况下，数据资本可被转化为人们更加熟悉的经济资本，通过以下六种方式实现：
1、使用数据形成用户画像，定位目标群体；
2、使用数据优化系统；
3、使用数据管理和控制生产过程；
4、使用数据进行预测；
5、使用数据构造物体，如3D打印；
6、使用数据提升资产价值。
4.3 进入生产过程的数据资本
数据资本进入生产过程的模式，一是传统意义上的数据驱动决策过程。数据资本既是生产中间产品，又是最终产品。二是数据驱动决策2.0版本。主要应用于数据服务，商业媒体、投资咨询等行业。
生产者通过投入劳动和资本收集和生成大量的原始数据，对数据进行清洗、筛选、积累和分析后，形成可以直接被使用的数据资产或数据化服务——数据资本。
在一个行业当中，使用数据驱动决策频率最高的3家企业及平均生产效率要比其的竞争对手高5%，利润率高6%。
4.4 数据资本对于经济社会活动的溢出效应
促进已有生产资料的深度融合：
1、根据能够优化其他生产要素的使用过程，提高要素使用效率和不同生产要素之间的结合效率；
2、自动化技术通过将数据资本和传统物质资本结合，在一定程度上起到了机器人替代劳动力、用人工智能替代人力资本的作用。
彬复思考：
金融资本起“价值中介”作用：一是消除定价的信息不对称，二是提供交易平台。数据资本和金融资本在一定程度上都行使了“信息中介”的功能。金融作为实体经济的润滑剂，其确保生产要素有效资源配置与经济循环畅通运行的重要作用是毋庸置疑的。
数字化带来的是过去无法想象的价格下降——即使商品的制造成本没有改变价格也会被不断压低。另一方面，制造商通过网络进行销售，能够直接对接客户，从而省下了流通环节的中间费用，例如音乐作品类商品实现数字化后再生产成本几乎为零。
那么数字经济是抑制过去20年内全球投资的“最重要因素”吗?（详见： 《数字资本主义》野村综研 | 彬复分享 ）
第五章 数据资本与企业的未来
5.1 数据密集型企业
平台型企业：平台是指通过网络信息技术，使相互依赖的多边主体，在特定载体提供的规则和撮合下交互，以此共同创造价值的商业组织形态。它将数量众多的用户聚集在同一个平台上，通过促进平台用户之间的互动，最终达成交易。
平台型企业不仅为用户群体提供交易撮合与供求匹配的信息服务，更通过构建和运营一个实体的场地（如购物中心）或虚拟空间（如淘宝网）所形成的平台市场，使买卖双方在同一个平台上达成交易。
平台型科技公司，既包括以数据收集和分析为主要业务的大数据公司和金融科技企业，还包括为其他企业提供数据相关基础设施和服务的云企业等。
数据密集型企业的获利方法：
1、通过保留数据，利用数据生产更高质量的产品或服务，从高质量的生产中获利。
2、通过出售数据直接获利。
3、通过为其他企业或机构分析数据获利。
5.2 数据资本、企业算力与业绩表现
数据微笑曲线：数据的价值呈现两级分化的分布，企业对数据资本的持续投资不会带来线性增加，而要经历一个先抑后扬的过程。
企业开始积累数据时，获得的数据将产生出实时的简单知识，来自消费者的点击或搜索的排序与兴趣，获得这些知识后，企业可以做出有时效的决策。但在企业积累数据的中期，成本随之逐渐提高，不但需要建立用于存储海量数据的大型数据库，也需要在数据分析的工具和技术改进方面下足本钱。久而久之，随着数据的不断积累和数据分析的持续进行，企业最终将掌握对消费者、市场、行业乃至宏观趋势的长期理解， 形成“归纳的洞察”。
图2 数据微笑曲线 图源：阿里云云栖公众号
若想让数据资本在企业运营中发挥更大的作用，企业管理者应聚焦于提升企业在数据流动性、数据生产力率、数据安全性的能力。
5.3 数据资本与企业创新
数据驱动的企业创新：
1、数据的大幅使用能加强由数据驱动的企业研发，提升产品质量。
2、数据使用能帮助企业开发新产品，尤其是数据产品和服务。
3、数据使用能帮助企业优化生产或交付流程，提升企业的综合生产效率。
4、数据通过提供有针对性的广告和个性化的推荐来改善企业营销，使企业能更快地将产品和服务推给目标客户。
5、企业能通过数据使用开发新的组织和管理方法或显著改善现有做法，升级为数据驱动型组织。
然而，在一定特定的市场环境和企业条件下，企业拥有的大量数据资本可能反而成为创新的阻碍，如大企业的过度自信和数据垄断。
在数字经济时代，面对产业数字化的整体趋势，只有那些积极采取大胆策略，追求颠覆性创新的企业，才能够在行业竞争当中获得更大胜算。
彬复思考：
对“单个事件的洞察”和“数据积累的洞察”的做出讨论是一件非常有意义的事，2012年《大数据时代》一书中提出基于大数据进行预测的两个假设：
1、大数据样本等同于总体，通过分析样本数据获得的结论，对于总体依旧适用；
2、大数据应该关注关联性而非因果性。对于关联性的分析已足以支持个体决策，但对于因果性的额外分析并不会提升大数据分析的价值。
在很大程度上，“大数据”挖掘海量数据关联回归的模式，是与“人”线性因果、先验知识逐步修正的思维模式相背离的。这其中的差距正是下文介绍的——人工智能，得以发展的初衷。
第六章 人工智能的发展与应用
6.1 人工智能发展史
1956年，人工智能诞生于达特茅斯会议，探讨如何用机器模仿人类学习，形成了人工智能的早期研究思路。
20世纪60年代前中期，专家系统诞生。出现了一些智能机器程序系统，运用已有知识和逻辑推理，模拟回答一些通常需要由特定领域专家才能解决的复杂问题。
20世纪70年代后期，互联网的出现使人们不再需要一个专门的专家系统，通过网上搜索就可获得以前只有专家才能掌握的知识。此后相关领域的研究重心逐渐转移到计算机软硬件和互联网技术上，推动了ICT技术的迅速发展，催生出了新的经济形态。
20世纪80年代，人工神经网络的相关研究逐渐复兴。网络模型既解决了网络中神经单元数量和存储模式数量之间的关系，又解决了网络噪声和神经单元储存效率之间的关系，同时还具有统计力学和热力学特性。
最重要的是，网络模型解决了扼杀人工智能发展于摇篮之中的“明斯基问题”（一是单层神经网络无法处理“异或”电路；二是当时的计算机缺乏足够的计算能力，无法满足大型神经网络长时间运行的需求）。
20世纪80年代至今的人工智能建立在神经网络之上，均以机器学习为主要发展方向和实现路径。根据已有研究，将人工智能在这40多年发展归结为以下三条主线：
1、有监督的机器学习。人工智能所做的最主要工作就是建立数据内容和标签之间的逻辑联系。
2、无监督机器学习。数据不会被贴上标签，也没有特定的结果。学习模型需要自行推断出数据所具有的内在结构，增加了学习的难度和犯错概率。
3、强化学习。与前两条主线相比，其逻辑更加简单粗暴，它依靠确定的实例训练集，并通过与所在环境的直接交互提高性能。 简单地说，就是让机器一直做一件事情，通过不断犯错积累经验，最终成为某个领域的高手。
进入21世纪后，人工智能的三条主线开始汇聚交叉，标志着这项技术发展到一个新水平，深度学习也应运而生。
2006年，神经网络之父杰弗里辛顿开发出的深度神经网络。采用逐层训练的方式，解决深层次神经网络的优化问题，通过逐层训练为整个网络赋予较好的初始权值，使网络只要经过微调就可以达到最优解，从而为深度学习提供了一个基础模型。
深度神经网络可以被用于人工智能的三条主线当中的任何一类。 与非深度学习相比，深度学习更类似于人类大脑的学习方式，包括多层贝叶斯推理，能够分析更加复杂的问题和数据，能够发展数据集中未表现出来的隐藏变量。
6.2 人工智能的应用场景：运算、感知和认知
当前技术水平下，机器学习、智能化、自动化和机器人等相关词汇均在特定场合下被用于代表人工智能及其应用。
人工智能分为运算智能、感知智能、认知智能三个层次。如今，机器早已在运算方面超过了人类。人工智能需要克服的第二个难题是感知智能，即视觉听觉和触觉等知觉能力。
纵观历史，大多数计算机程序都是通过精心整理人类知识，按步骤编写算法，再通过输入映射的程序员指定的输出方式来创建的。
相比之下，机器学习则通过输入极大的示例数据使用一般算法，如同神经网络一般可以自行找出关联的映射，通过使用机器学习算法汇总和分析数据。可以说，机器学习在图像识别和语音识别领域的广泛应用，为传感智能的发展奠定了基础。
实现运算智能和感知智能后，人工智能的下一个难题便是认知智能。
挪威卑尔根大学教授在《人类与社会科学通讯》中认为，通用人工智能不可能出现的根本原因在于，机器无法像人类一样与世界互动，导致电脑无法像人脑一样进行因果推断。简单来说，电脑或电脑程序并不真的存在于这个世界中，仅是对于电现实世界的数字化模拟。
肖锋从认知分型的角度出发认为，只有同时存在推理认知、学习认知、行为认知和本能认知，并能够将四类认知融合汇聚的人工智能才可能被视为通用人工智能，而现有的技术水平仅能够在部分意义上实现推算认知和学习认知。
彬复思考：
通用人工智能的出现，目前的挑战可能主要有两类：不能与现实互动，不能提出问题，这直接带来了那句业内俗语“人工智能不过是有多少人工，就有多少智能。”
对于“人”是如何思考的脑科学研究，也是“人工智能”向人学习如何跨越认知泛化的关键。
延伸阅读：机器之心公众号《深度学习撞墙了》：【以下摘录】
以 GPT-3 为例，它生成的东西很不错，但总是需要人工编辑……比如，我输入一段文字：「你给自己倒了一杯蔓越莓汁，但随后又心不在焉地倒了大约一茶匙葡萄汁进去。这个饮料看起来不错。你试着闻了一下，但你患了重感冒，什么也闻不到。你很渴，所以……」对此，GPT 给出的续写是：「你喝了它，然后就死了。」
为了解决这些问题，OpenAI 做了一些努力。但结果是，他们的系统会编造一些权威的胡话，比如，「一些专家认为，吃袜子可以帮助大脑摆脱因冥想而改变的状态。」
第七章 人工智能经济学
7.1 人工智能与劳动力
自动化对低技能劳动形成了替代，而对高技能劳动形成了互补。 其对劳动力市场的冲击是有偏的，一方面挤压了中低技能劳动者的工作机会；另一方面，创造了额外的高端劳动力需求，导致收入分配不平等的进一步恶化。
2003年，奥尔特等学者解释 “就业极化”的原因：最不易被自动化替代的工作任务有两类，一是高技能的抽象任务，如管理和研究；二是低技能的抽象任务，如手工任务和传统服务。这两类是技能水平的两个极端。
7.2 人工智能与企业组织
什么原因导致企业在应用人工智能上进展如此缓慢？
企业和产业组织中，使用与发展人工智能所面临的客观阻碍有三点：
1、组织惰性：引入新技术的企业不仅必须重新评估与配置其内部流程，还必须重新评估和配置其供应链、分销链以及组织架构，这需要耗费巨大的时间和精力，导致部分企业不愿意轻易改变。
2、互补性投入：为充分发挥人工智能的作用，需要在人工智能的直接投资之外，追加对ICT软件、大数据、专业技能以及业务流程的额外投入；其中的无形资产投资，需要昂贵的实验和持续的“干中学”，且短期内的经济回报几乎为零，导致绝大多数中小企业不愿或没有能力在人工智能及无形资产上进行大规模投资。
3、大型企业竞争：若已有企业在同类技术的使用上占据绝对优势，那么该企业大量的投入也未必能使其获得相同或者相近的市场地位。
7.3 人工智能与生产率
一方面，人工智能的应用在促进生产率提升的同时，也会加速自动化进程；另一方面，人工智能对经济增长的负面影响体现在，其技术革命会遭遇鲍莫尔成本病；
鲍莫尔成本病：美国经济学家威廉·鲍莫尔建立了两个宏观经济增长模型，将经济划分为“进步部门”和“停滞部门”，进步部门的生产相对快速增长将导致停滞部门出现相对成本的不断上升，拖累整个经济增长与资本收入份额的提升。
经济增长乏力的四种解释：
1、错误的期望：对于人工智能的乐观态度是错误且毫无依据的。
2、错误的测度：实际中，相对价格较低、GDP中所占份额较小的某类技术，也可能带来巨大的实用性。如手机应用、在线社交网络等许多新技术几乎不涉及金钱成本，但消费者却在这些技术上花费大量时间。
3、集中分配与租金浪费：由于相关行业的集中度过高，使得人工智能带来的大部分收益被少数企业与个人获得，而对于总体生产率的确不明显。
4、生效滞后：充分利用人工智能这一通用目的技术，需要花费大量时间、资金和精力，因此，人工智能的首次发明与其对经济社会产生全面影响之间存在一定的时间间隔。
第八章数字经济中的权益分配与福利问题
数字经济隐性悖论：即使用户表现的比较关注隐私问题，但是这种态度不会影响他们的隐私披露行为，最终造成态度与行为相背离的结果。
人们总是不愿意花额外的成本去保护自己的数据隐私，但如果被问到关于隐私的问题，是却总会表达出对于自身隐私的关注，以及对侵犯隐私行为的斥责与不满。
8.1 数字经济中的垄断：数据垄断与算力垄断
数据垄断：大型平台企业通过自身营造的网络生态系统，占据市场绝对地位，吸引绝对流量，汇聚海量信息，达到对数据资源的垄断性控制，提高市场进入壁垒与转换成本，为数据垄断者带来了赢者通吃的局面，最终使得超级平台成为市场寡头，不利于消费者与中小企业的利益以及行业的良性发展。
与传统企业和中小平台相比，大型平台企业既可以更快、更准、更好地制定商业决策，也可以简单地将数据用户数据进行加密、打包出售获得利润，逐步形成超级平台。
在数字经济中，三类核心经济竞争力为数据、算法，算力，也是人工智能的三要素。
算力，是衡量在一定网络消耗下生成新块的单位的总计算能力，是每个企业、机构和组织分析与处理数据的基础能力，也是使用大数据与人工智能这两个生产要素的基础设施；人工智能的发展速度和应用效率在很大程度上是由一个国家或机构的算力所决定。
8.2 屡禁不止的大数据“杀熟”
为什么会出现大数据“杀熟”现象？
一方面，大数据时代，商家通过大数据轻松掌握用户的消费习惯和用户粘度，对老客户杀熟的成本低，收益高。一般来说，老客户对平台与服务的依赖性强，难以改变消费习惯。另一方面，流量为王是当今经营的基本策略，新增用户对商家永远最为重要，只有在市场竞争中不断吸引新用户，才能获得市场话语权、扩大盈利。
根据微观经济理论， 大数据“杀熟”本质上属于价格歧视（生产者或经销商在向消费者提供同质量商品或服务时，对于不同消费者采取不同的销售价格或收费标准）。可被看成是一种 基于消费者大量数据的动态价格歧视，而歧视等级取决于企业利用大数据进行分析的能力，若拥有大量用户数据的平台，会尽可能采取一级价格歧视，实现最大利润。
数字鸿沟：在全球数字化进程中，不同国家、地区、行业、企业、社区间，由于信息网络技术的拥有程度、应用程度以及创新能力的差别，而造成的信息落差及贫富进一步两极分化的趋势。
8.3 算法歧视与算法合谋
算法歧视，描述电脑系统、在线程序或人工智能中出现的导致不平等或不公平结果的系统性重复错误，例如，在网上服务中，对于特定人群的差别性对待。
主要有三个特征：
1、算法歧视的形式隐蔽，难以察觉；
2、算法歧视维度多元，加大了甄别歧视的难度；
3、算法歧视在很大程度上是由训练数据集所存在的偏差导致的，这就使得从根本上改变算法歧视变的十分困难。
算法合谋，在现实交易中，算法也有可能通过企业间的合谋，导致对于消费者的定价歧视。有三种主要表现形式：
1、明示价格算法合谋：经营者通过明示的协商沟通，就价格算法达成合谋以期实现价格垄断；
2、默示价格算法合谋：企业间不进行实质性的联络沟通，通过算法隐秘地实现和维持合谋；
3、机器合谋，算法合谋的高阶形式，由于算法自我学习能力的加强，即使经营者并无合谋意图，其采用算法也会在无需人为干预状态下进行高效反复实验，不断调整价格，最终由算法达成基因者之间的合作均衡，实现合谋效果，损害消费者利益。