Michael Schwarz针对人工智能经济学提出问题 并指出研究方向

早在30多年前，就有学者关注人工智能对经济学产生的影响，并结合经济学的基本命题进行了一些研究，这可以看成人工智能经济学（Economics of Artificial Intelligence）的探索。

1986年9月2-4日，“经济学和人工智能大会”（Economics and Artificial Intelligence Conference）在法国Aix-en-Provence举办。会议议题涉及到了人工智能经济学的一些根本问题，例如劳动力分工、决策等问题。

随着新一代人工智能的应用，经济学界掀起了一股研究人工智能在经济研究中应用的热潮。

美国国家经济研究局（NBER，National Bureau of Economic Research）最近几年时间，持续举办人工智能经济学的论坛（Economics of Artificial Intelligence），为此还专门设计了一个官方网站。

微软公司的Michael Schwarz针对人工智能经济学提出了一些开放性的问题（Open Questions），并指出了研究方向（Research Directions），他提出了一个根本性的问题，那就是人工智能和数据的边际价值（Marginal Value of Data）。

工业4.0研究院在构建第四次工业革命（The Fourth Industrial Revolution）体系过程中，希望解决新领域的一些问题，这包括“人工智能经济学”。

首先，任何称得上经济学的学科，通常都要回答对生产力（Productivity）的影响。彼特 F. 德鲁克（Peter F. Drucker）在1994年11月出版的《社会转型时代》（The Age of Social Transformation）中提出了二十一世纪的主要资源是知识，而不是劳动力、原材料或资本。

从新一代人工智能主要以大数据为原材料就比较清楚，数据是主要的资源。

但是，Michael Schwarz也提出了数据是不是战略资产（Strategic Asset）的疑问。如果数据是战略资产，自然会产生某种垄断性的商业模式。数据是像石油还是像水？如果是前者，那就非常值钱，但如果是后者，虽然有价值，但难以形成商业模式卖钱。

其次，在云服务日益变成数字商业基础设施的时代，人工智能也成为了云服务上的标准配置。

大家通过开源代码或者应用编程接口（API，Application Programming Interface）获得服务。一些企业提供人工智能框架的开源程序，帮助开发人员熟悉相关算法，从而发过来降低这些开发人员使用云服务平台的成本。而对于API，这是目前最主要的使用方式。

从经济学家的视角来看，API的模式还是开源的模式更容易被商品化，从而使得其价值难以持续？这个问题的答案估计各不相同，自然导致企业战略模式不同。

最后，从实用的角度看，经济学家也需要回答一个问题，人工智能所依赖的数据，能不能带来先发优势（First Mover Advantage）？

国内不少创业团队都把先发优势作为商业模式的核心，其逻辑大都是随着投资在技术上的研发，将随着时间流逝而增加价值，因为数据越多越有机会形成竞争优势。

不过，这是不是真的可以避免商品化的影响？如果技术成本足够低，长期来讲，只要任何团队愿意付出努力，都可以积累足够多的数据，除非有其他因素影响，否则，简单理解先发优势是无益的。