网易首页 > 网易号 > 正文 申请入驻

诺奖得主萨金特:面对AI模型的不确定性,我们如何形成信念并做出决策

0
分享至


题记:2026年9月9日,由北京大学数字金融研究中心、蚂蚁集团研究院联合主办,北京大学国家发展研究院提供学术支持的外滩大会见解论坛“AI经济增长新范式与社会价值重构”在上海黄浦世博园区举行。本文根据2011年诺贝尔经济学奖得主、纽约大学教授托马斯·萨金特(Thomas J. Sargent)在论坛上的主旨演讲整理,未经作者本人确认。

我是一名经济学家,也是一名研究者和教师。AI正深刻影响着我们的研究方式、教学方式以及学生的学习方式。今天,我想围绕AI的内在运作原理,和大家分享一些思考。

人类不擅长的学科成就了AI

我想先谈一个贯穿全文的问题。AI背后存在一个颇具意味的悖论。认知心理学家史蒂芬·平克曾指出:人类恰恰在构成AI底层基础的那些学科上天生不擅长。

这些学科包括:统计学,例如回归分析、概率推断等从数据中寻找规律的方法;生物学中的进化算法与神经网络,即模拟生物进化和大脑神经元工作方式的路径;经济学中的价格机制、拍卖、博弈论、动态规划;物理学中的对称性、守恒定律、优化、量子力学、能量最小化。

平克认为,作为人类,我们在这些方面其实都相当不擅长。然而,这恰恰构成了一幕精彩而颇具反讽意味的图景:图灵、香农、冯·诺依曼、约翰·霍兰德、杨立昆和辛顿,正是将这些学科融合在一起,才创造出了在某种意义上极具智能的计算机算法。

因此,AI所依赖的,恰恰是一些人类并不天然擅长的思维方式,其中也包括思考“我们所不知道的事物”。但值得注意的是,人类在“思考未知”这一问题上,或许反而比AI更在行。这正是我今天想探讨的主题之一。

开普勒式拟合与牛顿式理解

回顾这门学科的奠基者,我想提到冯·诺依曼和库普曼斯,他们是现代结构统计学的开创者。他们把模型分为两类,并借用最伟大的天文学家开普勒之名,把第一类称为“开普勒阶段”。简单说,就是用数学曲线去描述和拟合观测到的数据。

如果换个角度看开普勒发现行星三大定律的过程,他其实是通过精心选取数学公式,对第谷·布拉赫提供的海量天文观测数据进行拟合。他用的其实正是大数据的思路。开普勒在1600年所做的这件事,就是把模型形式规定得非常精确,使拟合出的曲线既能描述已有数据,也能预测未来的观测。但他并不知道,为什么数据会遵循他通过拟合发现的这些数学定律。

冯·诺依曼、摩根斯坦和库普曼斯提出了另一类模型,称之为“牛顿阶段”。这类模型所要解释的现象与描述性模型相同,但其参数可以借助底层的物理定律加以解释——对经济学家而言是经济规律,对化学家或生物学家而言则是各自学科的基本规律。牛顿实际上重新表述了开普勒的模型,以更少的参数解释了同样的事实甚至更多的事实,同时赋予这些参数全新的含义。

那么,这和今天的AI有什么关系?从某种程度上说,在基础原理层面,“太阳底下没有新鲜事”。今天的AI在“开普勒阶段”已经非常强大,尤其擅长模式识别和函数逼近——也就是从大量数据中找出规律、拟合曲线。

当今的AI所做的事情,本质上与开普勒当年所做的一致,都是从数据中拟合规律。那么,为什么今天我们做这件事的能力,比开普勒那个时代强得多?并不是方法有什么本质不同,而是两个条件发生了变化:第一,数据量巨大。中国在社会科学和物理学领域都是引领者,比如在广州或深圳建造了了不起的装置,用来测量和收集海量的中微子数据。第二,既有大数据,又有很强的计算能力。更多数据、更强算力,让我们能以更快的速度完成“开普勒式”的模式计算。

而AI的真正前沿,是“牛顿阶段”——也就是牛顿所展现的那种创造力:推断事物的内在结构,在训练数据之外也能做出准确推断,并且知道“自己在哪些事情上是无知的”,明确“自身未知”的边界。

当前的AI在“开普勒阶段”已经相当成熟,但在“牛顿阶段”还很薄弱。它是否正在向“牛顿阶段”迈进?速度有多快?“牛顿阶段”究竟意味着什么?这正是当前研究的最前沿。

风险、不确定性与“四种无知类型”

作为经济学家,我们关注的核心正是“已知与未知的边界”。我们确实并非无所不知——坦白说,我们所知甚少,但我们的工作,就是要清晰地划出“已知”与“未知”的分界线。

要回答这些问题,统计学家和经济学家首先需要明确:什么是“已知”,什么是“未知”。这些问题,哲学家和经济学家早已讨论过。芝加哥大学的弗兰克·奈特便是其中一位。他提出“风险”概念,认为这是一种特定的“未知”,并将“风险”与另一种状态“随机性”区分开来。

以掷骰子为例:单次投掷时,无法预知会掷出几点;但如果重复足够多次,便能掌握各个点数出现的频率。也就是说,你拥有一个“已知的概率模型”,清楚各种结果的概率分布和频率。奈特将这种情形称为“风险”。

他还区分了另一种状态,称之为“不确定性”或“模糊性”:在这种状态下,你连各种结果发生的概率都不知道,更无法描述它们的概率分布。

为什么这种区分会引起企业家和科学家的共鸣?因为他们天然深谙此道——企业家和科学家都在探索未来,试图认识那些尚未具备可靠模型的事物。

那么这和AI有什么关系?每一个AI算法,都是基于一个“已知模型”来拟合参数的,而且在某种意义上,它完全信任这个模型。它所做的,就是拟合一个带有大量假设的近似模型。

有人说,AI中的神经网络做的是“无模型学习”。但真正的专家会指出,这并不准确。神经网络本质上是一种特定的参数化模型,包含了大量关于“已知”的隐含假设。所以,“已知”与“未知”之间存在清晰的分割——这和开普勒的做法如出一辙。

多年来,我和芝加哥大学的拉尔斯·汉森在经济学领域深入研究“风险”(已知概率分布、已知模型)与“未知”的区别,以及在面对未知时应当如何决策。我们不能从“我一无所知”开始——那样就无法做任何决策了。为此,我们提出了“四种无知类型”(Four Types of Ignorance),系统地梳理了这个问题:

第一是“风险”,即存在一个单一的、可信的概率模型。

第二是“模糊性”:存在不止一个模型,而是一组模型。你虽然假设这些概率分布的集合是已知的,却无法确定究竟哪个模型在真正主导数据的生成。

第三,要警惕“模型误设”:你所考虑的所有模型,可能没有一个是正确的。事实上,生成数据的真正机制是什么?是自然(科学家有时称之为自然或上帝,二者说的是同一件事),而那个机制或许根本不在你的模型集合之中。

因此,我们提出了第四种类型——“结构化模糊性”:在这种情况下,你对一部分事情是已知的,对另一部分是未知的,并且能对二者做出划分。

稳健决策:承认模型可能是错的

拉尔斯和我研究的,其实是一个由来已久的问题。应用数学家和工程师使用模型来控制火箭、飞行器或者设计桥梁,其依据是他们所掌握的最优物理模型。然而,在许多情况下,当他们进行“最优控制”时,即便数学推导完全正确,模型所给出的方案在实际应用中却产生了并不理想的结果。

这催生了20世纪60至70年代兴起的“稳健控制”理论。其核心思想是:决策者,即工程师、经济学家、央行官员等掌握模型的人,先建立一个统计模型,承认模型可能存在随机风险,并尝试估计这些风险;随后还要进一步考虑,该模型本身可能就是错误的。它会错在何处?真实情况可能与之存在显著差异,而这一差异究竟如何,我并不知道——倘若知道,便会直接将那个正确的模型写出。

所以我只是承认,我的模型可能存在问题,但同时仍抱有希望:希望我的模型能像开普勒的模型一样,准确地描述我所观察到的数据。无论从事科学研究还是AI研究,我们始终怀有这样一种“信念”:希望真实的模型在统计意义上“邻近”我的模型——这是一种既模糊又确切的感知。

数学家图灵和香农给出了准确的定义,统计学家库尔贝克也作出了重要贡献。库尔贝克为“统计学上的邻近”提供了精确定义,即“Kullback-Leibler散度”,亦称相对熵。该指标目前广泛应用于AI和机器学习领域,以衡量两个模型或概率分布之间的差异程度。简言之,KL散度越大,模型可能偏离真相越远;熵值越高,则表示对模型的怀疑越深,所需考虑的替代模型集合也越广。

拉尔斯和我将这套方法引入经济学,称之为“稳健决策理论”。其核心思路可概括为“极大极小”:既争取最好情况下的最大收益,也确保最坏情况下不至于太糟。具体而言,工程师、金融从业者和AI从业者会先设定一个希望最大化的目标,再将其写成一个方程,即“贝尔曼方程”,这是动态规划和最优决策中的核心方程。但稳健决策中的贝尔曼方程不同于普通的最优方程:一方面希望最大化目标,另一方面又有一个声音在提醒——不宜过于乐观,模型可能存在问题。

这就好比,在我的脑海深处住着一个邪恶的精灵——伟大的哲学家勒内·笛卡尔在1610年或1620年前后曾使用过类似的论证。每当你说“我想做某事”,这个精灵便会跳出来质疑:“你可能错了,这也许是一件很糟糕的事。”

所以,我们的脑海里其实在上演一场“内战”:一方面要依据这个模型采取行动,另一方面“自然”却在说:“要是你那样做,我可能会选择一个截然不同的模型。”

你或许在AI领域听说过这个说法——有一种对抗性的存在,被称为“对抗控制”。它广泛应用于图像处理等领域,也是AI在图像处理方面表现优秀的重要原因;通义千问、DeepSeek等大模型也广泛采用。它本质上是一个计算框架。这个“对抗者”并不是真实存在的,而是一种计算上的安排,用来提醒你:“你的模型可能不准确。”

AI正在这么做。AI构建“稳健规则”,这意味着这样的决策规则很可能奏效——不仅能在一切尽在掌握的理想条件下有效,更能在模型可能出错的情况下依然可靠。这是一种审慎的智慧。

信念扭曲与资产价格

这方面的研究,很大程度上要归功于我的朋友拉尔斯·汉森。如果市场中的投资者都以这种方式行事,会发生什么?本质上,这将深刻影响资产价格的变动。

在那些假设“每个人都确切知道正确的概率分布”的传统模型中,资产价格的变动显得扑朔迷离——但实际情况并非如此。

当人们清醒地意识到,自己并不掌握真实的概率分布,并像前面那些审慎的决策者一样,在心里保留一个不断质疑的“对手”时,他们的信念会迅速发生转变。这方面已经有一些很有前景的研究,正在阐释这样一个问题:当某些新信息涌现,而这些信息是刚刚用历史数据训练出来的AI模型无法充分理解的,此时的资产价格、股票价格、利率乃至衍生品价格将如何动态变化。这便是该理论的核心要义。

于是就会出现看似“信念扭曲”的现象。但需要注意,“扭曲”总是相对于某个基准模型而言的。而且我所想的,也是该理论所强调的:这个基准模型本身,也是AI生成的结果。即便最先进的AI给出了这样的模型,这类理论也指出,人们的信念仍可能偏离这些模型所给出的判断。

对AI经济增长的启示

回到AI与经济这一主题:AI系统及其设计者,面临着与人类决策者相同的挑战。我今天分享的只是冰山一角。这正是当前AI专家的思考方式——他们深知自己的模型只是近似模型,知道模型的内部结构无法揭示“它究竟错在哪里”。强化学习等领域正在致力于运用这类工具,把“模型不完美”这一点纳入决策的考量之中。

为什么这对AI驱动的经济增长很重要?我们每天都能在新闻上看到:亚洲和美国(尤以美国为甚)正投入巨资发展AI,投入规模呈数量级增长;在美国,少数几家公司在竞相加码。而支撑这些巨额投资的模型,本身也未必可靠。没人知道这些模型到底会产出什么。这些技术有哪些用途?它们在某种意义上确实会带来效益,但究竟为什么能带来效益、如何实现,却无人真正知晓。

所以在这里,“我们还不知道”恰恰是问题的核心。这本身又是一重讽刺:投资者因追逐利润而投入,但他们未必能获得期待的回报,尤其是当他们忽视了来自亚洲的国际竞争等因素时。

所以人们常说,好的政策应当在不同模型之间都保持稳健。但“稳健”究竟是什么意思?这很难精确描述。我认为,保持谦逊至关重要。

整理:白尧 | 编辑:王贤青

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
紧身短裤,是跑步最尴尬的装备

紧身短裤,是跑步最尴尬的装备

跑者排球视角
2026-11-20 06:59:54
春节返乡潮要变天?专家预言:2027年前后打工潮降温,原因很现实

春节返乡潮要变天?专家预言:2027年前后打工潮降温,原因很现实

江启
2026-11-21 12:47:21
50岁舒淇状态吊打同龄人,极致自律曝光:几乎不乱吃,有空就运动

50岁舒淇状态吊打同龄人,极致自律曝光:几乎不乱吃,有空就运动

观鱼听雨
2026-11-21 19:16:00
发布会上说“开车是可以睡觉的,别睡死过去就行了”,余承东纠正:讲的不准确,现在还是L2时代,大家一定要注意安全,开车不能睡觉

发布会上说“开车是可以睡觉的,别睡死过去就行了”,余承东纠正:讲的不准确,现在还是L2时代,大家一定要注意安全,开车不能睡觉

蓬勃新闻
2026-11-20 21:56:53
2026年11月21日:今日金价:大家做好心理准备,黄金将迎来大行情

2026年11月21日:今日金价:大家做好心理准备,黄金将迎来大行情

时尚的弄潮
2026-11-21 11:27:04
加拿大总理震动舆论,出席深圳 APEC 会议,公开称要借鉴深圳发展

加拿大总理震动舆论,出席深圳 APEC 会议,公开称要借鉴深圳发展

健身狂人
2026-11-21 11:35:16
11月21日俄乌:“熊之陷阱”毙伤800俄军,特朗普希望尽快签署和平协议

11月21日俄乌:“熊之陷阱”毙伤800俄军,特朗普希望尽快签署和平协议

山河路口
2026-11-21 20:00:37
比恒大更惊人,中国第二大民企轰然倒下,负债7500亿,创始人落网

比恒大更惊人,中国第二大民企轰然倒下,负债7500亿,创始人落网

墨策史
2026-11-14 02:15:05
英伟达,被查

英伟达,被查

第一财经资讯
2026-11-21 13:41:17
兵败如山倒?国产新能源或已经证明:中国根本不需要二线豪华品牌

兵败如山倒?国产新能源或已经证明:中国根本不需要二线豪华品牌

浩渺青史
2026-11-21 03:59:39
为什么现在部分股民对中国股市有这么大的怨气?

为什么现在部分股民对中国股市有这么大的怨气?

星语者056
2026-11-21 10:21:43
终于不准跌了?中央部委明确!明后两年,除了买房,你可能无选择

终于不准跌了?中央部委明确!明后两年,除了买房,你可能无选择

混沌录
2026-11-20 10:25:16
媒体评《GTA6》六大美女:曼迪竟不是第一?

媒体评《GTA6》六大美女:曼迪竟不是第一?

游民星空
2026-11-21 21:11:39
【油价大跌】超0.83元/升后,11月汽柴油“再次连续大降”,11月26日油价或再“大跌超430/吨”

【油价大跌】超0.83元/升后,11月汽柴油“再次连续大降”,11月26日油价或再“大跌超430/吨”

油价早知道
2026-11-19 09:03:12
历史不会重演,但会惊人相似:中国黄金价格极可能重走2015年老路

历史不会重演,但会惊人相似:中国黄金价格极可能重走2015年老路

浩渺青史
2026-10-17 01:48:48
一觉醒来天塌了!全球资产都在跌,最难受的不是亏钱,是底气在变薄了……

一觉醒来天塌了!全球资产都在跌,最难受的不是亏钱,是底气在变薄了……

清流财记
2026-11-21 09:20:35
峨眉山偶遇刘涛!48岁素颜爬山状态引热议

峨眉山偶遇刘涛!48岁素颜爬山状态引热议

手工制作阿歼
2026-11-20 13:03:18
降雨、暴雪、大风!新一轮冷空气来了

降雨、暴雪、大风!新一轮冷空气来了

环球网资讯
2026-11-21 17:29:37
上海爷叔铁了心娶小35岁女子,三次将子女告上法庭!家人:她从事过特殊行业,动机不纯;爷叔:她对我一片真心,我同情她

上海爷叔铁了心娶小35岁女子,三次将子女告上法庭!家人:她从事过特殊行业,动机不纯;爷叔:她对我一片真心,我同情她

大风新闻
2026-11-21 09:12:09
带岳母抓妻子出轨,认出床上那人后,岳母失声尖叫

带岳母抓妻子出轨,认出床上那人后,岳母失声尖叫

雾岛夜话
2026-04-03 11:30:58
2026-11-21 21:48:49
北大国发院 incentive-icons
北大国发院
北京大学国家发展研究院
3792文章数 3068关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

虞书欣擦边自拍、霸凌同事、媒体点名?

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

本地
亲子
家居
健康
公开课

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

亲子要闻

42岁妈妈8个月减重50斤判若两人!“决定把注意力放回自己身上”,中度脂肪肝消失了,情绪不内耗了,和孩子关系也改善了

家居要闻

2026建博会(广州) 公装联探展交流活动

医生眼里"很伤腰"的椅子,很多人天天坐

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版