撰文 | 郑铟

面对经济学家，人们常喜欢请他们基于经济学理论对未来进行预测。

而对此，坐在我们面前的诺奖得主托马斯·萨金特教授，最爱说的则是“我不知道。”

对不少人来说，萨金特这个名字或许还比较陌生，然而他的金句却在这两年广为流传 —— “中国创新速度是美国的三倍”；“中国的经济发展需要关注强劲的驱动力”；“人工智能就是统计学”。

托马斯·萨金特（Thomas Sargent) 是理性预期学派的领袖人物，为新古典宏观经济学体系的建立和发展作出了杰出贡献。他与卢卡斯、巴罗和华莱士一起开创了合理预期学派，研究利率的期限结构、古典失业、经济大萧条等重大问题。2011年，因“对宏观经济中因果的实证研究”，托马斯·萨金特获得诺贝尔经济学奖。

近年来，萨金特教授频频来访中国，曾在多个场合表达对中国移动互联网创新能力的感叹，2017年更加盟了北大汇丰商学院，担任萨金特数量经济与金融研究所所长。

近日，萨金特教授来到36氪WISE 2018新商业大会，围绕“创新和企业家精神”进行演讲，从经济学、科学发展视角阐述了创新来自“人与人间的连接”、“大数据带动互联网及未来智能时代发展”、“企业家精神来自零数据”的观点。

怎么理解“企业精神来自零数据”？如何看待技术革新中产生的“泡沫”？如何在市场泡沫破碎前觉察端倪？正在发生的智能时代，“AI就是统计学”这句话是否仍旧适用？

围绕这些问题，36氪在会后对萨金特教授进行了专访。

2011年诺贝尔经济学奖得主，托马斯萨金特（Thomas Sargent)

企业家精神 ：“在未知状态下创造”

芝加哥学派创始人富兰克·奈特（Frank Knight）是20世纪最有影响力的经济学家之一，他曾如此描述企业家的本质：

“现实的经济过程是由预见未来的行动构成的，而未来总是存在不确定因素，企业家就是通过识别不确定性中蕴含的机会，并通过对资源整合来把握和利用这些机会获得利润。”

芝加哥学派创始人 Frank Knight

在这一理论的影响下，萨金特教授提出了“企业精神来自零数据”的观点。“零数据”一方面指企业在创立之初资源匮乏；另一方面则是指初创企业会推出具有颠覆性的产品和技术，在此过程中“没有一个模型可以依靠，去预测概率”，因而在产品技术和市场间蕴含着大量不确定性。

在萨金特教授看来，企业家最令人钦佩的地方就是“在未知的状态下创造，从零数据起步承担风险”。以乔布斯为例，在初代iPhone面市时，少有人能预测人们是否对智能手机有需求，而iPhone则成功地将颠覆性创新技术变为市场可接受的消费品，这就是企业家带给市场的惊喜。

技术革新泡沫 ：“核心在价值认同。”

毋庸置疑，苹果是卓越的，然而能够跨越技术和市场之间鸿沟的企业却寥寥无几，成功的人赢得市场，跌落的则沦为“泡沫”。

其实，在每一个新技术产生时都是机遇与“泡沫”并存的，比如1998年的互联网和2018年的区块链与虚拟数字货币。

多年学习和工作于硅谷，萨金特教授曾亲历互联网“泡沫”期。当年，他斯坦福的学生和同事们大多沉浸在互联网创业的狂热中，然而95%以上都以失败告终。

但是，失败并不意味着“泡沫破碎”。在萨金特教授看来，这恰恰是创新过程中“不确定性”的体现 —— “对于企业而言，风险是能通过数据集进行预测和衡量的，而不确定性则是完全未知的。”基于此，即便是经济学家也无法对这样的企业进行可信的估值，这也意味着不可能判断是否存在真正的泡沫，更无从衡量好坏。

其实，学界对于“泡沫”的含义从未有过定论。萨金特教授和我们分享了40年前，斯坦福大学学者们对于“泡沫”的观点：在任何给定的时间点，市场上都会存在乐观者和悲观者，乐观者选择买入，因为他们相信可以卖给下一个乐观者，这源于对价值的认同，而当对于价值产生异议时，泡沫也就产生了。

顺着这个思路来看虚拟数字货币，萨金特教授解释道：

“客观来说，所有货币都是泡沫，因为当一种资产交易价格高于基础价值时候就是一种泡沫。我给你一美元，虽然它就是一张纸，但是因为你我承认其交换价值，使得这个价值得以维系。一旦有人不认同了，价值共识链条也将断裂。”

我们或许可以这样认为：新技术在被大众接纳前，在某种程度上都曾以“泡沫”的形式存在，而由此产生的投资，也是在市场上寻找对该技术价值的认同者，当越来越多人体会到并认同其价值时，这项创新才算跨越了鸿沟，反之则泡沫破碎。

经济波动与理性预期 ：“政府角色举足轻重”

其实，市场并非不接纳泡沫，只是不喜欢泡沫破碎。那么有没有可能在泡沫破灭前察觉端倪并采取措施呢？

对此，萨金特教授表示：依托理性预测的理论基础，人们通过参照和利用过去历史提供的知识，能对泡沫进行合理预判。他个人很欣赏2013年诺贝尔经济学奖得主罗伯特•席勒（Robert Shiller）在发现市场泡沫方面做出的贡献。

2013年诺贝尔经济学奖得主 Robert Shiller

罗伯特•席勒曾成功预测了2000年美国互联网泡沫破裂、2005-2007年美国楼市危机以及2008年全球金融海啸。作为“行为金融学”的推广者，他认为“人脑都具有故事性”，并曾于2017年在CNBC采访中表示，比特币之所以价值飞增并非在其自身价值，而是它塑造的故事激发了人的追捧，因而抗周期性有待考量。

除了市场泡沫，市场情绪还有来自市场参与者的不确定性，都会导致经济波动。在萨金特教授看来：在多变的经济周期中，单纯利用历史数据或者任何既有模型都很难准确判断未来，这时候，政府的角色举足轻重。

他向我们推荐了哥伦比亚大学经济学教授Jose A. Scheinkman的书《Speculation, Trading and Bubbles》, 其中阐述了2015年6月美国股灾后的市场反应与政府应对措施，对处在经济周期中的国家政府都有着借鉴意义。

哥伦比亚大学经济学教授Jose A. Scheinkman著作《Speculation，Trading，and Bubbles》

智能时代 ：“AI与统计学相辅相成”

今年8月，萨金特教授在中国公开演讲时曾语出惊人：“AI首先是华丽的辞藻，其实就是统计学。”

在访谈中，他告诉36氪：这个理念并非自己原创，而是借鉴自卡内基梅隆大学教授 Larry Wasserman的统计学著作《All of Statistics》。

卡内基梅隆大学教授Larry Wasserman的《All of Statistics》

萨金特教授认为：统计学和AI两者相辅相成。

回顾统计学、大数据的发展历程，18-19世纪统计学诞生，随着数据增多，人们发现计算功能落后于自己处理数据的需求；到了20世纪，随着算力、计算功能的提升，人们得以在技术辅助下用统计学理论处理海量数据集。

与此同时，统计学的思想和理论基础也在推动深度学习、机器学习等领域的发展。正如萨金特教授所说：“如果你去学习一些AI课程的话，你会发现不少算法都是把不同的统计方法组合然后再运行的。”

其实，无论是AI还是其他革命性技术，都是多学科、交叉人才连接的结果。有一些理论，可能产生于经济学，但是被用来解决AI领域的难题；有一些统计学理论，比如控制理论、概率论等，则可以帮助我们理解区块链、深层信任网络等关键技术。

而对于每个个体，具备跨领域思维也显得尤为重要。正如萨金特教授本人，虽是经济学家，但在历史和数学方面都颇有研究。他和我们分享了自己学习数学的经历：科研中发现数学短板，30岁起步研究，40岁基本掌握，至今仍每天钻研。对他而言，拓宽学科边界是一生坚持的课题。

不管是在当下还是未来，人人互联、领域融通，都是社会创新不变的原动力。