新技術革新時泡沫與機遇并存，核心在價值認同。

面對經濟學家，人們常喜歡請他們基于經濟學理論對未來進行預測。而對此，坐在我們面前的諾獎得主托馬斯·薩金特教授，最愛說的則是“我不知道。”對不少人來說，薩金特這個名字或許還比較陌生，然而他的金句卻在這兩年廣為流傳 —— “中國創新速度是美國的三倍”;“中國的經濟發展需要關注強勁的驅動力”;“人工智能就是統計學”。

托馬斯·薩金特(Thomas Sargent) 是理性預期學派的領袖人物，為新古典宏觀經濟學體系的建立和發展作出了杰出貢獻。他與盧卡斯、巴羅和華萊士一起開創了合理預期學派，研究利率的期限結構、古典失業、經濟大蕭條等重大問題。2011年，因“對宏觀經濟中因果的實證研究”，托馬斯·薩金特獲得諾貝爾經濟學獎。近年來，薩金特教授頻頻來訪中國，曾在多個場合表達對中國移動互聯網創新能力的感嘆，2017年更加盟了北大匯豐商學院，擔任薩金特數量經濟與金融研究所所長。

近日，薩金特教授來到36氪WISE 2018新商業大會，圍繞“創新和企業家精神”進行演講，從經濟學、科學發展視角闡述了創新來自“人與人間的連接”、“大數據帶動互聯網及未來智能時代發展”、“企業家精神來自零數據”的觀點。怎么理解“企業精神來自零數據”?如何看待技術革新中產生的“泡沫”?如何在市場泡沫破碎前覺察端倪?正在發生的智能時代，“AI就是統計學”這句話是否仍舊適用?

圍繞這些問題，36氪在會后對薩金特教授進行了專訪。2011年諾貝爾經濟學獎得主，托馬斯薩金特(Thomas Sargent)企業家精神 ：“在未知狀態下創造”

芝加哥學派創始人富蘭克·奈特(Frank Knight)是20世紀最有影響力的經濟學家之一，他曾如此描述企業家的本質：“現實的經濟過程是由預見未來的行動構成的，而未來總是存在不確定因素，企業家就是通過識別不確定性中蘊含的機會，并通過對資源整合來把握和利用這些機會獲得利潤。”芝加哥學派創始人 Frank Knight

在這一理論的影響下，薩金特教授提出了“企業精神來自零數據”的觀點。“零數據”一方面指企業在創立之初資源匱乏;另一方面則是指初創企業會推出具有顛覆性的產品和技術，在此過程中“沒有一個模型可以依靠，去預測概率”，因而在產品技術和市場間蘊含著大量不確定性。在薩金特教授看來，企業家最令人欽佩的地方就是“在未知的狀態下創造，從零數據起步承擔風險”。以喬布斯為例，在初代iPhone面市時，少有人能預測人們是否對智能手機有需求，而iPhone則成功地將顛覆性創新技術變為市場可接受的消費品，這就是企業家帶給市場的驚喜。技術革新泡沫 ：“核心在價值認同。”

毋庸置疑，蘋果是卓越的，然而能夠跨越技術和市場之間鴻溝的企業卻寥寥無幾，成功的人贏得市場，跌落的則淪為“泡沫”。其實，在每一個新技術產生時都是機遇與“泡沫”并存的，比如1998年的互聯網和2018年的區塊鏈與虛擬數字貨幣。多年學習和工作于硅谷，薩金特教授曾親歷互聯網“泡沫”期。當年，他斯坦福的學生和同事們大多沉浸在互聯網創業的狂熱中，然而95%以上都以失敗告終。但是，失敗并不意味著“泡沫破碎”。在薩金特教授看來，這恰恰是創新過程中“不確定性”的體現 —— “對于企業而言，風險是能通過數據集進行預測和衡量的，而不確定性則是完全未知的。”基于此，即便是經濟學家也無法對這樣的企業進行可信的估值，這也意味著不可能判斷是否存在真正的泡沫，更無從衡量好壞。

其實，學界對于“泡沫”的含義從未有過定論。薩金特教授和我們分享了40年前，斯坦福大學學者們對于“泡沫”的觀點：在任何給定的時間點，市場上都會存在樂觀者和悲觀者，樂觀者選擇買入，因為他們相信可以賣給下一個樂觀者，這源于對價值的認同，而當對于價值產生異議時，泡沫也就產生了。順著這個思路來看虛擬數字貨幣，薩金特教授解釋道：

“客觀來說，所有貨幣都是泡沫，因為當一種資產交易價格高于基礎價值時候就是一種泡沫。我給你一美元，雖然它就是一張紙，但是因為你我承認其交換價值，使得這個價值得以維系。一旦有人不認同了，價值共識鏈條也將斷裂。”我們或許可以這樣認為：新技術在被大眾接納前，在某種程度上都曾以“泡沫”的形式存在，而由此產生的投資，也是在市場上尋找對該技術價值的認同者，當越來越多人體會到并認同其價值時，這項創新才算跨越了鴻溝，反之則泡沫破碎。經濟波動與理性預期 ：“政府角色舉足輕重”

其實，市場并非不接納泡沫，只是不喜歡泡沫破碎。那么有沒有可能在泡沫破滅前察覺端倪并采取措施呢?對此，薩金特教授表示：依托理性預測的理論基礎，人們通過參照和利用過去歷史提供的知識，能對泡沫進行合理預判。他個人很欣賞2013年諾貝爾經濟學獎得主羅伯特•席勒(Robert Shiller)在發現市場泡沫方面做出的貢獻。2013年諾貝爾經濟學獎得主 Robert Shiller

羅伯特•席勒曾成功預測了2000年美國互聯網泡沫破裂、2005-2007年美國樓市危機以及2008年全球金融海嘯。作為“行為金融學”的推廣者，他認為“人腦都具有故事性”，并曾于2017年在CNBC采訪中表示，比特幣之所以價值飛增并非在其自身價值，而是它塑造的故事激發了人的追捧，因而抗周期性有待考量。除了市場泡沫，市場情緒還有來自市場參與者的不確定性，都會導致經濟波動。在薩金特教授看來：在多變的經濟周期中，單純利用歷史數據或者任何既有模型都很難準確判斷未來，這時候，政府的角色舉足輕重。

他向我們推薦了哥倫比亞大學經濟學教授Jose A. Scheinkman的書《Speculation, Trading and Bubbles》, 其中闡述了2015年6月美國股災后的市場反應與政府應對措施，對處在經濟周期中的國家政府都有著借鑒意義。哥倫比亞大學經濟學教授Jose A. Scheinkman著作《Speculation，Trading，and Bubbles》智能時代 ：“AI與統計學相輔相成”

今年8月，薩金特教授在中國公開演講時曾語出驚人：“AI首先是華麗的辭藻，其實就是統計學。”在訪談中，他告訴36氪：這個理念并非自己原創，而是借鑒自卡內基梅隆大學教授 Larry Wasserman的統計學著作《All of Statistics》。卡內基梅隆大學教授Larry Wasserman的《All of Statistics》薩金特教授認為：統計學和AI兩者相輔相成。

回顧統計學、大數據的發展歷程，18-19世紀統計學誕生，隨著數據增多，人們發現計算功能落后于自己處理數據的需求;到了20世紀，隨著算力、計算功能的提升，人們得以在技術輔助下用統計學理論處理海量數據集。

與此同時，統計學的思想和理論基礎也在推動深度學習、機器學習等領域的發展。正如薩金特教授所說：“如果你去學習一些AI課程的話，你會發現不少算法都是把不同的統計方法組合然后再運行的。”

其實，無論是AI還是其他革命性技術，都是多學科、交叉人才連接的結果。有一些理論，可能產生于經濟學，但是被用來解決AI領域的難題;有一些統計學理論，比如控制理論、概率論等，則可以幫助我們理解區塊鏈、深層信任網絡等關鍵技術。而對于每個個體，具備跨領域思維也顯得尤為重要。正如薩金特教授本人，雖是經濟學家，但在歷史和數學方面都頗有研究。他和我們分享了自己學習數學的經歷：科研中發現數學短板，30歲起步研究，40歲基本掌握，至今仍每天鉆研。對他而言，拓寬學科邊界是一生堅持的課題。不管是在當下還是未來，人人互聯、領域融通，都是社會創新不變的原動力。