最前线|人工智能该不该有道德观？阿里罗汉堂发布了关于数字经济的十个问题

原标题：最前线 | 人工智能该不该有道德观？阿里罗汉堂发布了关于数字经济的十个问题

6月25日，阿里巴巴倡议成立的研究机构“罗汉堂”，在杭州发布了数字经济时代最关乎人类未来的十大问题。这十大问题包括对技术发展与风险的讨论，对数字鸿沟的讨论，对隐私和个人数据所有权的讨论，对人工智能道德观的讨论等等。

罗汉堂主要关注的研究领域是社会学、经济学、心理学等，成立于一年之前。上市之后，除了在日常的业务研发投入之外，阿里及其关联方在科学、社会学领域的纯研究性学术投入越来越多。

2017年10月，阿里巴巴CTO张建锋在云栖大会上宣布成立阿里巴巴“达摩院”。阿里官方资料介绍，达摩院“致力于探索科技未知，以人类愿景为驱动力，开展基础科学和创新性技术研究。”马云对达摩院的发展提出三个要求“活得要比阿里巴巴长”、“服务全世界至少20亿人口”、“必须面向未来、用科技解决未来的问题”。

但是与聚焦前沿科技的达摩院不同，罗汉堂主要解决的是随着科技发展而伴生出的经济和社会形态、社会治理等领域的问题。

2018年6月26日，罗汉堂由阿里巴巴倡议，包括Bengt Holmstrom、Lars Peter Hansen、Michael Spence等6位诺贝尔经济学奖获得者在内的全球社会学、经济学、心理学等领域学者共同发起，将一起研究与科技创新伴生的社会经济形态变化等课题。

“我希望罗汉堂也能存在300年。”马云在罗汉堂成立时曾说。

值得一提的是，马云本人也在6月24日参加了这些问题的讨论。

由于讨论会议是闭门的，全文内容尚未公开，以下是2019罗汉堂数字经济年会上，全球学者对这十大问题的部分讨论内容。

1、我们是应该先控制风险，还是先迎接数字技术？

要达到5000万用户，电力花了46年，计算机花了14年，互联网花了7年，皮卡丘花了19天。今天，在低收入国家也有60%的人已经拥有移动手机。决策时间前所未有的短，错过成本前所未有的大。

迈克尔·斯宾塞（Michael Spence）| 2001诺贝尔经济学奖获得者: 数字经济带来的福利还难以被准确衡量和估计，这会影响我们平衡数字经济风险和收益。现有对经济的衡量集中在对经济增长的关注，忽略了健康、生活便利等其他福利。数字经济的长期影响是深度多维的，需要一个更多维的框架衡量个人和社会福利。

2、数字技术会扩大鸿沟，还是会让世界变平？

技术从来都是双刃剑。技术革命既让地球能够养活的人口从10亿增加到70多亿，也引发过两次世界大战。关键是能不能以最快速度，让尽可能多的人受益。

迈克尔·斯宾塞（Michael Spence）| 2001诺贝尔经济学奖获得者：中国数字经济的发展不仅体现在增长速度上，还体现在边远、贫困群体与现有经济资源的结合速度上，这是令人震惊的普惠增长模式。

阿尔伯特·罗西（Alberto Rossi）| 美国马里兰大学助理教授：智能投顾能够帮助用户更稳健地配置资产，尤其是对投资经验少、现金持有比例高、频繁买卖的用户而言更是如此。智能投顾让投资更普惠。

3、数据是谁的？谁是真正的受益者？

司机的行驶记录对于个人而言意义不大，但如果分享出去，就会让导航软件的精准度更高。数据作为一种生产资料，不见得应该只追求唯一所有权，而是要寻找一种机制保护好隐私，并让更多人受益。

让·梯若尔（Jean Tirole）| 2014诺贝尔经济学奖获得者：我们如何在保护个人隐私的同时，不遏制科技的进步和创新的向前？我们想倒掉洗澡水，但别把宝宝也泼出去了。

詹姆斯·邓普斯 | 美国加州伯克利法学院教授：我们现在缺乏足够的经济学、社会学层面对隐私问题的研究，太多的政策只是基于假设。

伊莎贝尔·法尔克·皮尔罗廷 | 法国数据保护局前副主席：欧洲GDPR不能被其他国家简单照搬。

阿里安娜·默勒 | Bird&Bird合伙人：下一个隐私悖论是，自己可能就是伤害自己的人。

简·霍华特 | 苹果公司全球资深副总裁：创新并不是建立在对个人数据大量收集的基础上。

熊伟 | 普林斯顿大学教授：可以考虑限制诱惑行业访问个人数据。

4、数字技术会让更多的人失业，还是会让工作时间更短？

眼下美国对AI的担忧达到历史高点，但实际上美国失业率是半个世纪以来的低位。技术革命并没导致失业率上升，但会带来新的工种，以及缩短工作时间。我们该为未来的工作做好什么准备？

克里斯托弗·皮萨里德斯（Sir Christopher Pissarides）| 2010诺贝尔经济学奖获得者：并没有证据证明技术会带来失业率的提高。但技术的发展过程中，确实会促进就业的结构性转变。以1980年以来的就业数据显示，就业逐渐从制造业向服务业转变。

魏尚进 | 美国哥伦比亚商学院金融学和经济学教授：技术的不断进步，确实让人们有了更多闲暇的时间。经济合作与发展组织的数据显示，生产力越高的国家每周工作时长越低。

5、谁是平台经济的受益者，是所有参与者，还是少数平台公司？

技术革命一直在深刻改变人类协同方式，到了数字时代，消费者和生产者被合成一张网，它就是平台。在全新的协同关系中，各方的收益、责任、工作方式、福利保障等都发生了深远变化。

克里斯托弗·皮萨里德斯（Sir Christopher Pissarides）| 2010诺贝尔经济学奖获得者：数字平台是对分散市场匹配技术的改进，它具有提高所有市场参与者效率的潜力。互联网和平台经济能够有效打破制约成熟市场发展的阻碍。在中国，没有互联网，农民只能进城打工才能提高收入，互联网让他们在家乡也可能获得同样的发展机会。

理查德·霍尔登（Richard Holden）| 澳大利亚新南威尔士大学教授：数字技术改变了企业的协同方式和边界，让原本很多公司内部才能完成复杂的协同变得高效和透明，更多的事务可以在公司外部由市场协同来完成。这给小微企业带来更大的生存空间，更高效的利用资源做专业化分工。大型平台的竞争优势来源于网络效应，这种竞争优势很难从无到有的建立，但是已有平台的地位也很脆弱。赢者无眠成为常态，平台必须时刻创新和更好的服务用户，才能保持竞争优势。

杰夫·帕克（Geoffrey Parker）| 达特茅斯学院教授：网络效应使公司的注意力聚焦点必须得从内部转移到公司外部，因为外面的世界更大，外边的用户更多，人力资源、创新体系、研发中心以及战略部门等都必须要将自己的关注点从企业内部转移到企业外部。

6、治理机制要如何改变，才能适应数字时代？

汽车诞生于欧洲，汽车商用的黄金时代却在美国。在数字时代，什么样的政府、市场和公司治理机制，才能适应今天自下而上的创新和新协同机制。

本特·霍姆斯特罗姆（Bengt Holmström）| 2016年诺贝尔经济学奖获得者：人工智能正在改变我们的经济发展机制，也会改变我们制定政策的方式。

7、金融服务在越来越平民化的同时，会不会引发更多的风险？

金融从来都是经济发展的重要基础设施，眼下，数字技术让卖茶叶蛋的老太太和银行行长享受到同样的金融服务。但金融创新，包括数字货币，也可能带来新的不确定性。

本特·霍姆斯特罗姆（Bengt Holmström）| 2016年诺贝尔经济学奖获得者：数字经济时代，信息是一种新的抵押品。有了数字平台上收集的信息，小额借款人获得信贷不需要抵押品，因为贷款人比借款人更了解他的信誉。在这方面，平台模式更接近于西方信用卡的基础模式，同时因为它基于数字识别，并包含大量数据，所以比信用卡便宜得多，也不容易被欺诈。

8、数字时代全球化会走回头路吗？

技术、贸易和知识的自由流动和分享是全球经济繁荣的核心动力，在世界经济分化严重、技术发展参差不齐的今天，我们如何推动全球数字经济协同，让每一个国家受益？

迈克尔·斯宾塞（Michael Spence）| 2001诺贝尔经济学奖获得者：让我感到兴奋的是中国的数字经济增长范式能够启发其他国家，开发巨大的国内市场就能带来巨大的增长机会。在此基础上我们不难想象，只需要一点点的国际合作，这种发展模式就能推广到全世界。各国小微企业参与到国际市场中或将成为下一个增长引擎，这才是最最激动人心的事。

王能 | 美国哥伦比亚大学商学院教授：世界的大潮流没人能挡住，比如全球化，就是没有人能挡住的。

9、人工智能该不该有道德观？

无人驾驶汽车必须选择撞向一边，左边是老人，右边是小孩，它该做何选择？这该由算法来决定吗？

托马斯·萨金特（Thomas Sargent）| 2011年诺贝尔经济学获得者：说到底，机器并不是自己在学习，它们学的，都是人类输入的数据。是人类在告诉机器要学习什么。因此，我们人类在给机器提供数据的时候，要努力去除掉一些偏见。

本特·霍姆斯特罗姆（Bengt Holmström）| 2016年诺贝尔经济学奖获得者：人工智能将来作为公司的“一员”，是需要对他们进行激励的，人工智能也应该具有工作动机，我们人类应该给他们正确的动机。

10、大算力和大数据，一定会让我们离真相更近吗？

我们在多大程度上可以利用大数据和大算力做决策，接近世界的真相。在一秒钟内能摸象腿数百万次，我们就一定会避免盲人摸象了吗？

拉尔斯·彼得·汉森（Lars Peter Hansen）| 2013年诺贝尔经济学获得者：数字经济时代，丰富的数据确实为经济学分析提供了更多的素材，但是实证分析本身的价值则非常有限。对于实际发生什么和可能发生什么，理论模型却能帮助我们做不同情形和不同政策下的比较。因此纯数据驱动具备一定的局限性，模型能让人们在大数据时代的今天做更好的决策。

托马斯·萨金特（Thomas Sargent）| 2011年诺贝尔经济学获得者：大数据和大算力提升了抽象信息理论的价值，它们的高速发展对处理信息的方法论提出更高要求。更优的信息估计技术，算法博弈论，多元时间序列算法和数据模拟技术等都可以在大数据时代散发光彩。