编者按：2025年4月19日，第二届中国哲学社会科学实验室论坛在清华主楼接待厅举行。本次论坛以“数智技术赋能哲学社会科学实验研究”为主题，旨在汇聚相关哲学社会科学实验室建设单位，搭建“交叉、创新、开放、合作”学术共同体，以促进中国特色哲学社会科学实验室建设与合作。来自国内高校与科研机构的72家重点实验室负责人和相关专家学者160余人参加论坛，就“AI赋能实验室建设”、“AI赋能哲学社会科学学科创新”等核心议题开展分享交流。
南开大学经济行为与政策模拟实验室执行主任蒋殿春，以《AI与经济学研究:突破与局限》为题发表主旨演讲。本文根据蒋殿春教授现场发言内容整理。
蒋殿春发表主旨演讲
今天，我想聚焦微观层面，结合相关文献，为大家展示AI、大数据等新技术在经济学领域的具体应用。我将从AI在经济学领域的前沿突破、存在的局限以及应对策略这三个方面展开探讨。
在经济学领域，AI带来了诸多令人瞩目的突破。首先是数据处理方面的变革。传统经济学研究主要依赖结构化数据，如时间序列、横截面和面板数据等抽样数据，而AI的优势在于处理非结构化数据，涵盖多模态数据，包括视频、自然语言、声频等。例如，Jean等学者利用卫星图像和机器学习技术估算特定地区的经济发展程度，这一方法在国内也得到了广泛应用。实践证明，其估算结果比传统估算方法更为精确，且相较于人工问卷调查，大大节省了资源，符合经济学的高效原则。此外，通过社交媒体帖子中的关键词分析消费者信心指数和消费倾向，能够为供给调配提供有力依据，相关研究文献众多。
在经济预测领域，AI引发了方法论的革新。传统经济学虽有多种预测方法，但受限于抽样数据和处理能力，预测能力有限。AI的出现改变了这一局面，它不仅预测成本更低，效果也有了质的提升。如今，处理多维高维数据、应对上千个参数已成为可能，而这在传统降维方法下是难以实现的。以投资市场为例，高频数据从过去以天为单位发展到现在的秒级处理，这无疑是一次巨大的飞跃。
强化学习技术在经济学中的应用也具有重要意义。它能与现实互动并不断调整，为博弈论中的制度设计提供了新的思路。有学者将经济学机制设计理论与AI技术相结合，构建了广告拍卖机制，实现了供需动态调整，提高了广告商的竞价效率和收益。此外，还有研究运用强化学习探讨公共资源博弈问题，如国家间碳排放义务及分配机制，优化了相关协议条款。
在实验经济学方法创新方面，AI发挥了关键作用。在我所在的实验室，实验经济学和行为经济学是重要研究方向，我们基于微观行为进行政策模拟。AI能够让智能体与人共同开展实验，模拟不同环境和社会制度下人的策略行为，有助于验证经济学理论中规则决策的可靠性。同时，AI还能根据被调查对象的背景提出个性化问题，提高问卷的有效性。此外，利用大语言模型模拟群体行为，如模拟谣言传播可信度的研究，也为经济学研究提供了新视角。
AI在因果推断增强和可解释性扩展方面也有进展。虽然AI和大数据通常呈现的是相关性，但经济学家可借助双重机器学习等工具，在高维数据背景下处理混淆变量，进行政策评估。同时，为解决AI黑箱问题，经济学家将博弈论Shapley数值引入机器学习，量化不同因子影响，构建了可解释AI模型范例。
然而，AI在经济学应用中也存在一些局限。数据偏差是一个突出问题，AI学习所依赖的历史数据可能因区域、族群和时间节点不同，存在采集不充分的情况，这可能导致无法充分反映某些群体的利益诉求，甚至在政策制定中引发对特定族群和地域的歧视。在因果推断方面，也可能出现误用或误解，尽管传统经济学研究者对此较为谨慎，但仍可能造成政策偏差。此外，AI黑箱模型缺乏经济解释，经济机理难以阐释，这会影响政策效果，即使政策本身合理，也可能因公众不理解而遭到抵触。隐私与伦理问题同样不容忽视。
针对这些局限，我们可以采取一系列应对策略。一是加强AI的可解释性，确保数据透明；二是将AI数据分析与经济理论紧密结合；三是推动跨领域合作，整合多学科优势。同时，需要明确的是，任何分析都难以解决价值判断问题，因为价值判断无法完全通过算法实现，因此在运用AI进行政策决策分析时，必须保持谨慎态度。
综上所述，AI为经济学研究带来了机遇与挑战。我们应充分利用其优势，积极应对局限，推动经济学研究不断发展。
