在人工智能（AI）技术飞速发展的今天，其在科学研究中的应用已成为全球关注的焦点。近期，由著名数学家，加州大学洛杉矶分校的陶哲轩教授作为核心成员之一的总统科学技术顾问委员会（President’s Council of Advisors on Science and Technology，PCAST）发布了一份名为《Harnessing Artificial Intelligence to Meet Global Challenges》的报告，深入探讨AI在科学研究中的应用，这份报告不仅总结了AI在多个科学领域已取得的成就，还预测了其在未来可能带来的变革性影响。
图：陶哲轩在社交网络上发布的信息
该报告在开篇首先强调了AI在加速科学研究和技术创新方面的巨大潜力。AI能够提供必要的分析工具，帮助研究人员更高效地进行科学研究，并通过数据驱动的方法推动科学进步。其中，该报告特别提到了近年来发展迅猛的生成式AI，这类AI工具能够基于大量数据集和计算生成内容，它们在科学研究中的应用尤其具有变革性。
而后，该报告详细介绍了各个领域中AI的应用，本文侧重介绍该报告在章节3.5中介绍的AI与经济学研究相关的内容。
过去二十年里，大量数据极大地助力了实证研究，这帮助经济学研究者更好地理解包括阶层流动、人口差异、市场势力在内的经济学领域经典问题。这些研究成果引起了公众的关注，并一定程度上影响了政策。而在当下，AI有可能为经济学带来新一波的发现和进步。很多经济学家已经开始在研究中使用基于机器学习的工具，一些较为成熟的例子包括：
NLP技术可以帮助研究者分析经济文献、政策文件和新闻报道等文本信息，从而快速提取关键信息和趋势。
AI可以帮助经济学家根据海量数据，选择最合适的模型，以进行经济预测和政策分析。
通过将机器学习预测方法与决策工具相结合，AI可以提高经济决策的质量和效率。
当前，在线互联网平台上的实验设计，或者用于信用评分或金融证券定价的高维回归分析等场景，很多都高度地整合和应用了AI工具。可以看到，AI的应用已经开始改变我们对人类经济行为、市场动态和政策效果的理解。通过分析大量的经济数据，AI模型能够揭示人类行为的模式，预测市场趋势，并评估不同政策选择的潜在影响。在此基础上，报告中还额外强调了下述几个AI在经济学研究领域具有极大潜力的应用方向：
AI技术可以帮助研究人员更好地理解经济变量之间的因果关系。当前，一个蓬勃发展的研究领域是将机器学习与因果推断结合在一起。因果推断是社会科学家用来推断因果关系的方法，而社会科学领域的人工智能有望提供更详细、更个性化的因果推断估计，说明医疗、教育和其他干预措施或公共政策如何影响不同人群。这些新模型已经在实践中被采用——例如，部分网络平台利用这些模型来进行个性化的推荐。关于这些算法的力量和影响的争论，凸显了人工智能工具与人类和社会行为互动时所产生的复杂性。
生成式人工智能方法可能让我们重新思考在研究人类行为、组织和机构时哪些因素可以被视为“数据”。例如，社会科学家认识到许多方面会影响人们的幸福感，比如他们的身份认同、他们对工作的自豪感、组织和社区的运作方式等等。这些因素通过传统调查方法往往难以大规模地衡量。然而，人们所说、所写和所做的事情都反映了他们的态度，这是一类研究人员刚刚开始探索的全新数据类别。新兴的人工智能模型能够处理和理解这些类型的大规模非结构化数据，为在这些研究中纳入定性数据，并将它们与收入、生产力、教育程度或寿命等更传统的幸福感测度联系起来，创造了巨大的可能性。
此外，人工智能模型对非结构化数据的处理有助于帮助政府更好地进行政策制定。例如，通货膨胀、生产力、就业和GDP等关键变量会影响政策制定，但这些数据都是滞后的，并且存在众所周知的缺陷——许多这些衡量指标都依赖于调查，然而调查需要时间，并且很难获得高回复率。但其实，存在着大量相关的，包含有效信息的实时数据未被利用，只是因为这些数据是非结构化的、不完整的或随时间变化而可能前后不一致的。虽然人工智能模型无法纠正错误或有偏差的数据，但它们可能会大大提高我们从非结构化和不完整数据中进行预测的能力，从而为各级政府的决策提供更好的实时数据输入。这样的特性也适用于更广泛的领域，不仅限于政府决策，还适用于各种其他大型复杂组织所遇到的问题和做出的决策。
不过，报告也提及，尽管AI在经济学研究中展现出了巨大潜力，但它也带来了一些挑战。例如，AI模型可能会受到训练数据的偏差影响，导致预测结果不准确。此外，AI在经济学中的应用还需要考虑到隐私保护和数据安全等问题。报告建议，为了负责任地使用AI，需要在研究过程中采用透明和可信赖的AI使用原则，并在研究培训中更新相关内容，以确保研究人员能够正确地使用AI工具。
可以预见的是，随着AI技术的进一步发展，其在经济学研究中的应用将更加广泛和深入。总的来说，AI不仅能够帮助经济学家更好地理解和预测经济现象，还能够为政策制定提供更加精确和个性化的建议。此外，AI还有潜力通过分析非结构化数据（如社交媒体）揭示关于人类经济行为的新洞见。尽管应用人工智能进行经济学研究还处于早期阶段，但可以看到，我们正要进入一个激动人心的时期。
该报告在最后，总结了5点核心发现，以及对应的政策建议：
这一发现指出，当前最先进的AI模型通常是专有的，并且只对特定研究群体开放，这导致了AI研究的不平等。这种情况如果持续下去，可能会形成AI研究的“数字鸿沟”，限制科学进步的多样性。
为了解决访问不平等的问题，报告建议扩大共享AI模型、数据集、基准和计算资源。这将确保更广泛的研究社区能够使用AI来推动科学发现。
这一发现强调了高质量数据对于推动尖端研究的重要性。其中，机器学习技术尤其依赖于大量高质量的数据集进行训练。
扩大对联邦数据集的安全访问，
为关键研究需求提供适当的支持。
报告建议扩大现有的安全数据访问试点计划，并制定联邦数据库管理指南，纳入最新的隐私保护技术。这包括允许经过批准的研究人员在保护隐私的前提下访问联邦数据集等。
AI为跨学术界、工业界以及联邦政府各部门
的合作提供了独特资源。
AI作为一种工具，能够促进不同领域和部门之间的合作，这种跨学科合作有助于推动科学发现和技术创新。
建议支持跨不同领域的AI研究，这可能需要资助机构调整与产业界的合作方式和支持的研究人员类型，以促进创新研究和不同部门之间的合作。
在没有适当的基准指标、验证程序的情况下，
AI可能会产生难以预期且可能有害的输出。
这一发现指出，如果AI系统没有适当的评估和使用标准，可能会产生不准确或有偏见的结果，这可能对于科学研究的质量和信誉构成风险。
在科学研究过程的所有阶段采用负责任、
透明和值得信赖的AI使用原则。
建议联邦资助机构更新其研究行为准则，要求研究人员制定负责任的AI使用计划，并从项目初始阶段就管理AI使用的风险。
为实现最佳性能，
AI的应用需要和人类专业知识结合。
尽管AI可以提供强大的数据分析和模式识别能力，但人类的专业知识和直觉在科学发现过程中仍然是不可或缺的。
建议鼓励和支持创新的方法，将AI辅助工具集成到科学研究的各个环节中，以提高研究效率和质量，同时确保人类研究人员能够负责任地利用AI辅助进行科学研究。
AI在科学研究中的应用是一个充满机遇和挑战的领域。对于经济学研究者来说，通过负责任和创新地使用AI工具，我们可以更深入地理解复杂的经济系统，并为解决全球经济问题提供新的视角和解决方案。随着AI技术的不断进步，我们有理由期待它将在经济学领域发挥越来越重要的作用。
