寻找区块链力量第十一期：通向未来的融合技术（对话全文）

源自：财经栏目

---

　　寻找区块链力量第十一期：通向未来的融合技术

　　把脉区块链发展，坐看数字经济云起，由蚂蚁链、罗汉堂、△财经栏目联合出品的《寻找区块链力量》系列节目自8月6日起，每周四下午2点在△财经栏目独家首播！本期主题为“通向未来的融合技术”──区块链技术与AI、大数据、隐私计算技术结合起来，就可以对于开放金融、数字医疗、可依赖的AI应用等经济利基领域进行迅速地填补，从而为下一轮经济升级奠定基础。

以下为对话全文
　　问：首先请问Brunnermeier教授。我们对您最新提出的关于人工智能管理和区块链经济学的观点十分关注，您能否讲一讲您在这一领域的最新研究成果，以及，对于将人工智能、大数据和物联网与区块链相结合来解决区块链理论框架中的一些挑战，您有何看法？
　　谢谢，很高兴来到本期节目与大家交流。我想讲讲区块链和人工智能的融合，以及两者之间有何联系和区别。我在身后放了一张图表，今天想和大家谈谈人工智能的治理，以及区块链和人工智能的问责。关于两者的关键区别：区块链的本质特征在于记账，即记录发生过的事件，记录过去做出的决定；而人工智能、机器学习等旨在预测未来，或做图像识别，即关于现在或未来的决定。我认为，这是两者的关键区别。但这两者都存在问责方面的问题，因此需要人工智能治理。
　　最大的挑战是什么？先说人工智能。人工智能面临的重大挑战是，一切都在黑匣子中进行。你输入信息，黑盒子处理信息，然后给到输出信息。但很难说清楚，这些信息是怎么处理的，谁对此负责？这主要涉及相关性或因果关系。因果关系中，很重要的一点是确定谁负责，“这个人负责”或“这台计算机负责”。我们必须在法律体系中必须明确这一问责，这是一大挑战。如果是交互式人工智能，则挑战更大。
　　比如，公司A运行一个人工智能系统，公司B运行另一个人工智能系统，这两个系统交互、交易等等。问题是，如果出现事故或者出现问题，是哪个系统造成的？我们无法查看各个人工智能系统的黑匣子内部。这是一个巨大挑战，我们需要认真思考如何解决。这个问题我们一会儿进一步讨论。举两个例子：一、自动驾驶汽车，公路上两辆自动驾驶汽车发生车祸。我们必须确定是哪辆车的错，谁为此车祸负责。这些问题非常重要，在经济学和法律中将更为常见。二、算法交易，一会儿我也会讲算法交易。讲的是未来决策，即，预测未来会出现什么情况，然后根据预测做出相应决策。
　　区块链是什么？区块链本质在于记录，记录发生的事件。我们需要达成一项协议，各方都遵守协议。记录分为不同方式。一种是集中式记录，即，所有交易记录在一个账本上，该账本由一家大公司持有；另一种是去中心化记录，即，存在多个分类账，每个人都可以在分类账副本上记录。此时需要一个协议，一个共识算法，规定哪些是各方达成的共识。最近，我和Joseph Abadi合作研究的一项内容是区块链的三元困境。什么意思呢？三元困境指，我们希望同时拥有三个特征，但只能拥有两个。
理想情况下，我们希望三个特征同时成立，但实际只能实现其中两个。这三个特征是什么呢？三个特点是：一、独立性，即，系统自给自足，无需要依赖系统外部因素。这是第一点；二、资源效率，即，减少资料浪费。我们看到，区块链、加密货币以及其他基于区块链的分类账，比如供应链管理，这些会耗费大量电力。我们设立的协议等都会记录到区块链上，可能产生大量的电力浪费。我们希望减少电力浪费。这是第二点。
三：单个实体不能获得租金获取。即，避免实体获得部分租金并从中获益。我们希望这三点同时满足，但做不到，只能满足两个。如果是集中式分类账，就会出现垄断。一个实体负责写账本，或者两个相互竞争的分账本。比如，某个实体负责运行一个支付系统，这个实体必须报告真实的交易数据以保持可信。因为如果失信，就会失去所有未来的租金。但必须有租金才能获益。可以通过这一方式激励实体保持可信。
　　比如，如果使用集中式分账本，会有很多集中式分账本。为了得到正确信息，你需要向中心实体机构支付费用或租金。同时该机构为保持盈利会在分帐本上报告正确的交易及其他信息。再比如，工作量证明区块链，是一个去中心化区块链，所有信息通过去中心化方式记录，不存在中心权力机构。从这一角度来看，去中心化的优势在于避免集权。由于没有中心权利机构，因此需要共识算法和协调，因此产生信号。而这需要耗费大量资源。即，违背了资源效率这一点。
　　另一个好的特性是自给自足并避免寻租获利，除了这两点外，我们希望满足的另一点是避免电力的大量浪费。区块链、比特币等采用的方法是使用区块链公式算法权益证明。权益证明区块链依赖于系统外部获得验证，这违背第一点，自给自足。因此，这项研究表明，三个特点无法同时全部实现，而是只能实现二个，接下来，我们继续讨论过去、问责、记录。记录非常重要，我认为，记录将自动化。区块链技术会助力实现记录自动化，但我们也知道记录自动化的进步较缓慢。集中式账本、集中式货币，在账本上，所有信息都保存在一个单一计算机系统中，而非多个相互竞争的计算机系统，从而保证效率。区块链技术的发展速度还不够，还未达到能够处理支付宝、微信支付或Visa支付等数百万支付的水平。这是我们在技术方面面临的一个挑战，当然能源的巨大浪费也是一个挑战。
　　刚才讲的是关于过去的决定和未来的决定，接下来是关于人工智能管理。面对这种黑匣子，我们要问的是，人们对这些预测、图像识别或其他识别算法的使用应到什么程度？算法需要公开、分布到什么程度，以实现其他人可对其进行验证或传给法院？如果出现争议，法庭能否看到算法？能否操控算法？我们可以从这些算法中学到什么特点？这些都非常重要的元素，需要理解。所以，我认为管理和问责都是极为重大的问题，未来会凸显。只有明确问责、明确责任分配，经济体系才能良好运转。
　　通常我们青睐“谁做决定，谁负责”的责任原则。对于人工智能，做决定的是机器，但承担法律责任的不能是机器，而是机器的主人。但同时，该机器的制造商也有责任，购买机器或人工智能算法后使用该机器/算法的人也有责任。还有许多法律问题有待解决。如果责任分配不明，就存在不确定性。而不确定性不利于经济健康。人们都不喜欢不确定性，都希望责任分配明确。责任分配明确后，不确定性就会随之消失，人们会更愿意发展这一技术。

　　问：我们知道区块链架构的最初目的是实现比特币。约11年前比特币诞生，具有金融功能。但现在，比特币受到争议。目前，区块链金融应用有CBDC、JPM Coin、Libra等多种应用。请问您对区块链在金融领域的应用有何看法，在理论和应用方面有何潜力和挑战？
　　熊伟：由比特币引发的区块链金融应用。比特币确实引发了一轮数字支付系统、数字货币、各种数字平台融资方案和运营模式的创新设计浪潮。我先讲我的主要观点。我认为，尽管业界专家在这些非常重要的领域取得了众多进展，尽管人们对这些技术充满热忱，但是，我认为在近期最有发展潜力的模式不是比特币模式，我认为一些其他的改进版模式更有可能在金融以及其他相关领域发展出更多应用。
　　其中，我要特别强调许可区块链。相比公共区块链，许可区块链是一种更实用、更有用的许可数据共享系统的设计方法，是许多金融应用未来的关键特性或关键因素。
　　你已经提到了区块链的各种新兴金融应用，比如Facebook的Libra、摩根大通的摩根大通币，我们还看到一种新的加密平台。其实，近几年已经有成千上万的加密点数和代币上市。这些都与比特币热有一定关系。
　　特别是，比特币的去中心化、不变性等特征非常受欢迎。人们对这些特性兴奋不已，这些特征也引发了许多新平台和数字支付系统设计的通证化。但在实际应用中也产生了很多问题。Markus将这些问题巧妙地总结为“三元困境”。比特币的设计应面对这一根本问题，即可扩展性、安全性和去中心化问题。这是三个问题，互相之间存在一定内部冲突。我认为，目前我们还没有找到能解决该三元困境的方法。该问题还未得到解决，因此该设计投入广泛应用时面临许多问题。
　　我看到了中国人民银行前行长周小川最近的一次演讲，讲述了中国人民银行在设计数字货币方面所做的工作。中国人民银行被称为全球最先进央行，正在考虑未来发行数字货币。周小川认为，正是由于我们提到的这些原因，中国人民银行的数字货币不太可能建立在公共区块链上。他也对这些问题表示担忧。去中心化意味着要需要进行大量计算，可能导致大量浪费，正如Markus所述。这也导致了速度问题，一种货币要在大国广泛使用，速度是关键。
　　他还提到，在实际情况下，不变性可能无法实现。人们会犯错误。想一想金融市场的”胖手指”问题，在中国已经出现多次。当这些问题发生时，确实需要一个有能力在错误发生时纠正交易信息错误。但目前这种基于去中心化的区块链将使纠正错误（即使是简单错误）成本极高。强调一项我个人的研究工作，最近我和Michael Sockin合著了一篇关于加密货币模型的论文。论文强调了去中心化带来的另一个潜在问题，即，去中心化意味着数字平台的所有权没有股东或“所有者”。
　　没有所有者，意味着没有人会为公共利益出资。我们知道，数字平台依赖大型网络才能蓬勃发展，因此需要吸引大量用户使用支付系统或使用数字平台。要实现大型网络，就需要有人出资鼓励参与。没有所有者，就没有人为这些公共利益出资。这可能会导致数字平台和支付系统在实际应用中的另一潜在冲突，阻碍其未来发展。我们特别强调，“基于令牌计划”的去中心化带来了这种权衡。
　　通过去中心化，基于令牌的平台可以承诺在任何情况下都不损害用户。我们知道，对于由股东持有的以股权为基础的逐利平台，如果经营不善、利润不佳，平台可能会采取过激措施，比如过激的广告策略、销售策略，甚至向第三方销售用户数据。这些情况已发生多次。我们见过这些情况。去中心化移除了股东，因此移除了平台剥削用户的动机。所有用户共同控制这一通证化平台，而用户不会损害自己的权利。这是通证化平台的优点。
　　缺点是我提到的公共利益问题。一个平台或支付系统需要建立一个庞大的用户群，才能发展壮大。去中心化的用户面临这一巨大问题，即没有人愿意贡献公共利益、出资吸引用户，从而最大限度地发挥网络效应。对于盈利能力相对较弱的平台而言，这种对滥用用户信息的担忧尤其强烈。我们的分析将表明，实际上通证化对于基础较薄弱的平台更有吸引力。比特币或其他加密代币的狂热粉一般不会说这些。但我认为事实可能就是如此。
　　另外，我想强调股票价格和代币价格的差异，代币价格往往非常不稳定，我们看到已经有成千上万的代币或加密货币在世界各地交易，其中很多极不稳定。我们常把这种高波动性归因于某种疯狂的投机行为或某种价格泡沫，但两者在概念上有重要区别。股票价格是由股票平台从平均用户那里获得的利润驱动的，对于大型网络，有些用户是重度用户，有些用户是较轻的用户，利润由平均用户驱动，这将最终决定股票价格。

但是对于通证化平台来说，代币价格是由边际用户决定的，这些用户并不关心是否使用代币。从这个意义上讲，代币价格由边际用户驱动，而不是平均用户。
　　在网络效应下，我们知道平均用户和边际用户实际上是有很大差别的。边际用户非常敏感。当情况发生变化时，他们很容易退出。基于这一原因，代币价格波动非常大，比通常的股票价格波动更大。
　　我认为这是一个值得探讨和思考的重要问题。这些数字代币或加密代币在世界各地交易。
　　我讲了与通证化和去中心化相关的概念性问题。基于以上原因，我要强调的是，对数字经济的探讨中，虽然去中心化是一个极为重要和有用的特征，但可能不是未来最有前景的领域。我认为目前更紧迫的问题是数据共享。如何设计数据共享系统，使不同参与者、公司等更广泛的人群使用数据。这一工作十分重要。我认为许可区块链或许可分布式账本提供的方式更具前景，更有可能实现向大量用户提供许可的数据共享系统。
　　该系统可以是一个设有特定权限的数据共享系统，对许可对象、获取内容设立权限，从而保证数据在系统内的分布和知情交易，合同基于许可的数据共享系统。

　　问：漆远博士，您是全球著名人工智能专家，近几年在蚂蚁集团领导人工智能的研发工作。根据您丰富的学术和行业经验中，请问关于将人工智能和大数据与区块链相结合来解决现实问题，特别是普惠金融领域的问题，对此您有何看法？
　　漆远：我认为区块链、人工智能和物联网的协同作用是巨大的，但目前，还没有看到很多现实应用。熊伟和Markus都提到了目前区块链和人工智能的一些局限性，以及人工智能和区块链的结合。我的想法有下面几点。首先，我认为区块链对数据和质量控制模型非常有用。人工智能有两个重要的组成部分，一是数据。我们拥有的数据越多，能够实现的质量越高，预测越准确。但我们需要控制数据质量。区块链为我们提供了一种可靠的追溯所有数据版本的方法。即使是对于公司内部数据，在大公司内部，同样可以使用区块链以实现该目的，但是，看未来，我更关注的是模型的质量。
　　这并不是说我们只有一种模型，比如风险管理模型。在不断改进我们的模型的同时，有时我们可能会失去对所使用的模型的控制。因此需要了解数据类型、模型类型以及其质量。通过区块链与人工智能相结合，我们可以从本质上追溯数据和模型的所有版本，使其更加可信。我们还可以追溯所有的决策过程。比如，对于基于人工智能的金融风险管理，我们需要能够追溯所有的决策过程，并准确说明在什么时间点发生了什么事件，这一点非常重要。所以我认为这是一个非常有趣的应用。未来，这一融合将开拓数据市场或模型市场。
　　所以，单一模型很好，但如果组合多个模型，我们能优化预测。机器学习术语中，我们称之为元学习。元学习指的是，我们使用不止一个模型，而是使用多个模型，甚至可以使用从多个数据源学习的多个模型，我认为，这和熊伟教授刚才提到的“数据共享”异曲同工。实际上，我们可以构建分布在多个位置的模型，并集成来自多个源的数据。这能够提高人工智能的性能。这就是我说的，开拓数据市场或模型市场。但它本质上是市场，因此有经济学因素。我们应该如何为数据定价？如何为模型定价？这些问题为人工智能、区块链以及经济学的未来发展方向打开了大门。这些因素如何融合在一起？
　　我要强调的第三个问题是数据隐私。区块链是一种非常好的存储数据、保护数据质量的方法，但同时我们需要保护数据隐私。我么有相应的技术，即零知识证明，我们称之为联邦学习、同态加密等等。零知识证明可以与分布式机器学习相结合，即联邦学习。通过这一方法，我们一方面可以保护数据隐私，另一方面可以整合来自多个数据源的信息。也就是，我们可以在不侵犯数据隐私的情况下使用数据价值。最后，我将用两个例子来总结。一个例子是，区块链与物联网和人工智能结合用于伪品检测。
　　伪品问题是十分严重，在线上市场、电商中尤为如此。我们可以使用区块链，将人工智能算法和物联网传感器结合检测伪品。基本为，验证产品质量，并使用区块链追踪从产品源到市场终端全程。从而保证整个过程可追溯，保证杜绝伪劣产品。这是第一个例子。事实上，我们已经在淘宝平台上启动了这个项目，我们称之为TMG可追溯性。该项目在全球多个国家和地区实施，涵盖数千种商品和国际品牌。这是第一个例子，第二个例子是将区块链与人工智能结合进行供应链融资。具体来说，我们使用区块链来存储和组织来自多方的供应链数据，并使用隐私保护机器学习算法，基于多方数据来估计小额贷款风险等。这是第二个例子。
　　好的。非常感谢博士的分享。我们今天引述了很多布莱恩·亚瑟的话，布莱恩·亚瑟说到，技术具有递归结构，在技术开发的每次迭代中都会出现相同的元素。在新兴的数字时代，信任和机器智能正在成为人类商业和社会功能的要素。在接下来的开放性对话中，希望各位嘉宾谈一谈对数字未来的看法。首先请问Brunnermeier教授，您认为数字技术会将经济带向何方？
　　事实上，我们看到数字变革是一个重要环节，将重塑经济的各个方面。我们依次经历了工业革命、电力、内燃机等等一系列变革。现在我们正在迈出下一步。正如你所指出的，递归结构是技术的一个重要元素。在自然界中我们看到很多递归结构，但回到人工智能、黑匣子成分，从某种意义上讲，递归结构使人工智能的黑匣子特征更加明显。特别是如果把递归结构和非线性结合，会出现深度学习算法形成的新算法，在多个层面上运行算法。结合非线性后，会出现每个黑匣子里面还有一个黑匣子。这样一来，由于多层黑匣子套黑匣子，我们更难以判断黑匣子里到底发生了什么。这使得计算能力成为决定性因素。
　　市场上会有不同参与者，有些参与者拥有的计算能力更强或者更多，因此优势更大。这样一来，市场上不仅会存在经济学中大量研究的信息不对称问题，即一部分人掌握的知识比其他人多，同时还将出现计算能力不对称问题。这一问题也需要解决。我们不想让一部分人总处于劣势。那么，这一问题如何解决呢？在此我提出另一个角度，我之前提到的例子，算法交易。有一部分交易者拥有大量的计算能力，熊伟教授讲金融环境时也提到，金融中股票的波动性或代币的波动性以及大量交易的进行。大量的算法交易正在进行。
　　这一例子中大量应用了人工智能。当然，在淘宝和其他网站上也有应用，但是在金融领域，有大量Algo交易在进行，我们已经经历了几次闪电式崩溃。但惊讶的是，甚至公开暴露，人们仍无法弄清楚到底发生了什么。美国国债市场是德国债券市场流动性最强的市场之一，但该市场突然出现巨大波动，价格突然在几分钟内剧烈波动，没有人知道发生了什么。即使公开，监管机构查看后仍不知道发生了什么，因为不同的机器会根据某些算法相互交易，而我们无法理解黑匣子里发生了什么。这对我们来说是一个重大挑战。
　　更广泛地说，人工智能将如何改变我们的生活？人工智能会给我们的生活带来剧烈改变。我们看到电影《她》中，主角爱上了一个人工智能的声音，而不是另一个人。人工智能的声音可以更有趣，而且可以调节以迎合主角的喜好。最终，他对人工智能声音的喜爱超过了任何人类，因为人工智能可以从世界各地的各种图书馆吸收资源和观点，让他觉得像是和一个非常有趣的“人”交谈。令他震惊的是，他竟然爱上了这个人工智能。同时令她震惊的是，这台计算机同时和963个人保持着恋爱关系。电影结尾主角甚至开始有些变得嫉妒。
　　但这部电影也体现了人工智能可能会给我们的世界带来巨变。这只是一个小例子。这些改变会引发很多社会问题。这些问题都需要我们思考，而不仅仅是技术问题。当然，隐私问题也会发挥重要作用。但是，正如Elon Musk 所说，从今天的角度来看，未来可能有点奇怪。80年后，100年后，我们回头看现在可能会觉得会很自然，但此刻可能正在发生巨变。
　　向前发展，帮助我们的日常生活变得更加便利。但同时也可能带来麻烦。你一直把数字技术和人工智能称为黑匣子。你认为它是否会变成潘多拉的盒子，释放黑暗邪恶力量？
　　是的，两方面都存在。任何技术都是这样，既有好的一面，也有坏的一面。比如炸药，可以建造隧道，改变河流流向，这是好的一面；但也可以用于战争。所以，如何趋利避害，如何利用好的方面同时避免坏的方面，这是人类面临一大挑战。我认为机会会远远大于风险，但必须找到一种一致的方法，才能对其有效利用。这将是我们这个时代在未来10到20年里面临的一个重大挑战，我们需要研究清楚。因此我们需要这样的讨论、辩论，讨论未来方向、有哪些限制、应该避免什么等等。而且，社会科学、计算机科学以及其他学科之间需要互动，所有人都需要互动，因为最终，我们需要共同决定未来的生活。
　　熊教授，你对此有何看法？你认为数字经济会把我们带向何方？
　　我确信，数字经济和大数据将改变世界、改变我们的生活。其实，我觉得在中国，数字技术和大数据已经带来了重大改变，使金融更方便获取、更普惠。我应该提一下蚂蚁集团在这方面所做的工作，通过使用支付宝系统提供的大量数据，蚂蚁集团在金融服务提供方面已取得了重大进步，为之前很难获得融资渠道的广大人群提供信贷、保险等金融服务以及财富管理。因此，从这个意义上，我确信变革已经正在发生。就像20年前互联网改变了我们的生活，今天我们将面临再一次改变。
　　我想继续谈一下漆远博士和Markus都提到的隐私问题。未来我们将面临更大变革，将看到更大挑战，如何解决隐私和便利之间的冲突？对于家庭以及像我这样的个人来说，这是冲突，一方面，我愿意分享我的个人资料，这会让生活更轻松。比如，你在谷歌输入几个关键词，谷歌已经可以根据你的搜索历史，预测你想要输入的其他单词了，因为谷歌知道你的习惯。这是和谷歌分享数据的好处。在亚马逊上，如果你想找到某种商品，你只需输入第一个字，所有你可能想买的东西就会已经出现在屏幕上了，都不需要你太动脑。同样，这是因为亚马逊知道你的习惯，知道你可能想买什么。阿里巴巴平台或其他网购平台上也是一样。你和平台分享数据，就能实现这些功能。
　　但另一方面，潜在的安全风险越来越引起人们的关注，数据可能会被某些公司恶意入侵和滥用。当然，我刚才提到的这些公司都是旨在帮助人们，让人们生活更加便利的好公司，但是，东宁问到会不会释放邪恶力量。我们无从得知，因此担忧。
　　但隐私问题似乎不同。而且在一个方面差别很大：支付宝上的许多用户，随着越来越多使用数字应用程序，发现自己越来越喜欢使用，而与此同时，随着他们与所有这些数字应用程序共享越来越多的数据，他们也更多关注数据安全和隐私问题。一个很好的例子是，如果你问人们，对自己在纽约地铁里的安全担忧程度如何？对于纽约地铁的安全问题他们会担心什么？对于像我这样的偶尔坐地铁的人来说，我可能回答不担心，因为我一年只坐几次地铁，何必担心呢？
　　但是，对于那些每天坐地铁的人，尤其是需要深夜乘地铁到布朗克斯或皇后区等偏远地方的人来说，他们会更担心，因为他们乘坐地铁更多。从这个意义上讲，我认为这也是隐私担忧的一个基本问题。随着人们越来越多地使用这些数字应用程序，对隐私问题的担忧也会越来越严重。我认为，随着数字经济深入生活，隐私问题将变得更加重要，因此，我们需要更加认真地对待。目前，欧盟、美国加州，以及很多其他国家已经建立了完善的数据保护法规。
　　但目前还没有一种有效方式（共享数据），从另一方面讲，为了推动数字经济发展，我们需要扩大数据共享系统，让更多人共享数据。这将赋能人工智能，Markus和漆远都提到了这一点。为此，我们需要来自各个领域、各个平台的大量数据。为此，我们需要可靠的系统。应在确保用户的数据安全和数据隐私的同时，实现数据在不同公司之间流动。不是一家公司独享，而是各个公司共享数据。这是一个巨大挑战。我先讲到这，先听一下Markus和漆远的观点。
　　非常感谢，我必须承认，我属于担忧隐私的用户关于经济的未来发展，以及数字技术将带给我们的生活，我们应该感到担心还是开心？
　　也担心，也开心。正如你所说，一方面，随着数字经济的到来，技术将收集更多我们的个人信息，但我们应该为此高兴，因为我们更多的数据收集会为我们提供更多服务。但除此之外，我想强调我在第一环节提到的一点。我认为机器学习的实践者和研究人员已经意识到他们正在研究这个问题问题，他们正在开发新的方法来保护用户隐私的同时提供更优质的服务。这是一个重大方向，需要大量投入。事实上，不仅在阿里巴巴、蚂蚁集团，而且在全球范围内，我们都在做这一努力。我们与IEEE合作，我们提出了一个隐私保护机器学习的国际标准。总体想法是，在不获取你的个人身份信息的前提下，为你推荐需要的商品（比如在淘宝上）。
　　正如我们之前提到的，重要的是，如果我们想对数据更好的进行分析，以治疗癌症等。癌症由基因突变引起，但基因突变十分罕见。你的基因组数据是你最隐私的数据，是你的硬盘，复制于父母。但如果不了解基因组数据，没有多家医院、多家临床机构获取的数据，就无法真正且完善的了解癌症发展的基本情况。所以这是一个两难选择，一方面，你希望治愈癌症；另一方面，你不希望透露任何数据，尤其是你的个人数据。如何解决这个难题呢？这一解决方法，我们称之为共享学习，或联邦学习，或隐私保护机器学习等。这是很多人在努力的一个方向。这是我想强调的一点。
　　其次，我认为数字经济绝妙契合今天的主题“融合”。线上经济和线下经济正在融合。我认为，未来我们很难判断，这是一个实体经济还是数字经济。信号、数据不断被数字化、被存储。未来将不再有完全的分离。比如，“我根据机器学习算法给一家商店提供了小额贷款”这属于数字经济还是实体经济？再比如，一家位于街角老店铺（爷爷店），或者是偏远乡村的农民，他们属于实体经济还是数字经济？未来很难说，我认为正如《技术的本质》书中所述，经济本质上就是技术的表现，技术是改变经济运行方式的驱动力，这就是我回答的第一点，“实体经济和数字经济的融合”。《技术的本质》这本书非常好，我很喜欢这本书。
　　第二，我想回应一下Markus之前提到的观点，他谈到了两点，一是因果关系和相关性机器学习，我认为这个方向非常好，我认为人们已经意识到这个问题，并在努力解决。解决这一问题很重要，不然人们可能上当受骗。曲解方式之一是熊伟之前提到的，人们对支付宝的隐私问题越担忧，使用支付宝就越多，这实际上是常见的因果关系颠倒。应该是你用支付宝越多，就越在意自己的隐私。理解这一点很重要。因为，如果我们只看顺序，只看因果关系，只看相关性，则可能会产生误解，因而做出错误决策，导致错误政策。所以我们需要细看具体发生的情况。
　　第三点，关于非线性效应。这是一个网络，比如，我们研究基于图像的机器学习，我们建立了巨大的图表，基本上使我们能够更好地进行风险管理，从本质上说，我们可以从系统、网络的角度来看待事物。比如，可以将商家放入一个网络中，从网络的角度观察，而非单独观察单个商家，这样可以更好的管控小额贷款风险等。但同时，我们应该注意，网络中风险可以传播速度很快，会迅速爆发。从这个意义上说，我认为，长期来看，需要思考如何将其与区块链或其他分布式机器学习相结合，我们称之为多智能体系统，各智能体独立做决策。
　　不是集中决策，而是多个智能体各自做决策，同时相互沟通、相互作用。但如果应用到现实世界，我们需要确保每台机器的决策都有问责。因此，我们可以使用区块链使机器变得可信可靠。通过这种方式，我们可以使用区块链.区块链本质上就是在陌生人之间建立信任的一种方式。除此之外，区块链只是一个低效率的数据库。对我而言，区块链的美妙之处在于建立共识，在彼此不一致的各方之间建立共识。但我们可以把这个概念延伸到机器，未来我们是否基于这一概念将决策与多台机器结合？我认为这可能是未来的一个发展方向，但目前还很遥远。
　　我想再引用布莱恩·亚瑟先生的一句话。布莱恩说，我们经济的最大挑战将从不断提高生产效率转变为财富分配问题。我想引用这句话来回答我的一个担忧。数据经济已经非常不平等、不平均。在美国，脸书、亚马逊、苹果等几大平台占据独霸，在中国，阿里巴巴、腾讯、百度等独霸。先生们，这是一个健康趋势，还是一个巨大问题？先请Brunnermeier教授。
　　我认为，在这些平台中，存在规模收益增加现象。数据越多，预测推荐系统给你的推荐就会越准确，平台客户就会越多。由于客户增加，数据就会增加。这一规模收益持续增加现象导致了数据权力集中。任何权力集中都不好。通常，我们希望尽可能多地在人和实体之间分散权力。我们社会正在成为一个赢家通吃的社会，我们必须解决这一问题。这是一方面。
　　另一方面，对于一些趋势，我们希望有标准化，而不是各个实体之间数据不能互通。必须有一些标准化的方法，在不同平台之间实现互操作性。我们希望实现的是，允许数据共享，但强制遵守一些通用标准和互操作性，举个简单的例子，在美国，如果你从一家移动电话供应商转到另一家移动电话供应商，你可以继续使用原手机号码。类似的，如果你从一个平台切换到另一个平台，可以带着所有信息一起转换，类似这样。互操作性会对此有所帮助。我们应重点关注这一点。
　　另一个积极的方面是，有了这些新技术，创业者的创业门槛降低。过去，你必须花费巨额IT支出与老牌企业竞争；现在采用云技术等其他技术，仅需很低的固定成本和安装成本就能快速达这一水平。因此，创业难度和市场准入门槛降低，但要达到一个更高水平，我们必须确保监管框架允许足够的互操作性。这里我们需要做权衡。只是要求有正确的监管框架。此外，当然，会有赢家和输家。应如何分配得失，这是另一个问题。但我认为首先我们应该确保每个人都有公平的准入机会，每个人都有机会去抓住机会并为社会做出贡献，而不是只有少数人这样的机会。
　　另外，关于隐私，我在多说几句。我和你们一样的担心隐私。我认为最终，在隐私方面我们需要做权衡。有个说法是，公司将会比你更了解你自己。你刚才说，担心这些公司了解你的一切信息，你的第一辆车等等。发展到一定阶段，这些公司会比你更了解你自己。令人担忧的是，他们会知道你喜欢什么，而你只有在看到这些公司推荐给你的内容时才会发现，“我喜欢这个。这个公司怎么知道的？”这一点需要我们思考。如果仅仅用于喜好推荐，那没问题。但如果用于监视和其它目的，我们可能会失去自由决策的权力。
　　你所做的决策不再是自由决策，因为这些决策受到你接收到的信息影响，而这些信息有引导性，这些公司可能利用特定偏见进行操纵。算法可能知道你有某些弱点，并利用你的弱点。比如，无论何时你一看到红色的按钮等就会购买，算法就会抓住这一点。我们必须注意，不让人们被利用。这属于隐私的一部分，这些公司他们可以对你喜欢的商品收取更高的价格，或者代替你做决策，告诉你“我认为你适合灰色或绿色的”。公司可以通过这些方式，利用这些信息收取更高的价格，创造更多价格歧视。但这些都是非常重要的考虑事项，经济学家可以帮助解决这些问题。
　　是的。熊教授，对此你怎么看？
　　因为很多公司的总体战略都建立在数据上，正如漆远先生所说，数据越多，人工智能技术越能更好的帮助理解消费者并为其提供更好的产品。从这个意义上说，要实现Markus说的公司比用户更了解用户自己，就需要各公司共享数据。
　　从这个意义上说，即使在公司层面上也面临这一冲突，即公司数据的隐私性和拥有更大数据集赋能公司产品设计的便利性之间的冲突。我认为，这一冲突还可以上升到国家层面。国家面临同样问题：隐私还是便利。疫情期间，各国面对同一病毒，因此如果能掌握关于不同国家人们受病毒影响的经验数据，会大力推动更有效的药物和疫苗的研究。但同时，一个国家和其他国家共享数据，可能产生潜在的安全问题。所以，我认为，从这个意义上说，这是所有层面的共同问题。
　　归根结底，关键在于我们能否建立一个数据共享系统。当然，数据共享系统不必完全公开，不必让系统中的每一个数据对系统中的所有人或所有方均公开可见。应设计为，系统中的每个人或每一方个只能看到它需要获取的数据或者获得授权获取的数据。我认为所有这些技术进步，如公钥对私钥、零知识证明技术等，都有助于实现该系统。当然，建立这一系统需要各方合作，而不能仅靠一家公司，甚至在某种程度上讲，不能仅靠一个国家。而是需要一个一致、系统的框架决定谁有权设计系统、谁有权制定数据共享规则。
　　这套规则将十分重要，将影响数字经济的发展。Markus讲了一些问题，包括公共利益问题、输家赢家问题等等。尽管如此，我们仍需制定一套数据共享规则。只有在规则下，数据才可能有一定程度的流动。不是自由流动，而是以某种形式流动，以保证这些强大的人工智能技术真正发挥作用。当然，我们还会面临决定谁有权操作系统和改变规则的问题，所以这将是一个非常复杂的系统，需要大量思考。我认为经济学家应与技术人员，与数据工程师合作，利用技术进步提供的优势，建立这样一个系统，以确保相关各方都能保护自己的隐私，同时实现必要的数据共享。
　　漆远博士，你怎么看？
　　我认为，正如Markus 之前所说，一切事物都有两面性。一方面，我们不希望未来只有一家大公司，别无其他选择；但另一方面，如果有一个平台公司，可以为所有初创企业、所有非典型创业者降低创业门槛，我认为这是好事。例如，Markus提到云计算，现在任何人都可以使用开放人工智能创建公司，甚至可以免写代码建立网站。但同样，在蚂蚁集团，我们也为对机器学习和市场营销一无所知的老实体店（爷爷店）提供风险管理服务。所有的产品营销服务都来自支付宝名录上的公司。
　　总体上，如果你能为生态系统提供有价值的服务，你就不是一个单个公司。蚂蚁集团不是一个公司，而是为数以千计的不擅长技术的商家或商店提供服务的服务提供者。对于这些商家，如果没有人帮助他们，他们将被技术发展潮流远远甩在后面。我认为这样的技术平台对他们是无价的。但另一方面，我同意，如果市场上只有一家公司，可能会出问题，因为人们没有其他选择。但如果有其他平台，人们对这个平台的服务不满意可以改用另一个平台，那么这就会形成有效的市场竞争，促进整个社会的服务更加完善。
　　好的。先生们，接下来是今天的最后一个问题。数据被视为当今总生产力增长的第五个生产要素。其重要性不仅仅在于提供新产品和服务，我们今天讨论的隐私问题、国家安全、全球竞争等也备受关注。布莱恩·亚瑟还说到，由于知识的聚集和对产业的学习效应，技术集群的边际收益率可能会不断提高。那么，各大数字技术中心（如美国、中国、欧洲、日本）之间的最佳合作和知识共享方式是什么？Brunnermeier教授。
　　好的，我们已经讨论了规模收益增加、集权、赢家通吃等的现象。数据确实如此。当然有人说，规模收益不可能永远增加下去，因为从数据中得到的预测有上限，最上限就是完美，不可能超过这一上限。总有一天会出现规模收益递减。所以总体上会先增加，后减少。所以生产函数呈S曲线。当前我们可能还处于增长阶段，认识到这一点很重要。只要有增加，就应该对数据进行融合整合。
　　但有另一点我们要意识到，数据变化迅速且变化巨大。新冠肺炎疫情之后，真正相关的是什么？我们今天生活的世界和一年前大不相同；而且现在是12月，有假期等事件，因此和11月又大不相同。回首过去，我们看到世界变化如此迅速，过去的数据很快就会过时。所以，从某种意义上说，你要做的是：规模经济和范围经济。一方面，你希望获壬能多地人的数据，中国这样的大国人口超过10亿，因此在这方面有优势；另一方面，你希望从每个数据提供那里获壬能多的数据，包括文本数据，比如推特信息、微信朋友圈等等。然后你把所有这些整合在一起，从中提取信息。
　　应在多大程度上进行国际合作？理想情况下，应该充分合作，并充分利用合作。一种观点认为，由于规模收益不断增加，整合更多数据、更多人，有助于更好地预测每个人的行为和需求。在漆远刚才说到的DNA、医疗健康等方面，应该密切合作。但这也存在一个风险，即，如果所有元素都整合到一面，那么如果出现一个错误，整个系统都会受损。所以有一个观点认为，应该有两个、三个或四个不同的数据中心，不同的人采用不同方法。因为如果一个系统中所有元素都对称、都是同质，那么这个系统就不够稳固。一旦系统故障，整个世界都会崩溃。而如果你有两个或三个不同的系统，如果其中一个故障，可以依赖另一个。但总的来说，这方面应该合作，应该进行全球性的公平合作，即，所有方遵守规则，任何一方不得利用对方，按照公平、共同商定的安排进行，合作目标应为促进共同利益，而非仅为本国获利等。
　　好的，非常感谢。熊教授您有何观点？
　　关于数据使用的规模收益增加，Markus提到了完美信息增加上限。我想说，隐私问题早在达到上限之前就已经出现。之前我讲到我们做的调查中，随着消费者对数字应用程序的使用量增加，他们对数据共享也更加关注。从这个意义上说，实际上收益递减早在达到上限之前就已出现。但我认为这个问题和东宁问的全球合作问题相关。我认为在国家层面上，对隐私的关注，在国家层面上称之为数据安全更加确切。因为数据共享可能会引起对更复杂问题的关注。
　　我同意Markus教授说的，更多的数据共享能够促进公共产品等等。更多的数据共享可以增强系统稳健性。但同时，情况可能会变得更加复杂。因此，各国应该合作共同商定一套规则，各国就规则达成一致后，就有可能设计出一个允许部分数据共享的系统，共享医疗、健康相关数据。这一点尤其重要。
　　如果没有就规则达成一致，我认为目前依靠各国自愿很难成功。我们知道，数据共享中最重要的不是做一次性共享，而是积累。数据可能会在几个月或几年内失去时效。所以需要在系统中积累数据。为此，我们需要继续努力，需要建立系统，系统需要建立在国际社会商定的一套规则的基础上。
　　漆远博士，你怎么看？
　　首先，我同意。需要在多个国家之间达成共识，制定共同规则，从而建立共享数据的框架。国家安全、数据隐私，这些问题都可以启动合作。我们需要考虑合作会带来的好处，思考如何克服障碍，创造各方共同认可的价值。其次，我想再讲讲我之前提到的一点。第一点，基本协议，较大可能由政府或大公司推动。但是，第二点，我认为还有一种可能性，即市场。拥有足够的数据隐私保护技术后，可能催生出数据市场价格，从而实现数据再利用并产生更多的价值。
　　从这个意义上说，市场可以促进未来合作的可能性。就像中东的石油可以从中东运到其他国家，未来也许一个国家的数据可以运到另一个国家，但要收取一定费用。如果你想要数据，可以购买，就像石油一样。你之前提到，数据正在成为生产中的一个重要元素。我认为从这个意义上说，数据市场是至关重要的。但在这方面，我想提到的不仅仅是数据市场，模型市场可能同样重要。所以你需要同时跟踪模型质量和数据质量。从这个意义上说，我们可以考虑未来的平台，但是我不确定这是否会在短期内发生，但我认为从长远来看，这一点非常重要。
　　好，谢谢，非常感谢各位嘉宾的精彩分享。各位深入探讨了，数字技术将对我们的生活和经济产生哪些影响。数字技术将塑造还是动摇我们的经济和生活？感谢各位嘉宾的洞见。我们都希望，科技能给我们带来一个智能、信任的未来世界，但事实上，人与人的协作和对彼此的善意才能带领我们走向光明的未来。今天，我们的嘉宾就区块链与其他数字技术相结合能够如何实现机器智能和机器信任与我们分享了见解，我们也希望，在知识共享领域能有更多合作，从而提高技术的边际效益，并最终使全有人受益，今天的讨论到此结束，下期节目将于下星期四下午2:00播出，我们下期见。