“在人工智能和数字货币领域，对付中国来说，已经相对领先。
”12月5日，由中心广播电视总台粤港澳大湾区总部和南方财经全媒体集团主理、21世纪经济宣布承办的“2019南方财经国际论坛”上，2011年诺贝尔经济学家得主、纽约大学经济学教授托马斯·萨金特揭橥演讲时表示。

“从传统经济学角度来看，亚当斯密崇尚自由贸易，并十分重视专业化，而这须要一个足够大的竞争市场。
中国这样的国家，进行改革开放与更多的国家进行贸易沟通和交往便是很好的，由于市场容量足够大，可以让各方发挥自己的长处。
”托马斯·萨金特指出。

然而，大型市场也存在一些困难和寻衅。

首先是交通运输方面的本钱问题，这须要更多的资源，能够将商品自由运输，其次是通讯和沟通的用度，相对昂贵。

此外，这个中还存在着信用风险。
“总会有人想着去盗窃别人的东西，让彼此产生不信赖。
有时候做出的一些承诺，并没有准期履行，这样会造成不诚信。
加上验证和实行的用度，让贸易变得很困难。
”托马斯·萨金特说。

“如果能够将这些问题都办理，就能够创造更多的经济代价，以是我们要鼓励和创造这些新的技能，人工智能、区块链就是非常好的技能，它能够做很多关键性的任务。
”

对付区块链技能，他认为，区块链作为一种数据构造，可以通过一种大家彼此信赖的办法进行记录，每个人的交易都能够记录下来，包括收入以及支出的账款。

而人工智能与区块链技能又存在着明显的不同。

“区块链是确定性的，不是随机性的，它也是永久性，这些记录没有办法改变，同时它是记录独特密码的算法，能够记录独一无二的事实，它不会有任何的模糊性，是非常准确的。
” 托马斯·萨金特表示。

然而，人工智能则具备一定概任性、随机性的特点，能够很好地预测未知现实。

“人工智能和区块链，两个技能各有不同，又相互互补。
随着区块链的进一步发展，我们既可以高效分享，还可以有效保护隐私。
”托马斯·萨金特表示，在这个领域中，新的成果正不断呈现。

在演讲结束之后，对付区块链、人工智能等的发展趋势，托马斯·萨金特和中国安然首席科学家肖京还进行了专场对话。

甘俊 摄

人工智能和区块链的未来

肖京：区块链是根本架构，具备高效、不可修改的特点，人工智能则能供应一些可见的预测，可以帮助我们更好更高效的决策，完成任务。
这两种技能互补。
目前区块链比AI更火，叨教实际运用区块链有哪些障碍和寻衅？

托马斯·萨金特：讲到区块链，人们以为这是很震天动地的想法。
但如果开一家大公司，实在也须要在公司不同的部门之间进行分享。
我们用打算机的时候，实在电脑程序内部也做了打算机本身的分享和验证。
如果你深挖下去，区块链的想法没有一开始说的那么震天动地，实在不同的公司或者国家本身也有这样分享的机制。

现在我们面临的一个环境，是可以把事情做得更好、更有效率，交易更简便，可是有很多的国家不愿意做，这是他们自己掌控的一个权力。
事实上，有很多金融管理机构对这个技能感兴趣，我以为中国央行的技能已经做得很好，他们对区块链也比我更加理解。

肖京：很多人担忧区块链技能的真实性、有效性和透明性问题，是由于他们加入区块链技能后，不知道如何进行有效验证？

托马斯·萨金特：这个问题常日都会发生。
有了一个新的技能，有些人可能会在那里看着电脑，挠着头搞不清楚，但也会有人会以为这个技能真棒。
我以为区块链技能有很多优点，但也有很多问题须要办理，所有新出来的技能都是这样。

肖京：如果比较一下区块链和比特币的话，比特币并不是特殊的有效，从金融做事的角度我们须要非常高的效率？

托马斯·萨金特：是的，由于人们正在想如何把它变得高效，在操作方面是不是有一个更好的方法，区块链给我们带来很好的交易办法，可是我们可以把它变得更好。

肖京：中国央行正在开拓数字货币支付，同时美国的Facebook等公司也在研发新的技能，这也是一个非常强大的数字货币模式。
你以为Facebook的Libra有没有机会存留下来，由于它最近还没有通过听证会。
很多政府不许可数字货币涌现，特殊是私营公司管控数字货币，这样的数字货币有没有打破口？

托马斯·萨金特：中国可以好好研究一下。
数字货币是和信用体系息息相关的，比如存款或者买保险，还是会有自己的一些存款信息和其他的信用信息。
美国的银行，还有美国的金融机构都在做这个事情，政府机构也在研究这个问题，我们能不能有干系的管理系统、管理流程体系和这个技能匹配。

创新的运用处景

肖京：刚才讲到一个运用——供应链金融，有没有例子可以跟我们分享一下？

托马斯·萨金特：很多的创新和创意都来自于银行界，来自于金融行业、金融机构。
这是一个很好的良性互动，从科学的角度、数据的角度，以及金融机构和普通人的角度，把他们联系起来了，由于全体系统创造出一个非常好的一种技能。
我们以前的技能以为彷佛就像玩具一样，实在并不是，我们现在已经广泛利用了，有很多的经济学教授、金融机构、银行业的从业者，他们都拥抱了这些新的技能。

肖京：神经网络是AI中的一个技能，在金融行业利用AI技能的时候，是不是有一些不同点？在美国非常多的在AI上面的投资，不管是对冲基金、还是银行。
对付传统的金融行业，商业银行、保险行业利用AI技能的公司并没有那么多，你以为呢？

托马斯·萨金特：我没有一个很好的答案。
大略来说在一些老的行业，可能会有一些大银行，已经垄断了全体行业，没有那么强的竞争性，也没有那么很好的创新性。
可是有一些新的加入者，他们会看到有新的机会点，乐意承担风险，利用新的技能。
这都是在反复涌现的环境，在美国也是这样。

在1950年代的时候，美国人造的车是最好的，1980年代末最好的车不是在美国生产，大部分是在日本生产，它不会熄火，而且车价更加低。
讲到创新，讲到行业构造，1980年代的日本造车企业更加有竞争性，他们对美国的汽车行业造成了很大的威胁，我在每一种行业都看到这种环境。

肖京：在很多的领域深度的学习都有进展，但在金融做事业，特殊是传统的经济预测，或者量化交易，这些方面他们还是利用早期的模型，比如用一些参数比较稳定的可解读的模型，还没有开始利用深度学习的算法，您以为这是不是好的研究方向？

托马斯·萨金特：这是一个很好的想法。
现在有人已经开始研究，包括一个朋友，他是深圳的一个教授，他正在建一个模型，这个模型非常实用，它是交易模型，但是过程当中有一个非常繁芜的算术算法，有很主要的一部分用了深度学习和仿照器，用得非常的奥妙。
他是很聪明的一个中国数学家，已经把深度学习用于模型培植，这是一个非常好的前景。
如果你有机会理解阿尔法狗打败最强棋手，它是怎么做到的？这个中就包括学习的方法，这个模式编得非常奥妙。

（编辑：巫燕玲）