阿里巴巴罗汉堂发布最关乎人类未来的十大问题
中新网杭州6月25日电 (记者 魏晞)25日，阿里巴巴倡议成立的罗汉堂发布最关乎人类未来的十大问题。200多位来自全球的顶尖学者、政界、企业界负责人应邀在杭州“西湖论剑”，闭门研讨十大问题，其中包括6位诺贝尔经济学奖获得者。
第一问：我们是应该先控制风险，还是先迎接数字技术？
2001诺贝尔经济学奖获得者迈克尔·斯宾塞(MichaelSpence)认为，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。
第二问：数字技术会扩大鸿沟，还是会让世界变平？
2001诺贝尔经济学奖获得者迈克尔·斯宾塞(MichaelSpence)认为，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。
美国马里兰大学助理教授阿尔伯特·罗西(AlbertoRossi)认为：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。
第三问：数据是谁的？谁是真正的受益者？
2014诺贝尔经济学奖获得者让·梯若尔(JeanTirole)认为：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。
第四问：数字技术会让更多的人失业，还是会让工作时间更短？
2010诺贝尔经济学奖获得者克里斯托弗·皮萨里德斯(SirChristopherPissarides)认为：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。
第五问：谁是平台经济的受益者，是所有参与者，还是少数平台公司？
2010诺贝尔经济学奖获得者克里斯托弗·皮萨里德斯(SirChristopherPissarides)认为：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。
2010诺贝尔经济学奖获得者克里斯托弗·皮萨里德斯(SirChristopherPissarides)认为：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。
澳大利亚新南威尔士大学教授理查德·霍尔登(RichardHolden)认为：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。
第六问：治理机制要如何改变，才能适应数字时代？
2016年诺贝尔经济学奖获得者本特·霍姆斯特罗姆(BengtHolmstr?m)认为：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。
第七问：金融服务在越来越平民化的同时，会不会引发更多的风险？
2016年诺贝尔经济学奖获得者本特·霍姆斯特罗姆(BengtHolmstr?m)认为：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。
第八问：数字时代全球化会走回头路吗？
2001诺贝尔经济学奖获得者迈克尔·斯宾塞(MichaelSpence)认为：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。
第九问：人工智能该不该有道德观？
2011年诺贝尔经济学获得者托马斯·萨金特(ThomasSargent)认为：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。
第十问：大算力和大数据，一定会让我们离真相更近吗？
2013年诺贝尔经济学获得者拉尔斯·彼得·汉森(LarsPeterHansen)认为：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。
2011年诺贝尔经济学获得者托马斯·萨金特(ThomasSargent)认为：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。(完)
