一、人工智能的相关概念简介
初略来讲，人工智能的概念是最大的，机器学习是其的一个分支学科，而深度学习又是机器学习的一个分支。
机器学习（Machine Learning）是人工智能的一个分支学科，是实现人工智能的一种方法。它使用算法来解析数据，从中学习，然后对真实世界中的事件做出决策和预测。和传统的为解决特定任务而专门进行编程的思路不同，机器学习“让计算机拥有在没有明确编程的条件下拥有学习的能力”，并通过对大量数据的学习找出完成任务的方法。
根据学习的特征，机器学习可以分为三类：有监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning）。
有监督学习是通过对有标签的数据样本（a sample of labelled data）进行学习，从而找出对输入和输出之间的一般性法则。例如，对于房地产企业来说，他们拥有大量房屋属性，以及房价信息的数据，如果他们希望对这些数据进行学习，通过建模找出房价和各类房屋属性之间的关系，那么这个过程就是有监督学习。进行有监督学习的算法主要有两类，一类是回归（Regression）算法，另一类是分类（Classification）算法。
无监督学习所面对的数据样本则是没有标识的，其任务在于通过学习这些数据从而找出数据中隐藏的潜在规律。例如，艺术鉴赏家经常需要对名画的流派进行鉴定。显然，在任何一张画上都不会存在任何明确标识的特征信息，因此鉴赏家们只能通过大量欣赏画作去增加主观体验。久而久之，他们会发现某些画家会固定使用一些作画技巧，通过对这些技巧的识别，他们就能对画作的流派进行鉴定。在这个过程中，鉴赏家们的学习就是无监督学习。聚类（Clustering）算法进行无监督学习的主要算法。
强化学习是在动态环境中进行的学习，学习者通过不断试错，从而使得奖励信号最大化。例如，学生通过做习题来温习功课，每次做完习题后，老师都会批改习题，让他们知道哪些题做对了，哪些题做错了。学生根据老师的批改，找出错误、纠正错误，让正确率不断提高，这个过程就是强化学习。
近年来备受关注的深度学习（Deep Learning）是机器学习的一个研究分支。它利用多层神经网络进行学习，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。在传统的条件下，由于可供学习的数据过少，深度学习很容易产生“过度拟合”等问题，因而影响其效果。但随着大数据的兴起，深度学习的力量就开始体现出来。今年来人工技术的迅速发展，很大程度上是由深度学习的发展推动的。
二、作为研究工具的人工智能
（一）人工智能对计量经济学的影响
1、计量经济学与机器学习：从孤立到融合
统计学关注的问题有四个：（1）预测（Prediction），（2）总结（summarization），（3）估计（estimation），以及（4）假设检验。计量经济学是统计学的一个子学科，因此以上四个问题同样也是其关心的主题。
2、机器学习在因果推断中的应用
机器学习在因果推断中的第一个应用是将用来取代常规方法中一些不涉及因果关系的步骤。
机器学习在因果推断中的第二个应用是对异质性处理效应的估计。
（二）人工智能在行为经济学中的应用
人工智能可以为行为经济学的研究提供一种思路。
三、作为研究对象的人工智能
（一）人工智能与经济增长
1、关于人工智能与经济增长的理论探讨
技术进步就会产生两个效应：一是直接对生产效率的提升；二是通过自动化来实现生产方式的改变。一个经济中有很多产业，不同产业实现自动化的临界条件不同，因此生产率的增长和自动化的程度将呈现一种连续函数关系。当自动化程度较高时，经济中的资本回报份额也就越高，因此当经济处于最优增长路径时，增长率将主要取决于两个条件：生产率的增长速度，以及经济中的资本回报份额，更高的生产率，以及更高的资本回报份额都会让经济获得更高速的增长。
人工智能的应用会在导致生产率提升的同时促进自动化进程的加速。这将会导致生产过程中人力使用的减少，从会让经济中的资本回报份额增加。但另一方面，“人工智能革命”也会遭遇所谓的“鲍莫尔病”，即非自动化部门的成本的提升，这会导致经济中资本回报份额的降低。一般来说，随着经济的发展，经济中的落后部门对经济发展的影响将会变得更为重要。在这种条件下，“鲍莫尔病”的影响将会变得更加不可忽视。
2、关于人工智能与经济增长的争论
（1）人工智能是否能带来经济增长
人工智能的作用是不可忽视的，但现阶段滞后的配套工作限制了其作用的发挥。随着相关配套工作的完成，“人工智能革命”的力量将会逐步释放出来。
（2）人工智能是否会带来“经济奇点”
所谓“经济奇点”，指的则是一个关键的时间点，当越过这个时间点后经济将保持持续增长，并且增长速度会持续加快。
（二）人工智能与就业
技术的进步在推进生产率提升的同时，会带来“技术性失业”。作为一项革命性的技术，人工智能当然也不例外。与以往的历次技术革命相比，“人工智能革命”对就业的冲击范围将更广、力度将更大、持续也将更久。
1、关于人工智能和自动化就业影响的理论分析
在长期均衡的条件下，结果取决于资本和劳动的使用成本。如果资本的使用成本相对于工资足够地低，那么所有职业都将被自动化；反之，自动化就会有一定的界限。如果劳动本身是异质性的，那么自动化的进行还将导致劳动者内部收入差异的产生。
2、关于人工智能和自动化就业影响的实证分析
“计算化”（Computerization）导致了“极化效应”——对程式化工作的需求大幅下降，但同时导致了对非程式化工作需求的增加。
3、关于人工智能和自动化就业影响的预测和趋势分析
即使人工智能替代了其中的一部分岗位，但老龄化等问题会带来巨大的劳动力需求，由此提供的就业岗位将足以抵消人工智能带来的影响。
4、对于人工智能就业影响的政策探讨
“人工智能”在长期将会创造出足够多的新岗位以代替被其摧毁的岗位，因此问题的关键就是通过政策平滑好短期的冲击，让就业结构完成顺利转换。
应对短期就业冲击的最重要政策是加强教育。很多研究指出，“人工智能革命”对就业的最大影响并不是让就业岗位绝对减少了，而是从旧岗位被淘汰的那部分劳动者不适应新岗位。
（三）人工智能与收入分配
人工智能可能通过多个渠道对收入分配发生影响。首先，从理论上讲，人工智能是一种偏向性的技术（Directed Technical Change或Biased Technical Change），它的使用会对不同群体的边际产出产生不同作用，进而影响他们的收入状况。这中效应体现在两个层次上，第一个层次是在不同要素之间，这主要会影响不同要素回报的分配；第二个层次是在劳动者内部，这主要影响不同技能水平的劳动者的收入分配。
1、人工智能对于要素回报的影响
要素回报的差异是造成收入分配差别的最主要原因之一。
人工智能是一种“技术偏向性”的技术。一方面，它的普及将会减少市场上对劳动力的需求，进而降低劳动力的回报率；而与此同时，作为一种资本密集型技术，它可以让资本回报率大为提升。在这两方面因素的作用下，资本和劳动这两种要素的回报率差别会继续扩大，这会引发收入不平等的进一步攀升。
2、人工智能对不同劳动者的影响
技术的偏向性不仅体现在不同生产要素之间，还体现在劳动者群体内部，不同技能劳动者在面临技术进步后，其收入变化会有很大差异。从性质上看，人工智能是技术偏向性的，它对于不同就业岗位的冲击并不相同。人工智能的一个重要作用是自动化，而目前已有很多研究证明了自动化对不同技能劳动者带来的不同影响。
在现阶段，遭受自动化冲击较为严重主要是那些以程式化任务为主，对技能要求较低的职业。自动化的普及不仅压低了从事这些职业的劳动者的收入，还造成了相当数量的相关人员失业。而如此同时，自动化对那些非程式化、对技能要求较高的职业，则主要起到了强化和辅助作用，因此面对“人工智能革命”的冲击，从事这些职业的劳动者的收入不仅没有下降，反而出现了上升。尽管关于人工智能的技能偏向性的研究还较少，但从逻辑上讲，作为一种实现高级自动化的技术，它也将会产生类似的效应。
3、人工智能对利润分配的影响
除了改变要素的边际收益外，人工智能还会可能通过另一条间接渠道——改变市场力量来对收入分配产生影响。
4、政策对人工智能分配效应的影响
政策必须对技术进步带来的两种效应——剩余的集中和相对价格的变化做出回应，而为了达到目的，税收、知识产权政策、反垄断政策等政策都可以发挥一定作用。
（四）人工智能与产业组织
1、人工智能对市场结构的影响
人工智能对于市场结构的影响是通过两个渠道进行的。
第一个渠道是技术的直接影响。
第二个渠道是技术引发的企业形式变革。
随着人工智能技术的发展，大型平台企业对下游的并购趋势将会加强，而推动这种并购整合的动因将不再是争夺直接的利润或市场份额，而是争夺数据资源。
2、人工智能对企业行为的影响
人工智能技术的发展将会对企业的不少行为发生影响。很多以前难以采用的策略将会变成现实。
一个例子是算法歧视（Algorithmic Discrimination）。借用大数据和机器学习，企业将有可能对每个客户精确画像，并有针对性地进行索价，从而实现“一级价格歧视”，获得全部的消费者剩余。
另一个例子是算法合谋（Algorithmic Collusion）。但随着人工智能技术的发展，过去很难达成的合谋将会变成可能。与过去不同的是，企业之间的合谋不再需要相互猜测合谋伙伴的行动，也无需要通过某个信号来协调彼此的行为。只要通过某种定价算法，这些问题都可以得到解决。
（五）人工智能与贸易
人工智能对于贸易产生的影响将是多方面的：其一，作为一种重要的技术进步，人工智能将对要素回报率产生重大影响，并改变不同要素之间的相对回报状况，这会让各国的动态比较优势状况发生明显的变化。其二，作为一个新兴的产业，人工智能的相关技术和人才也成为了贸易的重要对象，而各国的战略性贸易政策将会对该产业的发展产生关键作用。其三，在微观上，人工智能的使用也将影响企业的生产率状况，根据“新新贸易理论”，这将会影响企业的出口决策。
人工智能产业的两个重要特点：规模经济以及知识密集。人工智能产业对于数据的依赖非常强，规模经济的属性决定了它们在人口基数更为庞大、各类交易数据更为丰富的国家（如中国）更容易得到发展。而知识密集的特征则决定了知识的扩散、传播方式将对各国人工智能的发展起到重要影响。
（六）人工智能与法律
1、人工智能带来的隐私权问题
现阶段人工智能的应用是和数据密不可分的。例如商家在利用人工智能挖掘消费者偏好时，就必须依赖从消费者处搜集的数据（包括身份信息、交易习惯数据等）。对于消费者来讲，让商家搜集这些数据将是有利有弊的——一方面，这些数据可以让商家更充分地了解他们的偏好，从而为他们更好地服务；另一方面，消费者的这些数据被搜集后也会带来很多问题，例如可能被商家进行价格歧视，受到商家的推销骚扰，在部分极端的情况下甚至可能因此而受到人身方面的威胁。
2、人工智能的产品责任问题
人工智能及使用人工智能技术的设备（如机器人）可以大幅度提高生产率，但同时也会更大的使用风险。在这种背景下，界定人工智能的产品责任，明确一旦发生了事故，究竟人工智能制造者需要为此承担多大责任，就成为了一个关键的问题。
初略来讲，人工智能的概念是最大的，机器学习是其的一个分支学科，而深度学习又是机器学习的一个分支。
机器学习（Machine Learning）是人工智能的一个分支学科，是实现人工智能的一种方法。它使用算法来解析数据，从中学习，然后对真实世界中的事件做出决策和预测。和传统的为解决特定任务而专门进行编程的思路不同，机器学习“让计算机拥有在没有明确编程的条件下拥有学习的能力”，并通过对大量数据的学习找出完成任务的方法。
根据学习的特征，机器学习可以分为三类：有监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning）。
有监督学习是通过对有标签的数据样本（a sample of labelled data）进行学习，从而找出对输入和输出之间的一般性法则。例如，对于房地产企业来说，他们拥有大量房屋属性，以及房价信息的数据，如果他们希望对这些数据进行学习，通过建模找出房价和各类房屋属性之间的关系，那么这个过程就是有监督学习。进行有监督学习的算法主要有两类，一类是回归（Regression）算法，另一类是分类（Classification）算法。
无监督学习所面对的数据样本则是没有标识的，其任务在于通过学习这些数据从而找出数据中隐藏的潜在规律。例如，艺术鉴赏家经常需要对名画的流派进行鉴定。显然，在任何一张画上都不会存在任何明确标识的特征信息，因此鉴赏家们只能通过大量欣赏画作去增加主观体验。久而久之，他们会发现某些画家会固定使用一些作画技巧，通过对这些技巧的识别，他们就能对画作的流派进行鉴定。在这个过程中，鉴赏家们的学习就是无监督学习。聚类（Clustering）算法进行无监督学习的主要算法。
强化学习是在动态环境中进行的学习，学习者通过不断试错，从而使得奖励信号最大化。例如，学生通过做习题来温习功课，每次做完习题后，老师都会批改习题，让他们知道哪些题做对了，哪些题做错了。学生根据老师的批改，找出错误、纠正错误，让正确率不断提高，这个过程就是强化学习。
近年来备受关注的深度学习（Deep Learning）是机器学习的一个研究分支。它利用多层神经网络进行学习，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。在传统的条件下，由于可供学习的数据过少，深度学习很容易产生“过度拟合”等问题，因而影响其效果。但随着大数据的兴起，深度学习的力量就开始体现出来。今年来人工技术的迅速发展，很大程度上是由深度学习的发展推动的。
二、作为研究工具的人工智能
（一）人工智能对计量经济学的影响
1、计量经济学与机器学习：从孤立到融合
统计学关注的问题有四个：（1）预测（Prediction），（2）总结（summarization），（3）估计（estimation），以及（4）假设检验。计量经济学是统计学的一个子学科，因此以上四个问题同样也是其关心的主题。
2、机器学习在因果推断中的应用
机器学习在因果推断中的第一个应用是将用来取代常规方法中一些不涉及因果关系的步骤。
机器学习在因果推断中的第二个应用是对异质性处理效应的估计。
（二）人工智能在行为经济学中的应用
人工智能可以为行为经济学的研究提供一种思路。
三、作为研究对象的人工智能
（一）人工智能与经济增长
1、关于人工智能与经济增长的理论探讨
技术进步就会产生两个效应：一是直接对生产效率的提升；二是通过自动化来实现生产方式的改变。一个经济中有很多产业，不同产业实现自动化的临界条件不同，因此生产率的增长和自动化的程度将呈现一种连续函数关系。当自动化程度较高时，经济中的资本回报份额也就越高，因此当经济处于最优增长路径时，增长率将主要取决于两个条件：生产率的增长速度，以及经济中的资本回报份额，更高的生产率，以及更高的资本回报份额都会让经济获得更高速的增长。
人工智能的应用会在导致生产率提升的同时促进自动化进程的加速。这将会导致生产过程中人力使用的减少，从会让经济中的资本回报份额增加。但另一方面，“人工智能革命”也会遭遇所谓的“鲍莫尔病”，即非自动化部门的成本的提升，这会导致经济中资本回报份额的降低。一般来说，随着经济的发展，经济中的落后部门对经济发展的影响将会变得更为重要。在这种条件下，“鲍莫尔病”的影响将会变得更加不可忽视。
2、关于人工智能与经济增长的争论
（1）人工智能是否能带来经济增长
人工智能的作用是不可忽视的，但现阶段滞后的配套工作限制了其作用的发挥。随着相关配套工作的完成，“人工智能革命”的力量将会逐步释放出来。
（2）人工智能是否会带来“经济奇点”
所谓“经济奇点”，指的则是一个关键的时间点，当越过这个时间点后经济将保持持续增长，并且增长速度会持续加快。
（二）人工智能与就业
技术的进步在推进生产率提升的同时，会带来“技术性失业”。作为一项革命性的技术，人工智能当然也不例外。与以往的历次技术革命相比，“人工智能革命”对就业的冲击范围将更广、力度将更大、持续也将更久。
1、关于人工智能和自动化就业影响的理论分析
在长期均衡的条件下，结果取决于资本和劳动的使用成本。如果资本的使用成本相对于工资足够地低，那么所有职业都将被自动化；反之，自动化就会有一定的界限。如果劳动本身是异质性的，那么自动化的进行还将导致劳动者内部收入差异的产生。
2、关于人工智能和自动化就业影响的实证分析
“计算化”（Computerization）导致了“极化效应”——对程式化工作的需求大幅下降，但同时导致了对非程式化工作需求的增加。
3、关于人工智能和自动化就业影响的预测和趋势分析
即使人工智能替代了其中的一部分岗位，但老龄化等问题会带来巨大的劳动力需求，由此提供的就业岗位将足以抵消人工智能带来的影响。
4、对于人工智能就业影响的政策探讨
“人工智能”在长期将会创造出足够多的新岗位以代替被其摧毁的岗位，因此问题的关键就是通过政策平滑好短期的冲击，让就业结构完成顺利转换。
应对短期就业冲击的最重要政策是加强教育。很多研究指出，“人工智能革命”对就业的最大影响并不是让就业岗位绝对减少了，而是从旧岗位被淘汰的那部分劳动者不适应新岗位。
（三）人工智能与收入分配
人工智能可能通过多个渠道对收入分配发生影响。首先，从理论上讲，人工智能是一种偏向性的技术（Directed Technical Change或Biased Technical Change），它的使用会对不同群体的边际产出产生不同作用，进而影响他们的收入状况。这中效应体现在两个层次上，第一个层次是在不同要素之间，这主要会影响不同要素回报的分配；第二个层次是在劳动者内部，这主要影响不同技能水平的劳动者的收入分配。
1、人工智能对于要素回报的影响
要素回报的差异是造成收入分配差别的最主要原因之一。
人工智能是一种“技术偏向性”的技术。一方面，它的普及将会减少市场上对劳动力的需求，进而降低劳动力的回报率；而与此同时，作为一种资本密集型技术，它可以让资本回报率大为提升。在这两方面因素的作用下，资本和劳动这两种要素的回报率差别会继续扩大，这会引发收入不平等的进一步攀升。
2、人工智能对不同劳动者的影响
技术的偏向性不仅体现在不同生产要素之间，还体现在劳动者群体内部，不同技能劳动者在面临技术进步后，其收入变化会有很大差异。从性质上看，人工智能是技术偏向性的，它对于不同就业岗位的冲击并不相同。人工智能的一个重要作用是自动化，而目前已有很多研究证明了自动化对不同技能劳动者带来的不同影响。
在现阶段，遭受自动化冲击较为严重主要是那些以程式化任务为主，对技能要求较低的职业。自动化的普及不仅压低了从事这些职业的劳动者的收入，还造成了相当数量的相关人员失业。而如此同时，自动化对那些非程式化、对技能要求较高的职业，则主要起到了强化和辅助作用，因此面对“人工智能革命”的冲击，从事这些职业的劳动者的收入不仅没有下降，反而出现了上升。尽管关于人工智能的技能偏向性的研究还较少，但从逻辑上讲，作为一种实现高级自动化的技术，它也将会产生类似的效应。
3、人工智能对利润分配的影响
除了改变要素的边际收益外，人工智能还会可能通过另一条间接渠道——改变市场力量来对收入分配产生影响。
4、政策对人工智能分配效应的影响
政策必须对技术进步带来的两种效应——剩余的集中和相对价格的变化做出回应，而为了达到目的，税收、知识产权政策、反垄断政策等政策都可以发挥一定作用。
（四）人工智能与产业组织
1、人工智能对市场结构的影响
人工智能对于市场结构的影响是通过两个渠道进行的。
第一个渠道是技术的直接影响。
第二个渠道是技术引发的企业形式变革。
随着人工智能技术的发展，大型平台企业对下游的并购趋势将会加强，而推动这种并购整合的动因将不再是争夺直接的利润或市场份额，而是争夺数据资源。
2、人工智能对企业行为的影响
人工智能技术的发展将会对企业的不少行为发生影响。很多以前难以采用的策略将会变成现实。
一个例子是算法歧视（Algorithmic Discrimination）。借用大数据和机器学习，企业将有可能对每个客户精确画像，并有针对性地进行索价，从而实现“一级价格歧视”，获得全部的消费者剩余。
另一个例子是算法合谋（Algorithmic Collusion）。但随着人工智能技术的发展，过去很难达成的合谋将会变成可能。与过去不同的是，企业之间的合谋不再需要相互猜测合谋伙伴的行动，也无需要通过某个信号来协调彼此的行为。只要通过某种定价算法，这些问题都可以得到解决。
（五）人工智能与贸易
人工智能对于贸易产生的影响将是多方面的：其一，作为一种重要的技术进步，人工智能将对要素回报率产生重大影响，并改变不同要素之间的相对回报状况，这会让各国的动态比较优势状况发生明显的变化。其二，作为一个新兴的产业，人工智能的相关技术和人才也成为了贸易的重要对象，而各国的战略性贸易政策将会对该产业的发展产生关键作用。其三，在微观上，人工智能的使用也将影响企业的生产率状况，根据“新新贸易理论”，这将会影响企业的出口决策。
人工智能产业的两个重要特点：规模经济以及知识密集。人工智能产业对于数据的依赖非常强，规模经济的属性决定了它们在人口基数更为庞大、各类交易数据更为丰富的国家（如中国）更容易得到发展。而知识密集的特征则决定了知识的扩散、传播方式将对各国人工智能的发展起到重要影响。
（六）人工智能与法律
1、人工智能带来的隐私权问题
现阶段人工智能的应用是和数据密不可分的。例如商家在利用人工智能挖掘消费者偏好时，就必须依赖从消费者处搜集的数据（包括身份信息、交易习惯数据等）。对于消费者来讲，让商家搜集这些数据将是有利有弊的——一方面，这些数据可以让商家更充分地了解他们的偏好，从而为他们更好地服务；另一方面，消费者的这些数据被搜集后也会带来很多问题，例如可能被商家进行价格歧视，受到商家的推销骚扰，在部分极端的情况下甚至可能因此而受到人身方面的威胁。
2、人工智能的产品责任问题
人工智能及使用人工智能技术的设备（如机器人）可以大幅度提高生产率，但同时也会更大的使用风险。在这种背景下，界定人工智能的产品责任，明确一旦发生了事故，究竟人工智能制造者需要为此承担多大责任，就成为了一个关键的问题。