【數位關鍵字】EP230.當 AI 遇上經濟學！哈佛博士候選人揭秘深度學習如何重寫歷史 скачать в хорошем качестве

【數位關鍵字】EP230.當 AI 遇上經濟學！哈佛博士候選人揭秘深度學習如何重寫歷史

2025 年諾貝爾經濟學獎頒給了研究「創新驅動經濟成長」的三位學者，提醒我們創新不只發生在產業界，學術研究本身也正經歷方法論的革命。數位時代創新長黃亮崢 James 邀請哈佛大學經濟學博士候選人鄭紹鈺，分享 AI 與深度學習如何改變經濟學研究的遊戲規則，以及這場變革對臺灣企業和個人的啟示。 聽完這集你可以學到： 1. AI 正從三大方向改變經濟學研究：在實證研究方面，AI 大幅加速歷史資料的數位化，過去需要到非洲請幾百人手動輸入的資料，現在兩個研究生配幾個助理就能完成同等規模的工作。在計量經濟學領域，研究者開始結合機器學習處理高維度資料。在總體經濟學方面，學者正嘗試用類神經網路直接計算過去電腦算幾十天都算不出來的經濟均衡模型。 2. 蒸汽機的歷史教訓與 AI 的自我增強迴圈：蒸汽機的「殺手級應用」其實是加速蒸汽機自身的開發——用蒸汽機抽水挖更深的煤礦，讓煤礦更便宜，蒸汽機也更便宜，形成自我增強的迴圈。AI 在 2025 年也已進入類似階段：寫程式用 AI、開發演算法用 AI、連核融合材料研發都可能靠 AI 加速，整個技術正在自我加速進化。 3. AI 如何解決歷史資料處理的百年痛點：過去史學家拿到手寫檔案，得一頁一頁人工辨識再手動輸入。現在可以直接透過 Gemini API 讓 AI 猜測手寫字，每個字給出五種可能拼法，研究助理只需確認哪個最合理。以前兩三年只能研究一個人的足跡，現在同樣時間可以處理七萬人的資料，速度提升不只十倍。 4. Verification 是 AI 時代最重要的能力：紹鈺反覆強調，難的不是讓 AI 預測，而是驗證 AI 預測得好不好。特別是使用外部大語言模型 API 時，模型每天都在更新，同樣的資料在不同時間可能跑出不同結果。他用了一個生動的比喻：過去我們像員工，別人幫我們打分數；現在角色反過來了，我們是老闆、AI 是員工，你必須學會聰明地幫 AI 的產出打分數。 5. AI 揭開日本財閥重組的隱藏模式：日本二戰後，麥帥下令拆解三井、三菱、住友等財閥。過去學界猜測這些子公司被打碎後仍默默重組，但缺乏大規模證據。透過 AI 分析大量歷史資料，研究團隊清楚看到：住友集團先從邊緣小公司低調合併，等到 1970、80 年代才敢公開與母公司重新整合。這種複雜的網絡趨勢，正是 AI 處理大規模資料的獨特價值。 6. 企業面對 AI 的「紅皇后效應」：從火車普及的歷史經驗來看，人人都能用火車，但不代表所有小商店都能變成大富翁——很多反而消失了。AI 時代也類似，積極投入 AI 可能只是讓你「剛好留在原地不動」，不投入就會被淘汰。這是一種紅皇后效應：你必須用力奔跑，才能停在原地。 紹鈺從個人、企業到社會三個層面分享了他從經濟史研究中獲得的啟示。在個人層面，他以腳踏車和戰鬥機飛行員做比喻：汽車發明後人類沒有停止騎腳踏車，但目的變成了健身訓練。同樣地，數學和語言在 AI 時代不會失去價值，它們是訓練心智肌肉的重要工具。就像開戰鬥機的飛行員平常還是要健身，因為體能素質不夠就承受不住高速飛行——AI 給你的工作提速非常快，但如果自身智慧沒有跟上，也無法充分發揮 AI 的潛力。 在企業層面，火車讓美國公司可以跨州拓展市場，但固守馬車的商家就只能服務地方小市場。然而，使用火車的公司也未必都能獲得超額利潤——當所有人都用上新技術，優勢就被抵銷了。紹鈺認為，對多數企業而言，導入 AI 可能是一種「防禦性投入」，不做就會流失客源，但做了也只是維持競爭力。真正能脫穎而出的，是少數具備商業洞見、能用新技術想出全新模式的企業。 在社會層面，紹鈺提出了一個深刻的警示：從農業時代的村莊互助，到工業時代的勞動保險，人類社會一直在發展分擔風險的機制。但全球化已經讓這套機制開始瓦解——工廠外移、社區最大雇主消失，當地居民失去了風險分擔的依靠。AI 可能進一步加劇這個問題：當企業不再需要僱用那麼多人，甚至一個人用 AI 就能開公司，誰來承擔這些人生老病死的風險？這是目前沒有答案、但值得所有政策制定者深思的大哉問。 更多深度學習與經濟學的學習資源，可參考 Melissa Dell 教授的 EconDL 教學網站：https://econdl.github.io/