随着人工智能的蓬勃发展，计算机科学和经济学在多方面相互渗透，当这两者相遇，究竟会产生出什么样的火花，经济学和计算机科学是否相互需要？它们在哪些方面可以交叉融合？目前工业界对于经济学家的需求有哪些？
6月10日下午，AI TIME邀请了北京大学前沿计算研究中心讲席教授邓小铁、中国科学院数学与系统科学研究院研究员杨晓光、清华大学计算机系长聘副教授崔鹏、滴滴出行首席算法工程师徐哲、清华大学经济管理学院管理科学与工程系长聘副教授黎波、北京师范大学数学科学学院教授张博宇、北京师范大学系统科学学院讲师董雅丽，共话人工智能和经济的相辅相成。
会话由清华大学经管学院经济系副教授刘潇和AI TIME负责人何芸主持。
从亚当·斯密的“看不见的手”开始，经济学在过去两百多年中经历了不同的发展阶段。邓小铁指出，回顾这一历史，我们可以发现其实计算机科学的身影一直存在。兰格的市场学说提出用中央定价、计划经济的方式，模拟自由市场中“看不见的手”带来的自动调节，以到达瓦尔拉斯的市场均衡价格：一定意义上，计算和经济的联系从这个时候就开始了。
1951年纳什证明了正则形式博弈的均衡存在性定理，虚拟博弈（Fictitious Play）采用学习（learning）的思想在非完全信息场景下求解纳什均衡，人工智能也开始加入到经济学的发展中，尤其到了80年代后期，计算经济学产生，受人工智能的推动，均衡计算理论有了重大突破。
时至今日，我们却发现在计算机科学和经济学中间出现了一个空白，加州大学伯克利分校迈克尔·欧文·乔丹（Michael I. Jordan）教授在2018世界人工智能大会上号召应该将二者联系起来，“这实际上是非常重要的”。计算机科学与经济学的结合，事实上具有一定的必然性。这两者有一个共同点，那就是不同于物理学、化学、地球科学等学科，计算机科学和经济学在某种意义上并非自然产生，而是人类设计的产物。
杨晓光认为，从学科谱系来看，经济学是社会科学中的一个端点，信息科学是自然科学领域里的一大“帝国”，在学科的自然发展过程中，两大板块相互碰撞，一定会带来二者的交叉和融合。
计算机的诞生，是经济学的福音。如同社会有所分工，经济学和计算机科学也是各有专长。经济学研究中需要两大支撑，一个是用于判断的信息，另一个是进行决策的计算能力，而这两样刚好是计算机科学的专长。
对于经济学来说，一方面，计算机科学可以提供经济学研究需要的工具；而另一方面，计算机科学的发展，尤其是在计算理论、信息理论的思想对经济学的研究也产生了一定的影响，促使经济学家不仅要考虑存在性、可能性，还要兼顾实现效率的问题。
经济学为计算机科学提供全新方法论。谷歌作为互联网经济学的产物，它的成功很大程度上得益于广告拍卖。
当年谷歌创造性地提出了广义二价拍卖的概念，其核心想法依赖于曾获得诺贝尔经济学奖的二价拍卖，可以说，经济学的引入给这一互联网巨头带来了极为可观的收益。聚焦于人工智能，现在绝大部分的机器学习其实是在解决预测任务，预测的基础在于认为这其中存在一定的不变性。对此，统计学习的一个基本假设是数据独立同分布，即认为训练数据和测试数据是从同一个分布里独立采样出来的。然而在真实世界中，这一假设并不成立。
为了支撑不变性，因果统计需要被引入到今天的机器学习框架里来。
业界呼声。直观来看，从效益提升的角度出发，业界对机器学习或者说计算机科学的需求会更多一点。但事实上，经济学在很多问题中都发挥着举足轻重的作用。在业界计算机和经济学结合的一个典型例子是决策，决策本身就是跟因果推断相关的，企业除了关注决策带来的结果是不是正向之外，还需要去关注内在的机制。
现场互动环节中，大家还讨论到个性化推荐系统中备受关注的信息茧房问题，借助于大数据和人工智能技术，现在很多app会不断推荐用户感兴趣的、舒适圈内的信息，长此以往则会导致用户的信息获取单一，在算法设计中平衡效率和公平来突破信息茧房的狭隘性，可以说是社会对于计算机科学与经济学相结合的迫切呼声。
AI时代经济决策的机遇与挑战。
人工智能的长处，一是计算能力，二是信息处理能力，从这个角度来说，AI对信息决策来说可谓是一大利器。更重要的是，AI的核心能力是预测，预测意味着可以一定程度上降低不确定性。当把这种预测能力应用于经济决策时，将会大大降低不确定性带来的风险，从这个意义上来讲，AI一定会给经济学带来比较大的机遇。与此同时，我们也注意到这其中存在众多挑战。
一方面，受限于很多原始性假设，目前的AI技术手段并不一定适应经济学里的预测性场景；另一方面，当我们可以做很细的经济决策优化的时候，如何看得更远一些，如何在AI设计中考虑到人的发展、社会的发展甚至世界的发展，怎样保证达到更好的平衡点，其实是一个更为深刻的科学挑战。