今天經(jīng)濟(jì)學(xué)已經(jīng)變成了一個(gè)可以被感知的“有生命的活體”，我們稱之為可感知經(jīng)濟(jì)學(xué)(Senseable Economics)。

可感知經(jīng)濟(jì)學(xué)是說，我們?nèi)绾螌@得的傳感器數(shù)據(jù)，結(jié)合人工智能技術(shù)，去分析一些重大社會學(xué)和經(jīng)濟(jì)學(xué)的問題。

我最近看了一個(gè)BBC新拍的紀(jì)錄片，叫《從太空看地球》，這張圖片是衛(wèi)星拍攝的地球某一個(gè)角落的圖像，大家可以猜一下金黃色的部分是什么東西?

第一眼看到這個(gè)圖片的時(shí)候，我以為這是某個(gè)區(qū)域發(fā)現(xiàn)了一個(gè)重大的金礦，這里閃爍著金子的光芒。

但其實(shí)鏡頭再繼續(xù)放大，我發(fā)現(xiàn)它又像油漆，是不是某一個(gè)行為藝術(shù)學(xué)家做了一幅藝術(shù)作品呢?

然后鏡頭又繼續(xù)拉近，我發(fā)現(xiàn)它既不是油畫，它也不是金礦，其實(shí)是云南羅平的油菜花。

通過衛(wèi)星從不同的尺度去觀看地球的壯觀景象讓人非常感慨，我想起了英國著名天文學(xué)家弗雷德·霍伊爾(Fred Hoyle)爵士說過這么一句話：

“一旦我們有辦法，可以從地球之外的角度去拍攝我們的地球，那么我們將可以釋放一個(gè)有史以來最為偉大的思想?！?/p>

今天，隨著太空技術(shù)的發(fā)展，弗雷德爵士的這句話已經(jīng)變成現(xiàn)實(shí)：

第一，衛(wèi)星已經(jīng)變得越來越小。

以前大家想到衛(wèi)星的時(shí)候，可能是一個(gè)長達(dá)幾百米，重達(dá)幾噸，造價(jià)幾億的龐然大物，但現(xiàn)在，衛(wèi)星已經(jīng)變得非常小，有的只有幾十厘米長，重約幾公斤，造價(jià)也從幾億美元降低到了大概幾萬美元。

圖上最小的那顆衛(wèi)星，它是美國Planet Labs公司發(fā)射的鴿子衛(wèi)星，這個(gè)公司已經(jīng)成功向太空發(fā)射了300顆這樣的衛(wèi)星，它們每天對地球進(jìn)行實(shí)時(shí)的分析和監(jiān)測。

此外，我們向太空發(fā)射的衛(wèi)星的數(shù)量也越來越多。

這張圖來自《經(jīng)濟(jì)學(xué)人》，顯示的是從上個(gè)世紀(jì)60年代一直到今天，不同國家向太空成功發(fā)射衛(wèi)星的數(shù)量變化。綠色代表的是中國，數(shù)量已經(jīng)開始領(lǐng)先其他國家。

這些衛(wèi)星可以用來干什么呢?

可以監(jiān)測經(jīng)濟(jì)數(shù)據(jù)。非洲的一些國家，極端貧困，晚上沒有任何燈光亮度。世界銀行如果想去幫助這些非洲國家，首先就得想盡辦法去分析、了解這個(gè)區(qū)域的經(jīng)濟(jì)發(fā)展?fàn)顩r。

那怎么操作呢?

首先是使用衛(wèi)星拍攝的彩色的遙感圖片，斯坦?？茖W(xué)家通過人工智能技術(shù)和CN算法(Color Names，目標(biāo)跟蹤算法的一種)去分析這些圖像，結(jié)合遷移學(xué)習(xí)和衛(wèi)星燈光亮度圖，進(jìn)而預(yù)測非洲貧困國家的經(jīng)濟(jì)收入水平和貧困狀況。

結(jié)果到底準(zhǔn)不準(zhǔn)?

左邊這張圖是2017年非洲某個(gè)國家官方統(tǒng)計(jì)的經(jīng)濟(jì)收入數(shù)字，右邊這張圖就是用人工智能技術(shù)分析遙感圖像，經(jīng)過深度學(xué)習(xí)、遷移學(xué)習(xí)的結(jié)果，大家可以看出兩者之間是非常相關(guān)的。

我們能不能用衛(wèi)星拍攝的遙感圖片去監(jiān)測不同尺度的經(jīng)濟(jì)活動?

這張圖上中國區(qū)域里的每一個(gè)小點(diǎn)就是一個(gè)工業(yè)園區(qū)，一共有4000多個(gè)，基本覆蓋了大概50萬平方公里。

我們針對這4000個(gè)工業(yè)園區(qū)的衛(wèi)星圖像，通過人工智能技術(shù)去分析它的變化，提取特征，然后監(jiān)測它的經(jīng)濟(jì)和制造活動，紅色代表這塊的區(qū)域經(jīng)濟(jì)活動比較強(qiáng)。

這是怎么做到的?

首先針對一塊區(qū)域，通過深度學(xué)習(xí)去學(xué)習(xí)它的特征，大家可以想一下，如果有一片區(qū)域原來一開始是一個(gè)草坪，后來它變成了一塊水泥地，那就說明這一塊區(qū)域產(chǎn)生了經(jīng)濟(jì)活動。

那么，透過這4000多個(gè)工業(yè)園區(qū)的衛(wèi)星圖像數(shù)據(jù)，我們就可以實(shí)時(shí)感知中國生產(chǎn)制造業(yè)的發(fā)展，也就意味著我們可以通過衛(wèi)星去管制一個(gè)區(qū)域的PMI指數(shù)(采購經(jīng)理指數(shù))，我們稱之為SMI指數(shù)(衛(wèi)星制造業(yè)指數(shù))。

衡量宏觀經(jīng)濟(jì)走勢的時(shí)候，最常見的一個(gè)值叫PMI指數(shù)，這個(gè)指數(shù)一般是通過訪談或者電話采購經(jīng)理獲取，更新頻率大概是一個(gè)月一次。

而通過衛(wèi)星感知PMI指數(shù)，基本上可以實(shí)現(xiàn)一個(gè)星期更新一次，頻率大大地提高，而且大家可以看到，SMI指數(shù)和官方給出的PMI指數(shù)整體還是非常接近的。

除了能夠分析不同區(qū)域的經(jīng)濟(jì)發(fā)展，我們還想通過衛(wèi)星遙感數(shù)據(jù)，去幫助我們分析一個(gè)城市不同區(qū)域的經(jīng)濟(jì)狀況。

一個(gè)城市的發(fā)展和城市的交通物流是息息相關(guān)的。

我們提出了一個(gè)車輛指數(shù)的算法，比如這張圖給出了一個(gè)城市某一塊區(qū)域的衛(wèi)星圖片，大家可以看到停車場，或者高速公路上有很多車輛行駛，我們通過AI的算法可以準(zhǔn)確檢測出地面上車輛的數(shù)量。

綠色的小塊就是我們通過衛(wèi)星圖像檢測的車的位置，我們通過檢測車輛，然后再評估車輛的數(shù)量，就可以評估一個(gè)區(qū)域的經(jīng)濟(jì)發(fā)展程度。

大家知道現(xiàn)在中國每年我們政府有將近1000億的扶貧基金去幫助農(nóng)村進(jìn)行發(fā)展，農(nóng)村的經(jīng)濟(jì)也發(fā)生了翻天覆地的變化，但是這些變化到底怎么去量化，怎么去評估?

大家知道中國有句老話叫“想致富，先修路”，所以如果我們能夠通過衛(wèi)星圖像去識別農(nóng)村路網(wǎng)的變化，我們就可以去評估一個(gè)農(nóng)村經(jīng)濟(jì)的變化。

因?yàn)橹袊霓r(nóng)村分布比較分散，你很難用衛(wèi)星的夜光數(shù)量和亮度去評估，所以左邊和右邊兩張圖白色的區(qū)域，就是我們通過深度學(xué)習(xí)算法，識別出兩個(gè)不同的農(nóng)村區(qū)域的路網(wǎng)的結(jié)果，據(jù)此我們就可以去評估不同農(nóng)村區(qū)域的發(fā)展，評估扶貧的進(jìn)度等等。

講完通過衛(wèi)星觀看地球，接下來我再介紹另外一種數(shù)據(jù)。

大家看，這是一張什么圖?

大家可以看到這樣一個(gè)關(guān)于中國的亮度圖，相對比衛(wèi)星拍攝的夜光亮度，這個(gè)數(shù)據(jù)我覺得更加壯觀，也更加細(xì)膩。

我們除了能夠看到整個(gè)中國人口的黑河——騰沖的分布線，我們還可以清晰地看到北京、上海、廣州三個(gè)非常亮的區(qū)域，以及整個(gè)我們祖國的山川河流輪廓，都可以從里面看到。

它不是衛(wèi)星拍攝的夜光數(shù)據(jù)，而是2015年除夕一天手機(jī)位置數(shù)據(jù)經(jīng)過脫敏聚合后的可視化結(jié)果。

這是中國的華北平原區(qū)，我們甚至可以看到黃河的形狀，右下角是太湖，崇明島，在整個(gè)華北平原上像星星一樣的這些小點(diǎn)可能是某個(gè)四五線城市，或者是某個(gè)縣城，我們對比除夕這一天的數(shù)據(jù)和平時(shí)數(shù)據(jù)，發(fā)現(xiàn)這些點(diǎn)的燈光明顯比平時(shí)亮了很多。

因?yàn)檫@幾個(gè)省，山東、河南、河北是外出務(wù)工大省，在除夕這天，很多人返回家里與家人團(tuán)聚，所以使得這塊區(qū)域的亮度比平時(shí)亮了非常多。

手機(jī)位置數(shù)據(jù)如何去評估一個(gè)區(qū)域的經(jīng)濟(jì)發(fā)展，感知一個(gè)區(qū)域經(jīng)濟(jì)的變化呢?

這里是一個(gè)MIT的研究人員在英國做的一個(gè)項(xiàng)目，他們拿出了三萬個(gè)小區(qū)的電話通訊數(shù)據(jù)，認(rèn)為任何兩個(gè)小區(qū)之間的通話意味著它們之間存在社會關(guān)聯(lián)，據(jù)此搭建起了人脈網(wǎng)絡(luò)，統(tǒng)計(jì)出通話網(wǎng)絡(luò)多樣性指數(shù)。

舉個(gè)簡單的例子，比如說我們打開自己的微信朋友圈，我們可以通過幾個(gè)維度來定義我們的人際網(wǎng)絡(luò)多樣性指數(shù)。

比如說我們有多少個(gè)好友;我們的好友都分布在中國的哪些省份;我們這些好友的職業(yè)是不是分散得很廣，如果說你的好友又多，分布區(qū)域又廣，他的職業(yè)分布又廣，恭喜你，其實(shí)你的好友多樣性指數(shù)非常高。

而且他們研究發(fā)現(xiàn)，把右邊這張圖X軸的多樣性指數(shù)，和不同小區(qū)的收入水平做關(guān)聯(lián)，他們發(fā)現(xiàn)這兩者之間呈現(xiàn)73%的關(guān)聯(lián)性，也就是說，如果你的好友很多的話，分布區(qū)域越廣，分布越散的話，你就是傳說中的土豪。

同樣，我們還可以通過移動的數(shù)據(jù)來做人口普查的分析，大家知道中國每10年做一次人口普查，費(fèi)時(shí)費(fèi)力，而且可能等我們做完人口普查，人口結(jié)構(gòu)又發(fā)生了變化。

這個(gè)是歐洲的研究人員通過分析葡萄牙手機(jī)基站數(shù)據(jù)，做的人口密度動態(tài)評估。A是官方統(tǒng)計(jì)的人口動態(tài)密度，B是用手機(jī)位置數(shù)據(jù)來估算的人口動態(tài)密度，C是用衛(wèi)星遙感圖像來分析出來的人口密度分布。

大家可以看到，B和C和A的結(jié)果都非常接近，數(shù)據(jù)分析這兩者之間的關(guān)聯(lián)性將近90%。

此外，我們還可以通過手機(jī)的數(shù)據(jù)去預(yù)測不同國家區(qū)域的貧困程度，這是伯克利大學(xué)的科學(xué)家分析非洲盧旺達(dá)這些國家的貧困收入。

他們通過分析用戶的手機(jī)數(shù)據(jù)，比如打電話的時(shí)長，各種社交網(wǎng)絡(luò)關(guān)系和出行信息來作為特征，通過機(jī)器學(xué)習(xí)算法去預(yù)測一個(gè)人的收入水平，然后他們把不同區(qū)域的數(shù)據(jù)再聚合起來，就能得出聚合后不同區(qū)域的收入水平和貧困狀況。

通過這種方法，他們得出了整個(gè)盧旺達(dá)國家的人均收入和財(cái)富分布的變化，這個(gè)數(shù)據(jù)其實(shí)和官方公布的結(jié)果非常接近，但是它可以幾乎是實(shí)時(shí)地更新，可以動態(tài)地更新，可以為世界銀行這種機(jī)構(gòu)提供非常有價(jià)值的參考。

最后，我想分享一個(gè)用手機(jī)數(shù)據(jù)回答的一個(gè)長期以來困擾很多中國人的經(jīng)濟(jì)謎團(tuán)，那就是中國的房地產(chǎn)空置率到底是多少?中國傳說中的空城或者叫鬼城到底在哪里?

傳統(tǒng)的手段，可以入戶調(diào)查，或者看晚上有多少個(gè)空調(diào)，亮了多少盞燈來分析一個(gè)區(qū)域的空置率的變化，我們是通過用機(jī)器學(xué)習(xí)的算法，去分析預(yù)測用戶的居住地和工作地的分布。

這張圖是上海某區(qū)域的工業(yè)園區(qū)和居民區(qū)的分布密度圖，結(jié)合用戶的手機(jī)數(shù)據(jù)和衛(wèi)星圖像深度學(xué)習(xí)檢測不同的住宅區(qū)，不同的工業(yè)園區(qū)，我們就可以評估一個(gè)住宅區(qū)的空置程度。

通過這種方法，我們是第一次通過數(shù)據(jù)的手段去感知到了中國空置率比較高的一些樓盤，這個(gè)項(xiàng)目叫做“空城計(jì)”，計(jì)算的計(jì)。

這張圖給出了監(jiān)測到空置區(qū)樓盤比較多的九個(gè)中國城市，在這里就不點(diǎn)名了，大家可以根據(jù)自己地理學(xué)知識，結(jié)合衛(wèi)星圖像去感知這是哪個(gè)城市的哪個(gè)區(qū)域。

我們在做這個(gè)項(xiàng)目的同時(shí)，也發(fā)現(xiàn)了一個(gè)非常有趣的現(xiàn)象。大家知道國外的媒體經(jīng)常拿鄭州的鄭東新區(qū)作為鬼城的典型例子，但其實(shí)我們在兩三年前的研究中就發(fā)現(xiàn)，其實(shí)鄭東新區(qū)的勞動力活躍指數(shù)已經(jīng)非常高，我們很難再把它當(dāng)成一個(gè)鬼城。

大家知道，比如在上海，我們可能有2000萬人，如果這個(gè)城市多了十萬人，或者少了十萬人，我們是很難感受到的，但是數(shù)據(jù)就可以看出來，一個(gè)城市的勞動力趨勢的變化，它就像一個(gè)城市的心電圖一樣。

這是通過數(shù)據(jù)分析得出的東莞和南寧的月度勞動力趨勢圖。

由于中國有兩個(gè)法定長假，春節(jié)和國慶，因此對月度的勞動力趨勢帶來了季節(jié)性波動，但是我們依然可以通過長期的數(shù)據(jù)，看到不同城市整體的勞動力的趨勢是上升還是下降。

因?yàn)橐粋€(gè)城市的發(fā)展，無論如何都離不開勞動力，它包括了像你我這樣可能需要996的工作者，也包括那些可能一年只能回家一次的農(nóng)民工，所以如果我們能夠通過數(shù)據(jù)去感知一個(gè)城市勞動力的變化，我們就可以去預(yù)測這個(gè)城市將來的走勢。

我們這個(gè)研究當(dāng)時(shí)得到了美國彭博新聞社的報(bào)道，彭博當(dāng)時(shí)采訪了北大光華管理學(xué)院的Jeffery Towson教授，他這樣評價(jià)我們這個(gè)研究，我覺得非常形象，他說：

“之前我們分析一個(gè)區(qū)域的經(jīng)濟(jì)就好像是拿著一個(gè)手電筒去看，現(xiàn)在我們幾乎是點(diǎn)了一盞燈，一下子我們所有東西都可以看得非常清楚?！?/p>

這都?xì)w功于我們今天傳感器和物聯(lián)網(wǎng)的發(fā)展。

我們今天主要講了兩個(gè)案例，一個(gè)是天上的衛(wèi)星，一個(gè)是地下的手機(jī)的數(shù)據(jù)，

未來，隨著5G的到來，傳感器可能會遍布在我們身邊每個(gè)地方。

可能我們今天看到這個(gè)燈，它上面就是有一個(gè)傳感器，能夠幫助我們感受到區(qū)域的燈光的亮度，和這塊區(qū)域用電的亮度，那么通過這些數(shù)據(jù)就可以更加準(zhǔn)確地，去實(shí)時(shí)地感知我們整個(gè)經(jīng)濟(jì)的發(fā)展。

我們放遠(yuǎn)了往前看五年或者十年，可能上海的大街上跑的是幾十萬輛無人車，它們就好比幾十萬雙眼睛，幫助我們?nèi)ビ^察著這個(gè)城市的一點(diǎn)一滴的變化。

它能夠幫我們感知到海底撈，麥當(dāng)勞前面有多少個(gè)用戶，也能幫助我們觀察到張江高科技園區(qū)，不同的公司面前有多少員工出現(xiàn)。

所有的這些數(shù)據(jù)都可以幫助我們?nèi)シ治鑫覀兘?jīng)濟(jì)的發(fā)展，感知我們經(jīng)濟(jì)的動態(tài)。

更能讓我們感知到經(jīng)濟(jì)背后的溫度和故事。