今天經濟學已經變成了一個可以被感知的“有生命的活體”，我們稱之為可感知經濟學(Senseable Economics)。

可感知經濟學是說，我們如何將獲得的傳感器數據，結合人工智能技術，去分析一些重大社會學和經濟學的問題。

我最近看了一個BBC新拍的紀錄片，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?

第一眼看到這個圖片的時候，我以為這是某個區(qū)域發(fā)現了一個重大的金礦，這里閃爍著金子的光芒。

但其實鏡頭再繼續(xù)放大，我發(fā)現它又像油漆，是不是某一個行為藝術學家做了一幅藝術作品呢?

然后鏡頭又繼續(xù)拉近，我發(fā)現它既不是油畫，它也不是金礦，其實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有史以來最為偉大的思想?！?/p>

今天，隨著太空技術的發(fā)展，弗雷德爵士的這句話已經變成現實：

第一，衛(wèi)星已經變得越來越小。

以前大家想到衛(wèi)星的時候，可能是一個長達幾百米，重達幾噸，造價幾億的龐然大物，但現在，衛(wèi)星已經變得非常小，有的只有幾十厘米長，重約幾公斤，造價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，這個公司已經成功向太空發(fā)射了300顆這樣的衛(wèi)星，它們每天對地球進行實時的分析和監(jiān)測。

此外，我們向太空發(fā)射的衛(wèi)星的數量也越來越多。

這張圖來自《經濟學人》，顯示的是從上個世紀60年代一直到今天，不同國家向太空成功發(fā)射衛(wèi)星的數量變化。綠色代表的是中國，數量已經開始領先其他國家。

這些衛(wèi)星可以用來干什么呢?

可以監(jiān)測經濟數據。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、了解這個區(qū)域的經濟發(fā)展狀況。

那怎么操作呢?

首先是使用衛(wèi)星拍攝的彩色的遙感圖片，斯坦福科學家通過人工智能技術和CN算法(Color Names，目標跟蹤算法的一種)去分析這些圖像，結合遷移學習和衛(wèi)星燈光亮度圖，進而預測非洲貧困國家的經濟收入水平和貧困狀況。

結果到底準不準?

左邊這張圖是2017年非洲某個國家官方統(tǒng)計的經濟收入數字，右邊這張圖就是用人工智能技術分析遙感圖像，經過深度學習、遷移學習的結果，大家可以看出兩者之間是非常相關的。

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

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

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

這是怎么做到的?

首先針對一塊區(qū)域，通過深度學習去學習它的特征，大家可以想一下，如果有一片區(qū)域原來一開始是一個草坪，后來它變成了一塊水泥地，那就說明這一塊區(qū)域產生了經濟活動。

那么，透過這4000多個工業(yè)園區(qū)的衛(wèi)星圖像數據，我們就可以實時感知中國生產制造業(yè)的發(fā)展，也就意味著我們可以通過衛(wèi)星去管制一個區(qū)域的PMI指數(采購經理指數)，我們稱之為SMI指數(衛(wèi)星制造業(yè)指數)。

衡量宏觀經濟走勢的時候，最常見的一個值叫PMI指數，這個指數一般是通過訪談或者電話采購經理獲取，更新頻率大概是一個月一次。

而通過衛(wèi)星感知PMI指數，基本上可以實現一個星期更新一次，頻率大大地提高，而且大家可以看到，SMI指數和官方給出的PMI指數整體還是非常接近的。

除了能夠分析不同區(qū)域的經濟發(fā)展，我們還想通過衛(wèi)星遙感數據，去幫助我們分析一個城市不同區(qū)域的經濟狀況。

一個城市的發(fā)展和城市的交通物流是息息相關的。

我們提出了一個車輛指數的算法，比如這張圖給出了一個城市某一塊區(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的算法可以準確檢測出地面上車輛的數量。

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量，就可以評估一個區(qū)域的經濟發(fā)展程度。

大家知道現在中國每年我們政府有將近1000億的扶貧基金去幫助農村進行發(fā)展，農村的經濟也發(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)星圖像去識別農村路網的變化，我們就可以去評估一個農村經濟的變化。

因為中國的農村分布比較分散，你很難用衛(wèi)星的夜光數量和亮度去評估，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習算法，識別出兩個不同的農村區(qū)域的路網的結果，據此我們就可以去評估不同農村區(qū)域的發(fā)展，評估扶貧的進度等等。

講完通過衛(wèi)星觀看地球，接下來我再介紹另外一種數據。

大家看，這是一張什么圖?

大家可以看到這樣一個關于中國的亮度圖，相對比衛(wèi)星拍攝的夜光亮度，這個數據我覺得更加壯觀，也更加細膩。

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

它不是衛(wèi)星拍攝的夜光數據，而是2015年除夕一天手機位置數據經過脫敏聚合后的可視化結果。

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，在整個華北平原上像星星一樣的這些小點可能是某個四五線城市，或者是某個縣城，我們對比除夕這一天的數據和平時數據，發(fā)現這些點的燈光明顯比平時亮了很多。

因為這幾個省，山東、河南、河北是外出務工大省，在除夕這天，很多人返回家里與家人團聚，所以使得這塊區(qū)域的亮度比平時亮了非常多。

手機位置數據如何去評估一個區(qū)域的經濟發(fā)展，感知一個區(qū)域經濟的變化呢?

這里是一個MIT的研究人員在英國做的一個項目，他們拿出了三萬個小區(qū)的電話通訊數據，認為任何兩個小區(qū)之間的通話意味著它們之間存在社會關聯，據此搭建起了人脈網絡，統(tǒng)計出通話網絡多樣性指數。

舉個簡單的例子，比如說我們打開自己的微信朋友圈，我們可以通過幾個維度來定義我們的人際網絡多樣性指數。

比如說我們有多少個好友;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，其實你的好友多樣性指數非常高。

而且他們研究發(fā)現，把右邊這張圖X軸的多樣性指數，和不同小區(qū)的收入水平做關聯，他們發(fā)現這兩者之間呈現73%的關聯性，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據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，費時費力，而且可能等我們做完人口普查，人口結構又發(fā)生了變化。

這個是歐洲的研究人員通過分析葡萄牙手機基站數據，做的人口密度動態(tài)評估。A是官方統(tǒng)計的人口動態(tài)密度，B是用手機位置數據來估算的人口動態(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的結果都非常接近，數據分析這兩者之間的關聯性將近90%。

此外，我們還可以通過手機的數據去預測不同國家區(qū)域的貧困程度，這是伯克利大學的科學家分析非洲盧旺達這些國家的貧困收入。

他們通過分析用戶的手機數據，比如打電話的時長，各種社交網絡關系和出行信息來作為特征，通過機器學習算法去預測一個人的收入水平，然后他們把不同區(qū)域的數據再聚合起來，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，他們得出了整個盧旺達國家的人均收入和財富分布的變化，這個數據其實和官方公布的結果非常接近，但是它可以幾乎是實時地更新，可以動態(tài)地更新，可以為世界銀行這種機構提供非常有價值的參考。

最后，我想分享一個用手機數據回答的一個長期以來困擾很多中國人的經濟謎團，那就是中國的房地產空置率到底是多少?中國傳說中的空城或者叫鬼城到底在哪里?

傳統(tǒng)的手段，可以入戶調查，或者看晚上有多少個空調，亮了多少盞燈來分析一個區(qū)域的空置率的變化，我們是通過用機器學習的算法，去分析預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，結合用戶的手機數據和衛(wèi)星圖像深度學習檢測不同的住宅區(qū)，不同的工業(yè)園區(qū)，我們就可以評估一個住宅區(qū)的空置程度。

通過這種方法，我們是第一次通過數據的手段去感知到了中國空置率比較高的一些樓盤，這個項目叫做“空城計”，計算的計。

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

我們在做這個項目的同時，也發(fā)現了一個非常有趣的現象。大家知道國外的媒體經常拿鄭州的鄭東新區(qū)作為鬼城的典型例子，但其實我們在兩三年前的研究中就發(fā)現，其實鄭東新區(qū)的勞動力活躍指數已經非常高，我們很難再把它當成一個鬼城。

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

這是通過數據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據，看到不同城市整體的勞動力的趨勢是上升還是下降。

因為一個城市的發(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民工，所以如果我們能夠通過數據去感知一個城市勞動力的變化，我們就可以去預測這個城市將來的走勢。

我們這個研究當時得到了美國彭博新聞社的報道，彭博當時采訪了北大光華管理學院的Jeffery Towson教授，他這樣評價我們這個研究，我覺得非常形象，他說：

“之前我們分析一個區(qū)域的經濟就好像是拿著一個手電筒去看，現在我們幾乎是點了一盞燈，一下子我們所有東西都可以看得非常清楚?！?/p>

這都歸功于我們今天傳感器和物聯網的發(fā)展。

我們今天主要講了兩個案例，一個是天上的衛(wèi)星，一個是地下的手機的數據，

未來，隨著5G的到來，傳感器可能會遍布在我們身邊每個地方。

可能我們今天看到這個燈，它上面就是有一個傳感器，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，那么通過這些數據就可以更加準確地，去實時地感知我們整個經濟的發(fā)展。

我們放遠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，幫助我們去觀察著這個城市的一點一滴的變化。

它能夠幫我們感知到海底撈，麥當勞前面有多少個用戶，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。

所有的這些數據都可以幫助我們去分析我們經濟的發(fā)展，感知我們經濟的動態(tài)。

更能讓我們感知到經濟背后的溫度和故事。