大师云集，精彩纷呈
《中国特色社会主义经济前沿问题》课程简介
《中国特色社会主义经济前沿问题》立足于经济学科特点，将思政教育视为首要教学目标，创新性地将思政教育寓于前沿问题探讨、经典文献研读、知名学者点拨与授课教师引导等课堂形式之中。课程关注中国经济前沿重大问题，以中国特色社会主义经济建设发展中的前沿与重大经济问题为主要研究对象，旨在通过教师专门指导、专题前沿问题研讨、知名学者讲座等形式，提升学生的思辨能力和立场意识，帮助学生确立正确的思政方向，同时，以问题意识为出发点强化学生的思政意识建设，推动实现课程思政建设与学生独立学习研究能力提升的双重目标。
本课程以专题研讨的方式带领学生研读经济学前沿经典文献，特别关注与中国经济发展中的重大理论现实问题相关的重要研究。课程以专题形式组成，每一专题聚焦一类中国经济发展中的重大而前沿的理论现实问题；授课教师邀请该领域的知名专家、顶尖学者走进课堂，与同学们分享交流经典问题和文献的背景、历史、现实和未来重要发展趋势等方面，深度挖掘经典问题和文献背后的思想性和政治性内涵，促进学生思政能力的不断提升。
课程主持教师为北京大学经济学院董志勇教授，他的《计量经济学》教学团队荣获“北京高校优秀本科育人团队”称号，深受广大学生喜爱。董志勇教授现任北京大学党委常委、副校长，兼任经济学院院长、《经济科学》主编、教育部高等学校经济学学科教学指导委员会副主任、国务院学科评议组成员，系第九届“北京市高等学校教学名师”。
专题二
AI驱动的经济预测：探索与应用
时间：2024年9月24日
地点：理教407教室
特邀嘉宾：王腾蛟教授
王腾蛟
北京大学计算机学院学院教授，国家教育部“长江学者”特岗学者，北京大学博雅特聘教授。主要从事大数据管理与智能分析等工作。在国际顶级学术会议和期刊等发表论文几十篇。获得2017年度“日本大川基金科技助成奖”。作为课题负责人3次承担国家重大专项课题，5次承担国家863计划课题。主持研制的大数据系统长期服务于中央和国家部委大数据辅助决策，以及中国运载火箭、移动通信、智能金融、智能医疗等重要应用领域。
本专题聚焦人工智能驱动的经济预测与社会科学交叉研究，邀请王腾蛟教授进行现场分享与交流。王腾蛟教授通过推动AI在经济预测和社会行为分析中的应用，为创新经济学研究方法和提升社会科学研究效率做出了积极贡献。
王腾蛟教授现场讲授
在课堂上，王腾蛟教授围绕“AI驱动的经济预测”这一主题全面探讨了AI技术在经济学领域的应用背景、理论框架以及实际案例。他指出，随着全球经济环境日趋复杂和快速变化，传统的经济预测方法逐渐暴露出局限性，尤其是在处理海量数据和应对瞬息万变的经济形势时，传统模型往往难以提供足够的应对能力。在这样的背景下，人工智能技术的兴起为经济学研究注入了全新的动能。王腾蛟教授表示，AI不仅可以对历史数据进行更加深入的挖掘，揭示出经济现象背后的隐藏规律，还能够通过机器学习和大数据分析，对实时数据进行处理，提供更加动态和前瞻性的经济预测。这使得AI成为了一种极具潜力的工具，能够应对当今复杂多变的经济局面。尤其是在经济政策制定中，AI的应用可以帮助决策者做出更为精准的预判和调整。
王腾蛟教授通过“中美贸易影响”的案例进一步阐述了AI在经济预测中的实际应用。他展示了如何通过AI模型模拟中美贸易量的变化，预测这种变化对中国GDP以及其他宏观经济指标的影响。AI技术不仅能够在传统经济指标的基础上进行分析，还可以将绿色发展、环境保护等新兴领域的考核维度融入其中，帮助政策制定者更好地应对全球化下的多重挑战。王腾蛟教授特别提到，在应对诸如“碳达峰”、“碳中和”这样的新型经济议题时，AI模型能够提供更加多元化和细致化的预测方案，帮助政策制定者在面对多维度复杂问题时做出更具前瞻性的判断。此外，AI还能实时跟踪经济指标的变化，自动调整预测模型，增强其应对突发经济事件的能力。这种多维度、多层次的预测方法不仅为经济学研究提供了新的可能性，也为经济政策的制定和调整提供了更加可靠的数据支持，进一步推动了AI与经济学的深度融合。
在嘉宾圆桌讨论环节，董志勇老师邀请了北京大学计算中心马皓主任，北京大学中国社会科学调查中心副主任丁华老师和北京大学计算机学院陈薇副研究员，和同学们就AI技术的应用与数据采集展开讨论交流。
马皓老师发言
马皓老师回顾了王腾蛟老师从数据库管理到大数据分析，再到人工智能应用的研究历程，并指出这一脉络清晰地体现了学术理论与技术实践相结合的重要性。他指出，在当前人工智能驱动经济发展的背景下，王腾蛟老师的研究为解决社会重大问题提供了新的方法论工具。马皓老师进一步强调了数据在现代学术研究中的核心地位，他认为数据不仅是研究的基础要素，还通过数据的收集、处理与分析，能够揭示经济、社会等多领域的复杂现象。马皓老师指出，数据要素在推动社会进步中的角色日益凸显，而计算与模型则是实现数据价值的关键。基于此，他鼓励同学们要深刻理解数据背后的计算逻辑和模型构建，以提升研究的深度与广度。此外，马皓老师特别提出了跨学科研究的重要性，指出了北大在跨学科交叉培养方面的独特优势。他认为，学术创新往往来源于不同学科知识的融合，而王腾蛟老师的研究正是这种跨学科整合的典范。马皓老师希望同学们在学习过程中不仅要扎实掌握本学科的基础理论，还要积极吸收其他学科的前沿研究成果，从而在理论与实践中不断推动学术创新。
丁华老师发言
丁华老师在发言中首先回顾了与王腾蛟老师多年来的合作，特别是在数据挖掘领域的合作成果，如建立了文理大数据中心。她指出，王腾蛟老师的讲座对从大数据到人工智能再到计算生物科学的技术路线进行了梳理，并对AI在经济学中的应用提供了丰富的案例。丁华老师从她作为文科生的角度谈到了大数据应用的挑战，特别是数据获取难度和技术门槛问题。她提到，很多经济学研究中需要的数据被政府、企业等掌握，获取难度较大，同时文科背景的学者面对大数据分析技术也存在障碍，由此强调了学科交叉的重要性，呼吁同学们不仅要掌握传统的统计模型，还要积极拥抱大数据的方法和理念。最后，丁华老师进一步讨论了大数据与小数据的结合，她认为二者互补，尤其是在因果判断中，小数据仍具有重要作用。
陈薇老师发言
陈薇老师围绕她与王腾蛟老师团队在数据采集和分析平台上的工作展开分享。她特别介绍了与王腾蛟老师共同参与的全球实时开放数据服务系统的研制工作，详细阐述了该系统的两个主要部分：自然社会科学的大数据管理平台和计算社会科学的决策支持系统，并对王腾蛟老师老师报告中所提到的内容进行了补充。陈薇老师着重介绍了全球数据采集的四大类数据源，涵盖新闻、社交媒体、领域数据和知识库建设，特别提到了数据仓库在经济、金融、国际关系等主题上的构建，以及通过数据立方体进行多维度分析的能力。她通过多个具体案例展示了如何在平台上进行结构化查询和复杂分析，例如对美联储加息、俄乌冲突、以及延长退休年龄政策的分析。最后，陈薇老师展望了基于该平台开展多学科交叉研究的前景，希望北大师生能够利用这些工具产生高质量的研究成果，并为国家决策提供数据支撑。
课堂上，同学们围绕经济学发展方向及学术研究的现实意义进行了探讨。大家回顾了国内外经济学家和科研团队在不同历史时期所取得的成果，明晰了经济学在应对现实挑战中的作用，并通过生动的案例阐述了数据和科研在社会发展中的重要性。与会老师鼓励同学们充分利用数据、程序和软件开发平台等现有资源，积极参与研究，同时鼓励大家通过参与学术中心的研究工作提升自身科研能力。
本专题相关文献资料
课堂主要讨论文献：
[1]Blumenstock, J., Cadamuro, G., On, R. Predicting poverty and wealth from mobile phone metadata[J]. Science, 2015, 350(6264): 1073-1076.
[2]Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabási, A.-L., Brewer, D., Christakis, N., Contractor, N., Fowler, J., Gutmann, M., Jebara, T., King, G., Macy, M., Roy, D., Van Alstyne, M. Computational Social Science[J]. Science, 2009, 323(5915): 721-723.
[3]Lazer, D. M. J., Pentland, A., Watts, D. J., Aral, S., Athey, S., Contractor, N., Freelon, D., Gonzalez-Bailon, S., King, G., Margetts, H., Nelson, A., Salganik, M. J., Strohmaier, M., Vespiagnani, A., Wagner, C. Computational social science: Obstacles and opportunities[J]. Science, 2020, 369(6507): 1060-1062.
[4]Noy, S., Zhang, W. Experimental evidence on the productivity effects of generative artificial intelligence[J]. Science, 2023, 380(6644): 758-762.
参考文献：
[1] Bond, R. M., Fariss, C. J., Jones, J. J., Kramer, A. D. I., Marlow, C., Settle, J. E., & Fowler, J. H. A 61-million-person experiment in social influence and political mobilization[J]. Nature, 2012, 489(7415): 295-298.
[2] Nosengo, N. Can artificial intelligence create the next wonder material?[J]. Nature, 2016, 533(7601): 22-25.
[3] Schich, M., Song, C., Ahn, Y.-Y., Mirsky, A., Martino, M., Barabási, A.-L., & Helbing, D. A network framework of cultural history[J]. Science, 2014, 345(6196): 558-562.
[4] Carleo, G., & Troyer, M. Solving the Quantum Many-Body Problem with Artificial Neural Networks[J]. Science, 2017, 355(6325): 602-606.
[5] Blumenstock, J., Cadamuro, G., & On, R. Predicting poverty and wealth from mobile phone metadata[J]. Science, 2015, 350(6264): 1073-1076.
[6] Johnson, S., Torres, J. J., Marro, J., & Muñoz, M. A. Using information theory to decode network coevolution[J]. Science, 2020, 367(6481): 251-255.
[7] Smoller, J. W., & Schizophrenia Working Group. Shared molecular neuropathology across major psychiatric disorders parallels polygenic overlap[J]. Science, 2018, 359(6376): 693-697.
[8] Glotzer, S. C., & Zhang, Z. Emergence of complexity in hierarchically organized chiral particles[J]. Science, 2020, 368(6490): 649-652.
系列专题介绍
《中国特色社会主义经济前沿问题》
专题三：财税体制的建立和深化（10月8日）
特邀嘉宾：高培勇教授
专题四：国家发展与五年规划（10月15日）
特邀嘉宾：徐宪平教授
专题五：现代经济学的新进展与新结构经济学的结构革命（10月22日）
特邀嘉宾：林毅夫教授