https://www.digitalistpapers.com/vol2/pentlandlipton
作者：Alex Pentland 和 Alexander Lipton
Alex Pentland（亚历克斯·彭特兰），麻省理工学院教授，连接科学与社会物理学的奠基人之一。曾被称为“可穿戴计算之父”，但更准确的标签是大数据与社会动力学的先驱。
Alexander Lipton（亚历山大·利普顿），工程师、物理学家、金融专家。他是麻省理工学院连接科学实验室的研究员，也是多家金融机构的高级顾问。
随着人工智能的不断进步，我们的金融体系正处于变革的边缘。在本文中，作者警告说，这项有望实现无摩擦交易、实时建模和包容性所有权的技术，也可能加速不平等、市场操纵和金融不稳定。他们认为，我们需要更多地关注变革性人工智能将如何不仅彻底改变生产，还将彻底改变贸易和投资。
引言
我们生活在一个人工智能变得越来越强大的时代，它有可能改变研究、开发、生产和消费。然而，这并不是唯一正在发生的数字变革：我们管理贸易和投资的方法正随着资产的广泛数字化而发生变革，实现了近乎即时的交易、难以想象的复杂金融工具以及交易之间新型的连接。支持这些新能力的工具包括现实世界资产的“代币化”和更安全的系统。例如，最大的银行转账公司SWIFT，每天处理4万亿美元的交易，最近已在分布式账本上部署了支持AI的自动支付和交易，作为其技术栈的核心部分。[1]
代币化是一个特别重要的理念。它代表了传统证券化过程的纯数字化扩展，在证券化中，像住房抵押贷款这样的非流动性资产被捆绑在一起，为投资者提供收入流。证券化使得拥有房产等实物资产的股份以及未来收入的股份变得容易，并且可以对那些股份的未来价值进行复杂的押注。证券化使资产更具流动性，市场更有效率，但正如2008年抵押贷款危机所显示的，它可能使它们容易受到异常事件的影响。
但是，代币化由于是全数字化的，使得证券化和证券交易更加便宜，并开启了使用人工智能进行极其复杂的、高频率的交易的可能性。[2] 反过来，现实世界资产的代币化将使得关键资源能够像今天的高频股票交易一样进行交易和货币化，这也可能导致这些部门同样变得脆弱。
在积极方面，代币化和人工智能的结合已经允许新的分布式资本积累方法，使社会更广泛的阶层受益。[3] 它还承诺通过数字化自动化法律、会计和类似的高成本服务，为不太富裕的人提供购买房屋的新途径，[4] 以及提供补偿个人当前无偿的亲社会或照护工作的方法。[5]
“将人工智能智能体与数字资产技术相结合，可能会带来一个更高效、更公平、更繁荣的世界；然而，当今简单的人工智能已经暴露出的问题表明，如果没有相应的审计和监管改进，这种情况不会发生。”
但同时，即使今天简单的人工智能也已显示出潜在的危害。例如，由人工智能驱动的加密货币投资平台可能导致爆炸性不稳定的市场，表现为财富的急剧积累和毁灭。[6] 同样，用于协调许多其他人工智能的人工智能已经是网络攻击的主要手段，而通过人工智能驱动的社交媒体进行协调的人类群体一直是银行倒闭和“meme股票”现象的根源。[7]
我们的结论是，将人工智能智能体与数字资产技术相结合，可能会带来一个更高效、更公平、更繁荣的世界；然而，当今简单的人工智能已经暴露出的问题表明，如果没有相应的审计和监管改进，这种情况不会发生。根本问题在于，创建主导市场的交易和参与者联盟的成本大幅降低，速度大幅提高。人工智能驱动的即时联盟可能导致金融崩溃，并允许不法的行为者“垄断”市场，使未参与其联盟的参与者陷入贫困。[8]
在本文中，我们将思考人工智能的进步如何开始改变金融和金融体系，审视这些潜在的好处和问题，然后建议我们如何建立科学理解和实际政策，以最好地利用未来变革性人工智能技术的潜力。出于本文的目的，我们将使用“AI”一词指代已经在商业上普遍存在的各种人工智能，而将“变革性AI”视为未来的一种人工智能，具有对所有金融现象做出准确预测和解释的能力，其限制仅限于数据的可用性、用于训练AI的情境和策略的范围，以及测量噪声。存在竞争性变革性AI的市场不一定比当今最好的市场更有效率，但对更好数据、更好模型和计算资源的竞争可能成为所有交易策略的核心。
构建以人为本的金融体系
卡尔·马克思墓碑上著名的墓志铭大胆宣称：“哲学家们只是用不同的方式解释世界，而问题在于改变世界。”[9] 马克思的许多追随者试图并且确实改变了世界，但很少有人真正理解它。
“变革性AI与新兴的广泛数字基础设施相结合，为实现更高效、更公平、更繁荣的金融体系提供了一条切实可行的途径，解决了马克思指出的许多结构性问题，包括资本集中、系统性低效率以及由此导致的大规模人口异化。”
我们可以在21世纪技术能力的背景下重新审视这句墓志铭，如果使用得当，这些技术使我们能够更好地理解社会，包括金融体系及其所有失败，并提供工具来重新设计它。变革性AI与新兴的广泛数字基础设施相结合，为实现更高效、更公平、更繁荣的金融体系提供了一条切实可行的途径，解决了马克思指出的许多结构性问题，包括资本集中、系统性低效率以及由此导致的大规模人口异化。[10]
马克思批判了资本主义金融体系，认为它使少数人得以积累财富，导致系统性危机和工人异化。[11] 一个多世纪以来，学者和政策制定者一直在研究这些问题，却没有找到可靠的解决方案。变革性AI和数字基础设施的工具可能使我们能够正面解决这些问题。以下是AI以及分布式和加密账本技术解决马克思关切的一些可能性：
- 不平等的资本获取。传统的信贷体系排斥了大量人群。变革性AI有可能分析并创建更具包容性和文化背景的信用模型，并大幅降低会计、法律、保险和其他服务成本。它还可能为传统上非流动性或难以获得的投资（如房地产、基础设施和艺术品）开发安全灵活的部分所有权的新策略，从而民主化获取财富积累机会的途径。
- 共同所有权。变革性AI可以使社区汇集资本并以民主方式管理金融资源，呼应了马克思的共同所有权理想，但针对数字时代进行了更新。[12] 变革性AI重新构想了后工业经济中的经济概念，使数据成为一种生产要素，并允许为用户生成的数据建立新的补偿模式，有效地将价值返还给人们，以回报他们参与数字价值创造。例如，变革性AI可以实现数据合作社，使个人能够控制自己的金融和行为数据并从中获利，将权力从监视资本主义手中转移出去。[13]
- 无偿工作。传统的金融方法和衡量标准不承认非经济贡献，如育儿、环境成本或社区的艺术繁荣。变革性AI有可能使用为联合国可持续发展目标制定的衡量标准来估算这些活动的价值及其对社会可持续性的影响。
- 公平、有效的监管。变革性AI有可能通过持续分析整个金融网络中的流动来建模和预测系统性风险。这种实时风险监控可以改善系统稳定性，并使监管机构能够预防危机，而不是对危机做出反应。与变革性AI相关的最大风险之一是它被人类用于实现邪恶目的，但变革性AI也可以用于通过监管、标准和类似机制来检测和应对这一危险。
- 社会价值。变革性AI还可以持续测试交易，不仅为了利润，还为了社会影响和韧性。联合国可持续发展目标为人类生活的17个维度制定了量化指标。与大型机构不透明的资产负债表不同，变革性AI有可能用于创建可验证的审计跟踪，有助于防止隐藏的社会损害和蔓延。
马克思的物质辩证法认为，历史是由劳动与资本之间的矛盾塑造的。在我们的时代，矛盾在于集中的、榨取性的金融体系与参与其中的人们的希望、目标和恐惧之间。变革性AI和数字基础设施有潜力解决这一矛盾；然而，它们仅仅是工具，不会自动带来社会变革。它们的部署必须以集体政治意愿、监管远见和伦理原则为指导，并结合民主价值观、跨学科投入和公共问责。
用于经济政策的变革性AI
变革性AI对经济政策的影响是多方面的。当前的人工智能已经在改变中央银行决定和实施经济干预的方式。变革性AI将更进一步，使中央银行能够处理大规模的实时数据集，远远超出传统的宏观经济指标。变革性AI应该能够更准确地预测通胀、失业和GDP，并支持即时预测，帮助政策制定者更快地做出反应。
显然，中央银行可以通过使用变革性AI工具变得更加数据驱动、响应迅速和细致入微，前提是他们学会如何解释、验证和合乎道德地管理相应的结果。在不取代人类央行行长的情况下，变革性AI工具有可能决定性地增强他们的决策能力。
为了理解这可能会如何发生，让我们首先退后一步，看看我们建模和监管经济的粒度。目前的实践通常依赖于相当聚合的衡量标准，如经济区域或行业部门内的GDP、就业和盈利能力。但人工智能已经能够处理更细粒度的数据，而变革性AI以及改进的数字基础设施可能会更有能力。
变革性AI能在多大粒度上对经济的各个方面进行建模并做出准确的预测？我们应该假设，总会有一些私有的、专有的数据是变革性AI模型无法获得的，这不仅是因为人类的偏好，而且因为没有一些私有的或以其他方式无法获得的数据，市场和竞争的概念就变得毫无意义。
经典的投入产出经济建模方法建立在15世纪Benedetto Cotrugli和Luca Pacioli发明的复式记账法之上，[16] 假设所有公司和个人的投入和产出账本都可以被检查。用投入产出表对经济进行完整建模的想法可以追溯到1758年法国经济学家François Quesnay引入的著名的《经济表》。[17] 随后，Quesnay的见解被苏联裔美国经济学家Wassily Leontief扩展，他因这些见解于1973年获得了诺贝尔经济学奖。[18] 《经济表》和Leontief的原始表格都是静态的。尽管Leontief和他的学生花费了数十年的时间设计该模型的动态版本，但他们从未能实现他们的努力。由于这个原因，对该模型的兴趣随着时间的推移而减弱。
然而，人工智能可以极大地增强投入产出模型，使其更现实、响应更灵敏，对政策和预测更有价值。虽然传统的投入产出模型在跟踪部门间相互依赖关系方面很强大，但它们在行为现实性方面往往有限。消除这些限制将是变革性AI可以提供决定性帮助的地方。动态投入产出模型可以将Leontief的静态投入产出表扩展到时间维度，并跟踪商品、服务和资本的部门间流动。这类模型已用于能源管理、产业政策和国民核算。不幸的是，当今的静态投入产出模型受到缺乏足够细粒度数据的限制，因此经常假设固定的生产系数，并忽略非线性、价格反馈循环以及其他经济复杂性和技术变革。变革性AI则可以启用细粒度的实时数据。
变革性AI可以通过多种方式增强动态IO模型，特别是通过学习连接不同经济过程的时变系数，而不是假设它们是固定的。变革性AI模型应该能够检测部门投入结构随时间的变化，并捕捉由于技术、全球化、监管或供应链重组造成的变化，从而产生一个与经济一起演变的模型。鉴于当前的世界局势，这类模型非常重要。
也许传统投入产出模型面临的最大挑战是它们是线性的，但经济不是。较旧的人工智能技术已经开始捕捉非线性反馈和网络效应。变革性AI应该能够从新数据中进行在线学习，从而实现高频交易、生产、物流或排放数据的实时更新和监控。它可以自动更新系数或外生变量，并产生持续演变的活模型，而不是每五年更新一次。因此，变革性AI模型应该有助于更稳健地模拟危机、创新传播或颠覆。
从政策到实践
为了进行有意义的干预，我们必须超越仅仅对投入和产出进行建模。我们还必须考虑时间和变化率，以模拟经济中实际发生的事情，在存量与流量之间保持完全一致。这类动态投入产出模型被称为存量流量一致模型，由Wynne Godley开创，并由后凯恩斯主义者进一步发展。
存量流量一致模型是核算一致的宏观经济模型，追踪金融存量如何随时间因经济流量而演变。这些模型对所有部门强制执行预算约束；将货币、债务以及金融和社会资产视为核心而非辅助；并通过模拟动态的、随时间演变的系统来拒绝新古典经济学的静态、均衡导向观点。通过将存量流量一致模型与变革性AI相结合，我们可以从当前的经济理论转向严谨的、实时的实践，以阐明实际情况，并将GDP增长作为一个目标，辅以同样严谨的社会福祉和稳定性指标。
一个基于结合变革性AI、数字基础设施和存量流量一致模型潜力的新金融体系正在出现。例子包括稳定币、中央银行数字货币以及像SWIFT这样的支付系统，所有这些都在试验使用人工智能和分布式、加密的数字基础设施，以使传统的基于存量流量一致的系统更高效、更安全。[19] 变革性AI将非常适合将经济建模为复杂适应系统，允许我们代表具有独特目标和约束的异质性主体；使用真实世界数据校准非线性存量流量一致模型；并在不确定性、变化的税收制度等条件下模拟政策结果。这些创新有可能使中央银行和监管机构能够完全透明地监控部门金融状况，从而实现更有根据的货币、社会和财政干预。
为了实用，我们需要与变革性AI和广泛的数字平台互补的具体技术创新，允许以多种方式增强存量流量一致建模。三个重要的进展将是具备以下能力：
- 因果发现工具，超越当前框架，提出新的结构关系并发现意想不到的反馈循环；分析历史数据以挑战模型架构中的假设；并构建理论指导、数据验证的模型，而不是纯粹的先验结构。
- 细粒度的基于智能体的模拟，模拟在存量流量一致约束下相互作用的家庭、企业和银行。变革性AI的整合可以帮助基于不同的冲击、政策或结构变化生成数千个 plausible 的未来。反过来，变革性AI有可能帮助政策制定者探索复杂的、非线性的压力情景。
- 数据架构，能够从金融市场、消费者行为和公共支出中实时摄取数据，持续更新模型状态和边界条件。这些数据可以允许创建“活”模型，以动态的、反馈敏感的方式为政策提供信息。
变革性AI与更先进的数字基础设施相结合，应能通过确保其经验基础、实时适应性和计算易处理性，极大地提升存量流量一致模型的有效性。这种配对由于日益增长的金融复杂性而特别有效，使后凯恩斯主义、制度主义和系统动力学的见解更具政策相关性和可操作性。
“先进的变革性AI-存量流量一致系统可以通过模拟财政乘数并根据实时经济状况动态调整支出和税收政策，使政府从被动反应转向算法财政政策。”
先进的变革性AI-存量流量一致系统可以通过模拟财政乘数并根据实时经济状况动态调整支出和税收政策，使政府从被动反应转向算法财政政策。使用家庭层面数据的AI分析，针对性的社会转移支付变得更加精确。
然而，如果我们要从仅仅使用变革性AI进行建模转向使用变革性AI来监管金融体系，我们需要意识到几个潜在的危险：(1) 如果没有干预，变革性AI提高的生产率不太可能转化为广泛繁荣。(2) 大型科技公司对金融流的中介可能会侵蚀国家对经济杠杆的控制。(3) 行为和金融数据的商品化将财富转向那些拥有算法的人。(4) 不可审计的变革性AI模型可能使得追踪金融危机或不平等的根源变得更加困难。
人们可能会担心，人工智能进步在现实世界中的使用会给一些市场参与者带来决定性的优势。然而，这种假设是天真的。相反，我们可以预期一场“人工智能军备竞赛”，最终将达到一个新的市场均衡。这种情况一次又一次地发生。
变革性AI制定政策的局限性
变革性AI有可能将集成的存量流量一致和投入产出模型从会计工具转变为复杂经济系统的自适应的、数据驱动的模拟器。这种先进的模型对于供应链监管、战时经济建模和即时产业政策设计等方面很有吸引力。然而，即使有它提供的可能性，变革性AI影响经济政策的能力也存在局限性。
依赖投入产出模型制定政策在西方从未如此流行，部分原因是它是中央计划经济的关键要素。然而，变革性AI的进步可以使中央计划在技术上更可行。但是否可取、稳定或优于市场机制，是一个更深层次的经济、政治和伦理问题。
从历史上看，中央计划失败主要是因为信息过载，这阻碍了计划者收集或处理关于数百万种价格、商品和消费者偏好的数据。有限的资源不允许大规模动态匹配供需，从而导致协调失败。对经济变化的缓慢、官僚式反应导致了缺乏实时反馈。然而，变革性AI极大地改变了这种情况，因为它可以吸收和分析大量数据。当前的人工智能模型可以预测消费、生产瓶颈、物流流和市场动态。展望未来，强化学习可以模拟整个经济体的分配策略。经济或供应链的数字孪生可以不断进行压力测试和优化。这些进步可能意味着变革性AI可能通过用变革性AI的监管取代价格信号和竞争，从而使市场变得过时。
目前有几个AI赋能的局部中央计划的例子值得一提。例如，中国正在实践“软中央计划”，利用现有的人工智能方法执行大规模的产业政策。像亚马逊和阿里巴巴这样的大型科技公司在内部运行计划型经济，进行人工智能驱动的物流、仓储、定价和劳动力优化。战时经济和疫情应对表明，人工智能和集中式资源分配在疫苗分发等活动中是有效的。
然而，即使有了变革性人工智能，中央计划的挑战和局限性仍然存在。复杂性仍然非线性增长，人类偏好的变化速度快于统计工具能够可靠估计的速度，激励问题仍然存在。变革性AI驱动的计划也可能导致数字威权主义。鉴于人类对行动自由的偏好，最合理的未来可能不是完全中央计划，而是变革性AI增强的市场经济。
尽管变革性AI拥有强大的能力，但由于经济主体的有限理性，关于知识、激励和分散化的核心论点仍然高度相关。[21] “有限理性”一词挑战了完全理性经济主体的概念。[22] 关键障碍包括认知局限：人类大脑无法处理所有可用信息；因此，决策是用简化模型、启发式方法做出的。主体必须在信息不完整和不对称的情况下做出选择。什么是最优的，在实时中是不可知的。即使所有信息都可用，对AI计算复杂性的估计表明，计算最优解超出了实际可想象的计算能力。
变革性AI也缺乏对在选择行为中演变的主观偏好的获取。社会需要“确保最好的利用任何成员所知的资源，用于只有这些个体知道其相对重要性的目的。”[23] AI可以处理大量数据，但不能处理尚未形成的偏好。人类的欲望不是固定的，而是根据语境、趋势、反馈循环和同伴行为而演变。创新来源于意想不到的组合和激励，而不仅仅是对先前重要变量的优化。
另一个限制是变革性AI缺乏“游戏中的皮肤”，因此使用变革性AI的计划者仍然必须协调激励措施，否则错配将持续存在。现实世界的系统之所以有效，不仅是因为信息，还因为人们承担其选择的后果，提供了持续推动系统演变的反馈。可能性的组合爆炸导致在复杂的、多主体的、现实世界的系统中，模型在计算上难以处理。优化总是近似的，更适合狭窄的领域。
这些考虑表明，变革性AI可以辅助但不能取代市场，因为它无法复制价值的主观性、创新动力、知识的地方性以及自由交换的激励结构。
用于制定经济政策的变革性AI数字孪生
“这些数字孪生系统模拟分散决策，并在复杂的、不断变化的条件下相互作用。”
我们如何超越AI的局限性，来理解整个社会经济主体社会不断变化的、特定的偏好和效用？一个用于制定经济政策的有前景的途径是开发AI和变革性AI智能体来代表个体经济参与者。这是构建“数字孪生”的基础步骤：在系统中，每个实体都由一个受到与现实世界实体相同限制和能力的变革性AI智能体建模的经济模型。这些数字孪生系统模拟分散决策，并在复杂的、不断变化的条件下相互作用。
这种变革性AI经济智能体是代表决策单元的软件实体。这些智能体具有目标、约束、记忆和学习能力。它们在模拟的市场或环境中互动，并根据数据、政策或同伴影响调整行为。这种方法代表了有限理性主体在动态系统中运作的计算实例。
变革性AI数字孪生模拟具有自适应学习、有限理性和分散互动的现实世界决策。这些经济智能体允许经济学家、规划者和技术专家自下而上地建模复杂的动态系统，在现实世界试验之前进行政策模拟，并构建更具包容性、响应性和稳健性的经济模拟。
“这些经济智能体允许经济学家、规划者和技术专家自下而上地建模复杂的动态系统，在现实世界试验之前进行政策模拟，并构建更具包容性、响应性和稳健性的经济模拟。”
我们经济体系的一个重要危险源于经济主体可以形成秘密联盟，这可能受到人类竞争的鼓励。幸运的是，检测和限制这些过于强大的联盟的技术正在开发中。[24] 总的思路是首先使用变革性AI工具检测异常相关性或过大的方差，然后通过添加噪声、随机重新排序事件或延迟来减弱网络动态。这种干预措施可以打破协调、减弱反馈循环。
一项关键的干预措施是监控联盟的集中度。必需品或小型日常商业的交易应该异常稳定，并受到严格控制，但用于投机和创新的网络可能监管少得多。第二项干预措施是监控和限制用户数据的集中度。[26] 实现这一目标的一个有意义的途径是通过人类联盟，包括数据合作社和银行，让变革性AI为个人服务，从而保护用户免受强大的公司AI的操纵。[27] 使用现实的数字孪生来更好地理解和解决这些问题是未来一个重要的研究领域。
用于制定经济政策的“活实验室”
超越变革性AI局限性的第二个想法是使用变革性AI将加密货币交易作为真实经济的实验室来研究。[28] 这个强大的想法利用了加密市场的透明、高频、去中心化的特性，以在传统金融体系中进行将是不道德或非法的方式来模拟、分析和预测现实世界的经济行为。
像以太坊这样的平台提供了在真实经济中罕见的实验条件。以太坊拥有数百万的经济参与者、数千家企业以及天真和AI赋能的交易者。分布式账本提供了每笔交易的完整记录，从而允许进行智能体级别的行为分析。相对高频的交易打开了一扇了解不确定性下快速决策的窗口。由于加密市场全天候运作，它们能够研究持续的实时适应。
“相对高频的交易打开了一扇了解不确定性下快速决策的窗口。由于加密市场全天候运作，它们能够研究持续的实时适应。”
由于全球可以访问这类平台，参与者非常多样化，来自不同的国家、社会阶层和意识形态。数千家新企业和新治理结构的无监管引入允许评估多种类型的创新。最后，相对宽松的监管允许更多实验性的市场设计。因此，今天的加密平台可以作为先进数字平台的培养皿，配备最先进的人工智能。
在加密平台上的现实经验表明，即使是今天的人工智能也可以用于行为模式检测。这些最先进的人工智能方法允许映射危机期间的羊群行为、拉高出货周期以及各种数字货币之间的风险偏好切换。这种人工智能技术还可以用于建模微观结构动态，并识别极端波动下的实时情绪变化和有限理性表现。[29]
“加密货币平台不仅仅是投机性的游乐场。它们是经济学的活体实验测试平台。”
在以太坊等平台上的实验可以帮助我们更好地理解市场结构变化、政策干预和危机蔓延的后果，而不会冒损害整体经济的风险。这些见解适用于政治经济学、集体行动和制度设计。总之，加密货币平台不仅仅是投机性的游乐场。它们是经济学的活体实验测试平台。变革性AI为我们提供了工具来建模自适应主体和系统性互动；在计算机中测试替代制度和政策；理解恐慌、泡沫和非理性繁荣；重新构想可编程的货币政策；研究新兴的制度行为；改进金融稳定框架；建模劳动力市场、定价行为和政策响应；并设计更有韧性、更高效、响应更迅速、更具包容性的经济体系。
结论
人工智能技术正变得极其强大，不仅改变着生产，也改变着贸易和投资。尤其有影响力的是相对自主的商业和投资人工智能智能体的出现，以及各种现实世界资产的广泛数字化。这些工具可以实现远为高效的体系和积极的社会成果，包括使社会更广泛阶层受益的新的分布式资本积累方法，以及补偿人们当前无偿的亲社会或照护工作的方法。变革性AI也很可能成为理解和管理我们经济的有价值工具。但今天的人工智，特别是变革性AI，已显示出潜在的危害，可能导致一个由不稳定市场、社会扭曲和网络战争主导的世界。
我们需要认识到，变革性AI与资产数字化相结合可能会带来一个更高效、更公平、更繁荣的世界，但如果没有相应的审计和监管改进，这种情况可能不会发生。核心问题是，变革性AI使得能够近乎即时地形成主导市场的智能体联盟，这可能导致金融崩溃、“垄断”市场和隐蔽地集中财富。核心解决方案是确保我们开发能够持续审计经济、减缓或限制新出现的市场问题的工具，以便在它们造成重大损害之前对其进行检查。
“核心解决方案是确保我们开发能够持续审计经济、减缓或限制新出现的市场问题的工具，以便在它们造成重大损害之前对其进行检查。”
参考文献
[1] Swift, “Swift to Add Blockchain-Based Ledger,” 2025年9月29日.
[2] “代币”本身只是一条小的数字消息，唯一地证明了对该资产包中份额的所有权。代币可以由数据库中的签名数字合同支持，但越来越多的系统接受您拥有代币的加密证明。缺乏代币来源为欺诈提供了重大机会。分布式账本通过在多处维护所有交易的数字副本来帮助解决这个问题。
[3] Alexander Pentland, Alexander Lipton, and Thomas Hardjono, Building the New Economy: Data as Capital (MIT Press, 2021), 第1章.
[4] Pentland, Lipton, and Hardjono, Building the New Economy: Data as Capital, 第14章.
[5] Pentland, Lipton, and Hardjono, Building the New Economy: Data as Capital, 第4章.
[6] Jiageng Liu, Igor Makarov, and Antoinette Schoar, “Anatomy of a Run: The Terra Luna Crash,” 麻省理工学院斯隆管理学院工作论文 6847-23, 2023.
[7] Alexander Lipton and Alexander Pentland, “Breaking the Bank,” Scientific American 318, no. 1 (2017年12月): 26–31.
[8] Shahar Somin, Tom Cohen, Jeremy Kepner, and Alexander Pentland, “Echoes of the Hidden: Uncovering Coordination Beyond Network Structure,” 预印本, arXiv, 2025年4月23日.
[9] 参见 Friedrich Engels, Ludwig Feuerbach und der Ausgang der Klassischen Deutschen Philosophie…Mit Anhang Karl Marx über Feuerbach von Jahre 1845, (Verlag von J. H. W. Dietz, 1886), 69–72.
[10] Friedrich Hayek, “The Use of Knowledge in Society,” American Economic Review 35, no. 4 (1945年9月): 519–530; Wassily Leontief, 编, Input-Output Economics (Oxford University Press, 1986); Alexander Lipton, “Blockchains and Distributed Ledgers in Retrospective and Perspective,” Journal of Risk Finance 19, no. 1 (2018): 4–5; Alexander Lipton and Adrien Treccani, Blockchain and Distributed Ledgers: Mathematics, Technology, and Economics (World Scientific, 2021).
[11] Karl Marx, Das Kapital. Kritik der Politischen Ökonomie (Verlag von Otto Meissner, 1867–1894).
[12] Pentland, Lipton, and Hardjono, Building the New Economy: Data as Capital, 第2章.
[13] Michael Max Bühler, Igor Calzada, Isabel Cane, et al., “Unlocking the Power of Digital Commons: Data Cooperatives as a Pathway for Data Sovereign, Innovative and Equitable Digital Communities,” Digital 3, no. 3 (2023): 146–171.
[14] 斯坦福数字经济实验室, “GDP-B: A New Way to Measure Growth and Well-Being in the Economy,” 访问于2025年11月10日.
[15] 联合国经济和社会事务部, “The 17 Goals,” 访问于2020年10月28日.
[16] Benedetto Cotrugli, Della Mercatura e Del Mercante Perfetto, 1458; Luca Pacioli, Summa de Arithmetica, Geometria, Proportioni et Proportionalita (Paganini, 1494).
[17] François Quesnay, Tableau Économique (Imprimerie Royale, 1758).
[18] Leontief, 编, Input-Output Economics.
[19] Leontief, 编, Input-Output Economics; Alexander Lipton, “Modern Monetary Circuit Theory, Stability of Interconnected Banking Network, and Balance Sheet Optimization for Individual Banks,” International Journal of Theoretical and Applied Finance 19, no. 6 (2016): 1650034; Pentland, Lipton, and Hardjono, Building the New Economy: Data as Capital.
[20] 参见 Hayek, “The Use of Knowledge in Society.”
[21] 参见 Sinclair Davidson, “The Economic Institutions of Artificial Intelligence,” Journal of Institutional Economics 20, e20 (2024年3月): 1–16.
[22] 参见 Herbert Simon, “A Behavioral Model of Rational Choice,” Quarterly Journal of Economics 69, no. 1 (1955): 99–118.
[23] Hayek, “The Use of Knowledge in Society.”
[24] Somin, Cohen, Kepner, and Pentland, “Echoes of the Hidden: Uncovering Coordination Beyond Network Structure.”
[25] Victor Erofeeva, Oleg Granichin, Renata Avros, and Zeev Volkovich, “Multilevel Modeling and Control of Dynamic Systems,” Scientific Reports 14, no. 27903 (2024).
[26] Pentland, Lipton, and Hardjono, Building the New Economy: Data as Capital, 第14章.
[27] 数字经济实验室和《消费者报告》, “Loyal Agents: A Stanford + Consumer Reports Initiative for Creating a Secure, Consumer-Centric, Trusted Marketplace of AI Agents,” https://loyalagents.org.
[28] Pentland, Lipton, and Hardjono, Building the New Economy: Data as Capital, 第9章.
[29] Somin, Cohen, Kepner, and Pentland, “Echoes of the Hidden: Uncovering Coordination Beyond Network Structure.”
转载请注明：《中国社会分红/基本收入研究网》 浏览量：16 views
