论道 | AI时代的经济学研究——工具革新与因果推断的坚守

刘贯春，中山大学岭南学院教授、博士生导师，国家级青年人才、广东省自然科学基金杰出青年项目获得者，主要研究领域为财税金融协同治理、中国经济增长。相关研究成果发表于《经济研究》《管理世界》《经济学（季刊）》《管理科学学报》《世界经济》《中国工业经济》《金融研究》以及Journal of Law, Economics, and Organization、Journal of Economic Behavior and Organization、Journal of Population Economics、Journal of Corporate Finance、Journal of Banking and Finance等国内外知名期刊，并主持国家社会科学基金重点项目、国家自然科学基金面上项目和青年项目等。

主持人

欢迎刘贯春教授做客本期「论道」！当下AI正在重塑各学科的研究面貌，经济学作为高度依赖数据与实证方法的学科，感受或许尤为直接。想先请教您，在您平日的研究中，AI带来了哪些直观的改变？

当前，AI工具已从单纯的文本生成演进至具备规划与执行能力的智能体，为研究范式带来了结构性变化。它极大地优化了以下环节：一是“数据处理与代码实现”，AI能高效生成代码命令、排查报错、整理表格，并协助审查变量构建、样本匹配等繁杂步骤，大幅降低了计量实现的技术门槛；二是“文献参考与文本量化”，借助大模型的多步推理，不仅能快速完成文献初筛与背景研判，还能处理海量非结构化数据，迅速提取复杂文本指标。

由此看来，AI 确实大幅简化了程序化的研究工作，显著提升了效率。但我们也很好奇，在您看来，有没有哪些核心研究环节是技术无法真正替代的？

虽然AI优化了程序化的流程，却无法自动生成学术洞见。在经济学实证研究中，“代码能跑通”绝不等于“研究可信”。经济学最危险的错误往往系统不会报错：一次看似无害的数据合并或样本优化，就可能彻底扭曲变量的经济含义。此外，各种计量模型绝非简单的命令代码，其背后对应着识别策略、标准误聚类和机制有效性等一系列严肃的研究判断。

因此，因果识别与理论建构始终是AI无法取代的人工环节。这要求学者对中国特殊的体制背景（如央地财政关系、官员考核体系）具备极高的敏锐度。AI常常会为了迎合算法给出技术正确的建议，但学者绝不能让“统计显著性”去倒推“经济学理论”。总之，AI应被严格定位为研究助理，它可以辅助繁复的计算，但提出那个“反直觉却合乎逻辑”的好问题、并对最终的研究结论负责，始终是学者不可替代的核心价值所在。

除了研究过程本身，AI 的快速普及其实也在影响着整个学术生态。在这方面，您认为AI带来了哪些现实冲击？

AI生成内容的广泛应用为学术治理带来了双重的考验。一方面，内容生成门槛的降低，客观上压缩了学术造假的成本，增加了劣质论文泛滥的风险；另一方面，“AI查重”工具在实际应用中仍存在优化空间，检测判定标准过于刚性，常将逻辑严密、行文流畅的优质原创误判为AI生成，有时候会倒逼学者和学生“自废武功”，不得不刻意破坏语序来规避误判，也从侧面反映出当前学术评价机制较为依赖于技术工具，仍有进一步完善的空间。

学界对此又形成了怎样的应对共识？

目前学界与主流期刊的共识在于“透明披露与责任归属”。大家普遍认可AI在语言润色上的正向作用，但底线是必须如实申报AI的使用情况。无论AI参与了多少工作，研究的最终责任必须由学者完全承担。

此外，目前大家也越来越关注如何重塑评价体系。机器查重只能是辅助参考，绝不能取代专业学者的综合人工研判。AI的高产正倒逼学界真正落地“重质量、轻数量”的导向。在技术浪潮下，学者反而需要“慢下来”，让同行评审回归到对研究思想深度与现实价值的探讨。

除了AI带来的冲击，我们也想从更长远的学科发展视角来向您请教。具体到经济学学科本身，AI 技术除了作为研究工具提升效率，还带来了哪些全新的发展机遇？

站在学科发展的角度，AI不仅是研究方法的革新，更深刻拓展了经济学研究的议题边界，赋予了这门学科新的使命。

一方面，AI革新了研究方法，推动经济学从“事后解释”向“前瞻预测”跨越。传统经济学在处理复杂系统与非稳态市场时往往面临工具短板。如今，借助深度学习和多主体仿真算法，我们不仅能更高效地辅助求解复杂的理论模型函数，还能捕捉微观个体的“有限理性”行为。通过在虚拟空间中模拟现实经济运行轨迹，经济学得以更好地预判“黑天鹅”“灰犀牛”等潜在危机，极大弥补了传统模型政策研判滞后的短板。

另一方面，AI技术本身正作为新生产要素重塑经济体系，催生出广阔的交叉研究领域。传统理论框架主要依托资本、劳动等经典要素搭建，而在数智时代，数据要素定价、智能产业升级，以及AI对收入分配格局、就业结构和地缘经济的系统性冲击，都成为了亟待解析的新课题。

面对这样一场深刻的学术范式变革，在您看来，新时代的经济学研究者应当如何自处？

我们可以将AI视为拓展经济学认知边界的超级放大器，但指引研究方向的罗盘，依然是我们研究者对真实世界的体感与因果追问。