2019-07-14　来源：

      

  2019年7月12日下午，应贺灿飞教授和朱晟君研究员的邀请，乌特勒支大学的Balland助理教授和麻省理工学院Hidalgo教授在44118太阳成城集团逸夫二楼分别带来题为“Complex Economic Activities Concentrate in Large Cities”及“From Public Data to Responsible A.I.”的精彩讲座。此次讲座由朱晟君研究员主持，有来自多校多院系师生参加，座无虚席，反响热烈。

 讲座回顾一

主讲人：Pierre-Alexandre Balland 助理教授，乌特勒支大学

报告题目：Complex Economic Activities Concentrate in Large Cities

 

 第一个报告介绍了“Complex Economic Activities Concentrate in Large Cities”这篇文章。该文由Balland教授与麻省理工的Jara-Figueroa、伦敦政治经济学院的Petralia、乌得勒支大学的Steijn、加州大学洛杉矶分校的Rigby以及麻省理工学院的Hidalgo合作完成。

报告关注经济活动的集聚现象，回答了为什么一些经济活动会比其他经济活动更聚集，并且随着通信和运输技术的发展，为什么一些经济活动的集聚持续增加等问题。报告的关键研究目标有二：一是理论框架的构建，基于发明专利的地理空间不均衡性，研究知识复杂性与空间不均衡之间的关系；二是实证研究，基于美国1790-2010年的专利数据，探究不同的工作、产业、专利和出版物在美国的空间分布差异。

 

 

Balland 首先展示了美国各城市的经济活动规模，发现以上四个方面（专利集中度、研究论文、产业和就业）的经济活动都高度集中，尤其是在大城市。

 

随后，Balland解释了如何通过度量知识的复杂性来解释城市经济活动的集中度，分别从技术、科学、产业和职业四个方面探究城市经济活动的空间集中度与其经济复杂性的关系。

    基于美国1790-2010年发明专利历史的回顾发现，在1975年以前，几乎没有研究对创新和技术变革的地理空间分布进行历史和系统的分析。而基于1985-2010年历史数据的分析发现，复杂度高的技术（重新组合新知识的技术）倾向于往城市集中，并随着每次工业革命而加速。低复杂性专利的集中度一直低于高复杂性专利的集中度。对专利的六个主要类别分别观察，发现“机械”和“其他”技术在十九世纪中期集中在大城市，从1950年开始，“计算机和通信”以及“药品”专利不断集中并达到顶峰。这些结果均表明，城市专利活动的集中度呈现出长期循环现象，即在技术全盛时期上升，随着技术成熟而下降。

最后，Balland总结出知识复杂性推动了空间不均衡性的结论。在过去的200多年里，城市优势规模在不断增加，而高复杂性技术和行业的规模最大。但同时也存在两个值得思考的问题：这是否是我们观察到的巨大空间分布差异的开始？如何保证像智能专业化之类的战略政策不会增加这种空间“鸿沟”？

 

讲座回顾二

主讲人：César A. Hidalgo教授，麻省理工学院

报告题目：From Public Data to Responsible A.I.

在第二个报告中，Hidalgo教授回顾了他过去15年以来的研究工作。他的报告涉及四个方面：首先，如何通过机器学习以及AI来获取和匹配公开数据；其次，如何利用公共数据的数据分发系统为公众提供所需数据，Hidalgo教授同时展示了其信息挖掘开源工具研发团队自2011年至今的的应用成果；第三部分介绍了他对于经济复杂度和相关性的研究；最后，通过展示公众调查结果，探讨AI伦理问题，了解人们是如何看待人工智能的。

Hidalgo首先指出，公共和私人组织为了决策需要处理和分析多种大量数据，但是合并、匹配、可视化以及分析数据流的过程是非常昂贵的。机器学习和AI技术能够降低获取公共数据的成本，但其应用需面临四个方面的挑战。Hidalgo对如何解决数据整合的挑战、分配的挑战、分析的挑战和自动化的挑战进行了一一介绍。

随后，Hidalgo展示了其团队从2011年至2018年所开发的各种数据工具平台，包括Data viva, Data USA, Data Africa, Data Chile, Data Korea等，并展示了数据使用情况的变化。

 

在第三部分中，Hidalgo重点介绍了其关于经济复杂度和相关性的研究，包括：2007年Hidalgo等人发表在Science上关于相关性的研究；2009年Hidalgo和Hausmann在PNAS上发表的对于经济复杂度的研究及测度；2014年MIT出版社出版的相关研究书籍；2018年Hidalgo等人在第九届国际复杂系统会议上的相关性原理的研究；2018年Jara-Figueroa等人和Hidalgo对于产业、职业、位置及特殊知识对于初创公司生存影响的研究；2018年Alshamisi、Pinheiro和Hidalgo在Nature Communication上发表的关于相关产品最佳多样化战略的研究；以及Neffke、Henning、Boschma等人对产业空间的相关性研究等等。

最后，Hidalgo介绍了机器学习及深度学习的大量应用案例及其贡献，例如识别地点变化、辅助决策医院的新建、更新和选址等。此外，Hidalgo还重点介绍了他将于2020年发表的对于AI伦理问题的最新研究成果，讨论了人们对于人/机器人做同样一件事的不同态度。

报告后，现场听众与Hidalgo进行了热烈的互动提问。

两场汇报结束后，Hidalgo和Balland还与部分听众学生合影留念。

嘉宾简介

  César A. Hidalgo教授，MIT集体学习实验室主任、Datawheel创始人，从事复杂性科学、数据科学和可视化、经济地理、人工智能等跨学科研究。主要研究方向包括空间复杂网络、创新经济发展问题研究，近年来特别关注新型空间信息技术对国家创新经济发展的作用。在经济地理领域的主要贡献是创建了路径依赖性及经济复杂性指标。目前已在Nature、Science、PNAS等世界顶级期刊上发表论文十余篇，引用超过15000余次，并著有《Why Information Grows》、《The Atlas of Economic Complexity》等著作。曾获2018年拉格朗日复杂系统奖，入选世界经济合作论坛全球青年领袖，并荣获国际数字艺术与科学学院威比奖等众多国际学术奖项。

 

 Pierre-Alexandre Balland博士，乌得勒支大学经济地理助理教授，MIT Media Lab高级访问学者，复杂系统研究中心研究员。主要研究方向为经济地理和网络科学，主要利用复杂网络和经济学方法来研究空间复杂经济问题等。现已在Journal of Economic Geography等国际知名期刊上发表论文30余篇，引用超过1500余次。其中，2017年发表在经济地理顶级刊物Economic Geography上的《The Geography of Complex Knowledge》系统地阐述了复杂知识在地理学研究中的重要性，被该刊评为年度高被引论文。

本文根据公众号ID Economic_Geography改编。