今天经济学已经变成了一个可以被感知的“有生命的活体”，我们称之为可感知经济学(Senseable Economics)。

可感知经济学是说，我们如何将获得的传感器数据，结合人工智能技术，去分析一些重大社会学和经济学的问题。

我最近看了一个BBC新拍的纪录片，叫《从太空看地球》，这张图片是卫星拍摄的地球某一个角落的图像，大家可以猜一下金黄色的部分是什么东西?

第一眼看到这个图片的时候，我以为这是某个区域发现了一个重大的金矿，这里闪烁着金子的光芒。

但其实镜头再继续放大，我发现它又像油漆，是不是某一个行为艺术学家做了一幅艺术作品呢?

然后镜头又继续拉近，我发现它既不是油画，它也不是金矿，其实是云南罗平的油菜花。

通过卫星从不同的尺度去观看地球的壮观景象让人非常感慨，我想起了英国著名天文学家弗雷德·霍伊尔(Fred Hoyle)爵士说过这么一句话：

“一旦我们有办法，可以从地球之外的角度去拍摄我们的地球，那么我们将可以释放一个有史以来最为伟大的思想。”

今天，随着太空技术的发展，弗雷德爵士的这句话已经变成现实：

第一，卫星已经变得越来越小。

以前大家想到卫星的时候，可能是一个长达几百米，重达几吨，造价几亿的庞然大物，但现在，卫星已经变得非常小，有的只有几十厘米长，重约几公斤，造价也从几亿美元降低到了大概几万美元。

图上最小的那颗卫星，它是美国Planet Labs公司发射的鸽子卫星，这个公司已经成功向太空发射了300颗这样的卫星，它们每天对地球进行实时的分析和监测。

此外，我们向太空发射的卫星的数量也越来越多。

这张图来自《经济学人》，显示的是从上个世纪60年代一直到今天，不同国家向太空成功发射卫星的数量变化。绿色代表的是中国，数量已经开始领先其他国家。

这些卫星可以用来干什么呢?

可以监测经济数据。非洲的一些国家，极端贫困，晚上没有任何灯光亮度。世界银行如果想去帮助这些非洲国家，首先就得想尽办法去分析、了解这个区域的经济发展状况。

那怎么操作呢?

首先是使用卫星拍摄的彩色的遥感图片，斯坦福科学家通过人工智能技术和CN算法(Color Names，目标跟踪算法的一种)去分析这些图像，结合迁移学习和卫星灯光亮度图，进而预测非洲贫困国家的经济收入水平和贫困状况。

结果到底准不准?

左边这张图是2017年非洲某个国家官方统计的经济收入数字，右边这张图就是用人工智能技术分析遥感图像，经过深度学习、迁移学习的结果，大家可以看出两者之间是非常相关的。

我们能不能用卫星拍摄的遥感图片去监测不同尺度的经济活动?

这张图上中国区域里的每一个小点就是一个工业园区，一共有4000多个，基本覆盖了大概50万平方公里。

我们针对这4000个工业园区的卫星图像，通过人工智能技术去分析它的变化，提取特征，然后监测它的经济和制造活动，红色代表这块的区域经济活动比较强。

这是怎么做到的?

首先针对一块区域，通过深度学习去学习它的特征，大家可以想一下，如果有一片区域原来一开始是一个草坪，后来它变成了一块水泥地，那就说明这一块区域产生了经济活动。

那么，透过这4000多个工业园区的卫星图像数据，我们就可以实时感知中国生产制造业的发展，也就意味着我们可以通过卫星去管制一个区域的PMI指数(采购经理指数)，我们称之为SMI指数(卫星制造业指数)。

衡量宏观经济走势的时候，最常见的一个值叫PMI指数，这个指数一般是通过访谈或者电话采购经理获取，更新频率大概是一个月一次。

而通过卫星感知PMI指数，基本上可以实现一个星期更新一次，频率大大地提高，而且大家可以看到，SMI指数和官方给出的PMI指数整体还是非常接近的。

除了能够分析不同区域的经济发展，我们还想通过卫星遥感数据，去帮助我们分析一个城市不同区域的经济状况。

一个城市的发展和城市的交通物流是息息相关的。

我们提出了一个车辆指数的算法，比如这张图给出了一个城市某一块区域的卫星图片，大家可以看到停车场，或者高速公路上有很多车辆行驶，我们通过AI的算法可以准确检测出地面上车辆的数量。

绿色的小块就是我们通过卫星图像检测的车的位置，我们通过检测车辆，然后再评估车辆的数量，就可以评估一个区域的经济发展程度。

大家知道现在中国每年我们政府有将近1000亿的扶贫基金去帮助农村进行发展，农村的经济也发生了翻天覆地的变化，但是这些变化到底怎么去量化，怎么去评估?

大家知道中国有句老话叫“想致富，先修路”，所以如果我们能够通过卫星图像去识别农村路网的变化，我们就可以去评估一个农村经济的变化。

因为中国的农村分布比较分散，你很难用卫星的夜光数量和亮度去评估，所以左边和右边两张图白色的区域，就是我们通过深度学习算法，识别出两个不同的农村区域的路网的结果，据此我们就可以去评估不同农村区域的发展，评估扶贫的进度等等。

讲完通过卫星观看地球，接下来我再介绍另外一种数据。

大家看，这是一张什么图?

大家可以看到这样一个关于中国的亮度图，相对比卫星拍摄的夜光亮度，这个数据我觉得更加壮观，也更加细腻。

我们除了能够看到整个中国人口的黑河——腾冲的分布线，我们还可以清晰地看到北京、上海、广州三个非常亮的区域，以及整个我们祖国的山川河流轮廓，都可以从里面看到。

它不是卫星拍摄的夜光数据，而是2015年除夕一天手机位置数据经过脱敏聚合后的可视化结果。

这是中国的华北平原区，我们甚至可以看到黄河的形状，右下角是太湖，崇明岛，在整个华北平原上像星星一样的这些小点可能是某个四五线城市，或者是某个县城，我们对比除夕这一天的数据和平时数据，发现这些点的灯光明显比平时亮了很多。

因为这几个省，山东、河南、河北是外出务工大省，在除夕这天，很多人返回家里与家人团聚，所以使得这块区域的亮度比平时亮了非常多。

手机位置数据如何去评估一个区域的经济发展，感知一个区域经济的变化呢?

这里是一个MIT的研究人员在英国做的一个项目，他们拿出了三万个小区的电话通讯数据，认为任何两个小区之间的通话意味着它们之间存在社会关联，据此搭建起了人脉网络，统计出通话网络多样性指数。

举个简单的例子，比如说我们打开自己的微信朋友圈，我们可以通过几个维度来定义我们的人际网络多样性指数。

比如说我们有多少个好友;我们的好友都分布在中国的哪些省份;我们这些好友的职业是不是分散得很广，如果说你的好友又多，分布区域又广，他的职业分布又广，恭喜你，其实你的好友多样性指数非常高。

而且他们研究发现，把右边这张图X轴的多样性指数，和不同小区的收入水平做关联，他们发现这两者之间呈现73%的关联性，也就是说，如果你的好友很多的话，分布区域越广，分布越散的话，你就是传说中的土豪。

同样，我们还可以通过移动的数据来做人口普查的分析，大家知道中国每10年做一次人口普查，费时费力，而且可能等我们做完人口普查，人口结构又发生了变化。

这个是欧洲的研究人员通过分析葡萄牙手机基站数据，做的人口密度动态评估。A是官方统计的人口动态密度，B是用手机位置数据来估算的人口动态密度，C是用卫星遥感图像来分析出来的人口密度分布。

大家可以看到，B和C和A的结果都非常接近，数据分析这两者之间的关联性将近90%。

此外，我们还可以通过手机的数据去预测不同国家区域的贫困程度，这是伯克利大学的科学家分析非洲卢旺达这些国家的贫困收入。

他们通过分析用户的手机数据，比如打电话的时长，各种社交网络关系和出行信息来作为特征，通过机器学习算法去预测一个人的收入水平，然后他们把不同区域的数据再聚合起来，就能得出聚合后不同区域的收入水平和贫困状况。

通过这种方法，他们得出了整个卢旺达国家的人均收入和财富分布的变化，这个数据其实和官方公布的结果非常接近，但是它可以几乎是实时地更新，可以动态地更新，可以为世界银行这种机构提供非常有价值的参考。

最后，我想分享一个用手机数据回答的一个长期以来困扰很多中国人的经济谜团，那就是中国的房地产空置率到底是多少?中国传说中的空城或者叫鬼城到底在哪里?

传统的手段，可以入户调查，或者看晚上有多少个空调，亮了多少盏灯来分析一个区域的空置率的变化，我们是通过用机器学习的算法，去分析预测用户的居住地和工作地的分布。

这张图是上海某区域的工业园区和居民区的分布密度图，结合用户的手机数据和卫星图像深度学习检测不同的住宅区，不同的工业园区，我们就可以评估一个住宅区的空置程度。

通过这种方法，我们是第一次通过数据的手段去感知到了中国空置率比较高的一些楼盘，这个项目叫做“空城计”，计算的计。

这张图给出了监测到空置区楼盘比较多的九个中国城市，在这里就不点名了，大家可以根据自己地理学知识，结合卫星图像去感知这是哪个城市的哪个区域。

我们在做这个项目的同时，也发现了一个非常有趣的现象。大家知道国外的媒体经常拿郑州的郑东新区作为鬼城的典型例子，但其实我们在两三年前的研究中就发现，其实郑东新区的劳动力活跃指数已经非常高，我们很难再把它当成一个鬼城。

大家知道，比如在上海，我们可能有2000万人，如果这个城市多了十万人，或者少了十万人，我们是很难感受到的，但是数据就可以看出来，一个城市的劳动力趋势的变化，它就像一个城市的心电图一样。

这是通过数据分析得出的东莞和南宁的月度劳动力趋势图。

由于中国有两个法定长假，春节和国庆，因此对月度的劳动力趋势带来了季节性波动，但是我们依然可以通过长期的数据，看到不同城市整体的劳动力的趋势是上升还是下降。

因为一个城市的发展，无论如何都离不开劳动力，它包括了像你我这样可能需要996的工作者，也包括那些可能一年只能回家一次的农民工，所以如果我们能够通过数据去感知一个城市劳动力的变化，我们就可以去预测这个城市将来的走势。

我们这个研究当时得到了美国彭博新闻社的报道，彭博当时采访了北大光华管理学院的Jeffery Towson教授，他这样评价我们这个研究，我觉得非常形象，他说：

“之前我们分析一个区域的经济就好像是拿着一个手电筒去看，现在我们几乎是点了一盏灯，一下子我们所有东西都可以看得非常清楚。”

这都归功于我们今天传感器和物联网的发展。

我们今天主要讲了两个案例，一个是天上的卫星，一个是地下的手机的数据，

未来，随着5G的到来，传感器可能会遍布在我们身边每个地方。

可能我们今天看到这个灯，它上面就是有一个传感器，能够帮助我们感受到区域的灯光的亮度，和这块区域用电的亮度，那么通过这些数据就可以更加准确地，去实时地感知我们整个经济的发展。

我们放远了往前看五年或者十年，可能上海的大街上跑的是几十万辆无人车，它们就好比几十万双眼睛，帮助我们去观察着这个城市的一点一滴的变化。

它能够帮我们感知到海底捞，麦当劳前面有多少个用户，也能帮助我们观察到张江高科技园区，不同的公司面前有多少员工出现。

所有的这些数据都可以帮助我们去分析我们经济的发展，感知我们经济的动态。

更能让我们感知到经济背后的温度和故事。