7位大咖齐聚CCF ADL计算经济学课程，探索算法博弈论，区块链、人工智能与经济学的交叉

2017 年10月19——21日，最新一期的中国计算机学会学科前沿讲习班（CCF Advanced Disciplines Lectures，简称 ADL）在上海财经大学举办。

本期主题是《计算经济学的理论与应用》，邀请了七位来自清华、上海财经大学、上海交通大学、香港大学的计算经济学领域专家以及蚂蚁金服、万向集团的负责人，从计算机经济学（算法博弈论）的基本原理、到拍卖、采购机制设计、区块链及分布式商业，并结合理论在实际中的应用场景进行了详尽的分享和解读。

7 位学术大牛、业界领袖分别是：

上海财经大学信息学院教授 陆品燕

上海交通大学教授 邓小铁

蚂蚁金服集团人工智能商业决策总监 盛子夏

万向区块链股份公司副总经理 陶曲明

香港大学计算机系助理教授 黄志毅

上海财经大学信息学院青年千人副教授 Nick Gravin

清华大学交叉信息研究院青年千人助理教授 唐平中

7位重磅嘉宾讲了啥？

下面就来回顾一下本次讲习班的主要内容（按分享时间顺序总结，排名不分先后）。

陆品燕：计算经济学概论

陆品燕，上海财经大学信息学院教授，理论计算机科学研究中心主任。获得清华大学计算机系博士学位后加入微软亚洲研究院。有50余篇科研论文在STOC、FOCS、SODA、EC等顶级计算机理论及博弈论的国际会议和杂志发表，荣获ICALP2007、FAW2010、ISAAC2010等重要国际会议最佳论文奖。2017年担任计算经济学方向重要国际会议WINE 2017的程序委员会主席。

陆品燕教授的主要研究方向是理论计算机，并注重与其它学科的交叉，例如与经济学、博弈论交叉后诞生的算法博弈论（algorithmic game theory)，主要关注拍卖理论及机制设计。

作为本次课程的首位讲师，他首先作了一个关于算法博弈论的简单介绍。算法博弈论研究博弈论和经济学中的计算问题，包括各种均衡（如Nash均衡、市场均衡等）的计算复杂性问题、优化问题、合作博弈和利益再分配、商品定价等。他说，“算法博弈论是经济学中的工程学。”

而机制设计归根结底也是算法问题，现实中的案例包括搜索引擎网址排序、淘宝卖家排序等。总的来说，在市场行为、交通道路设计、导航问题、在线广告拍卖、选举等方面，算法博弈论都能发挥作用。此外，陆品燕教授还重点讲解了渐近最优诚信机制（asymptotically optimal truthful mechanisms）和最佳拍卖机制（optimal competitive auctions）。

邓小铁：基于数据的互联网市场定价与资源分配原理所面临的行为学挑战

邓小铁教授，上海交通大学教授，千人计划特聘专家。 他曾在英国利物浦大学、香港城市大学和加拿大约克大学任教。 因为对算法和博弈理论交互研究的贡献，于2008年获选ACM Fellow。2012年入选国家千人计划。目前的研究重点集中在算法博弈理论包括均衡分析和机制设计, 并应用于互联网经济学金融学。发表论文200余篇，被引用数千次。多次做国际学术会议特邀报告，曾获得IEEE理论计算机学术会议FOCS的最佳论文奖。

邓小铁教授表示，今天的互联网为不同类型的市场创造了广泛的机会，适用于各种应用：出租车的呼叫服务，在线餐饮外卖，共享单车。但如何对这些平台提供的服务进行定价是一个问题。这些模式定价和分配的一个共同特征是，导致这些决定的信息是基于收集的数据，包括被动观察和积极从参与者征求得来的数据。针对这类服务的定价和分配对决策制定适当的协议提出了挑战。

而目前学术界尚未提供一套全面的方法来解决这些新型经济体所涉及到的基于大数据，机制设计和算法方法的新业务问题。他也在课程上提出了一些诞生于这样的研究领域的基本问题，重点探讨解决挑战中的定价和分配的经典原则。

盛子夏 ：人工智能驱动金融生活

盛子夏2012年加入阿里金融，历任网商银行风险管理官，现任蚂蚁金服集团人工智能商业决策总监。目前主要工作包括构建金融知识图谱来实现下一代的金融私人虚拟助手，并实现私人银行的智能理财和资产配置服务的普及化。

盛子夏以“一部手机走遍杭州”为引，说明AI已经深入金融和生活的方方面面，在信用、个性化推荐、风控、搜索、智能助理、营销方面都能发挥作用。而蚂蚁金服正在将AI作为Techfin的主要驱动力，在上述多个场景中已经付诸实践。此外，他重点介绍了智能客服、个性化产品和咨询推荐平台、安全大脑平台、运费险、基于参数服务器的大规模机器学习五个案例及背后核心技术。

陶曲明：区块链与机制设计 

陶曲明，万向区块链股份公司副总经理，万云平台总经理，万向新链加速器负责人，万向区块链咨询业务负责人。在加入万向前，陶曲明在全球顶尖IT企业积累了超过18年的丰富服务管理和业务管理的实践经验。

陶曲明从比特币这一区块链经典应用切入，介绍了区块链六层系统架构和比特币几点重要且精妙的机制设计，例如挖矿与记账过程、交易签名与校验、最长分支博弈、防范伪造或复制假币、防范51%算力攻击等。

他认为，区块链技术正在重塑商业。在降低交易成本的同时，区块链的代币激励机制提升了网络价值。此外，还催生了分布式商业，淡化传统商业社会中所有权的概念，更加强调使用权的意义。

但同时，陶曲明也指出，分布式商业位于早期阶段，实现过程存在众多挑战，包括不完善的共识机制、扩容、交易频率等技术障碍、以及利益分配等问题。而且，分布式商业也存在一些劣势，比如决策效率低、使用体验不友好、稳定和安全性欠缺等。

黄志毅：基于数据的机制设计理论

黄志毅，香港大学计算机系助理教授，第一届姚班毕业生，宾夕法尼亚大学计算机与信息科学博士。主要从事计算博弈论，机制设计，在线算法，以及差分隐私方向的理论研究工作。曾获得香港杰出青年学者以及ACM SPAA 2015最佳论文等奖项。

传统经济学基于贝叶斯模型的机制设计理论假设买家对所求物品的价值是从一个先验概率分布中随机采样得来，并且这个先验概率分布对于卖家是已知的。然而在实际的应用场景中，卖家只能从以往的用户数据中提取出关于这些先验概率分布的部分信息并以此为基础进行机制设计。

黄志毅教授以一个买家一个卖家的简单模型为例，从严格的数学模型出发探讨关于如何基于用户数据设计近似利润最大化机制的一些问题：卖家需要多少数据才能设计出取得99%近似最大利润的机制，如何在一个在线机器学习的模型下平衡最大化当前利润以及学习买家信息两者之间的关系等。他一共讲述了三种模型，sample complexity、online action、online action with non-myopic bidders。

Nick Gravin: 采购预算的可行机制

Nick Gravin，上海财经大学信息学院青年千人副教授，数学与计算机科学博士。Nick Gravin曾是 2003年国际奥林匹克竞赛金牌得主，曾任职 微软新英格兰研究院、麻省理工学院的博士后研究员。Nick Gravin的研究兴趣涉及算法博弈论，凸几何与离散几何，概率论和组合优化等领域。

采购预算的可行机制设计（Budget Feasible Procurement Mechanisms）聚焦于在预算下从战略代理商购买物品或服务的场景。简单地说，就是多个卖家一个买家。该场景提出了有趣的组合优化问题，包括众包，社交网络营销，推荐系统，频谱拍卖和隐私拍卖等应用领域。

Nick Gravin 教授从理论和应用两方面进行讲解。理论方面涉及组合优化，竞争分析，近似比率，贝叶斯模型，贴现价格机制。而在应用方面，他谈到了社交网络的兴趣影响力，定价和匹配众包任务以及隐私拍卖等领域。

Nick Gravin教授表示，希望该课程能成为采购问题相关的实用工具箱，并对于组合优化、机制设计、在线学习（online learning）等相关问题有所帮助。

唐平中：最优机制设计 

唐平中，清华大学交叉信息研究院青年千人助理教授、博士生导师、计算经济学研究室主任。唐平中博士的研究领域是人工智能及多智能体系统，专注于互联网背景下计算机科学与经济学的交互。他在该领域著名会议及期刊发表论文四十余篇，获得IJCAI-15媒体论文奖，AAMAS-17最佳论文和最佳学生论文提名和IJCAI-17青年事业奖。唐平中博士提出的解决方案包括百度搜索广告中的个性化保留价项目，淘宝平台的防刷单推荐算法和滴滴拼车的定价机制。

唐平中博士首先分享了拍卖的起源和现状，指出拍卖物品的特质主要表现在，价值会随着时间而降低，市场狭小，目标用户不多。

他还谈到单物品拍卖的四种常用方式，英式拍卖、荷式拍卖、第一价格拍卖、第二价格拍卖，并分析了每种方式背后的逻辑和理论。此外，讲座还涵盖最优机制设计领域当中经典和前沿的结果，着重介绍了如何将这些理论结果应用到重要的工业场景中。

“实际上，拍卖的场景很广泛，尤其是在互联网时代。互联网公司如何将巨大的关注度转化为收入都与拍卖有关，就是将关注度卖给对这些感兴趣的人，例如电商与商家，搜索与广告主等。”他表示。

座无虚席、意犹未尽的现场

3 天，每天从上午 9 点到下午 6 点，报告厅座无虚席，只能在最后加座一排。据雷锋网了解，还有数个上财本校的老师自发来学习。而在课程的休息环节或者结束课程后，讲师们也总是被学员团团围住，甚至也有讲师在课程结束后又被同学拉着再聊了半个小时才意犹未尽散场的情况。

下面是雷锋网编辑在现场看到的一些盛况：

雷锋网人工智能培训平台 AI慕课学院获 CCF 独家线上视频版权，雷锋网 (公众号：雷锋网) 作为独家合作媒体，完整再现各路专家现场授课、交流的场景。观看本次讲习班完整视频+PPT可戳： http://www.mooc.ai/course/193 ，或者扫描下图二维码观看。

。