1. 《经济学人》有哪些不同的板块(上)
经济学人一共有这些版块
0 cover封面会给出四篇文章的标题，通常前三篇来自leaders社论
1.The world this week,一般包括三部分politics, business, Cal's cartion(Kal是经济学人漫画家的名字)，这部分属于全球要闻速读。
阅读建议: 注意《经济学人》是怎样用 简洁的语言，精准的用词，生动的细节 来概括新闻事件的。
3.Letters(一页纸，千字左右)，letters的作者是《经济学人》的读者，他们可能政府官员等重要人物，署名后会跟着印有职位；普通读者就只有署名了。
阅读建议:注意读者是怎样展开、论证或反驳一个观点的。可以 体会论证方法，收集论证句式。
4. Briefing:说是briefing实际算是深度报道，往往从leaders5篇文章中选一篇做深度分析。这部分是《经济学人》里单篇篇幅最长的内容，一般2-3页。
阅读建议: 学习《经济学人》怎样 充分展开一个论点 。推荐和leaders版块同主题文章一起阅读。注意 词汇，句式的灵活替换。
5.Asia; China; United States; The Americas; Middle East and Africa; Europe; Britain
有意思的特点:
①只有三个国家有自己的版块: 英国，美国，中国。
这三版块的专栏分别叫 Bagehot (Britain)— 白芝浩（Walter Bagehot），英国最着名的经济学家、政治社会学家和公法学家之一。后人认为，白芝浩是《经济学人》历史上最伟大的主编，“或许是《经济学人》的编辑们永远试图接近但无法超越的楷模”。为纪念他的卓越贡献，后来闻名于全世界的《经济学人》将其有关英国政治的专栏命名为“白芝浩专栏”。英国政治研究协会（Political Studies Association）每年给政治与公共行政领域的优秀论文颁发“白芝浩奖” )
Lexington (United States)—莱克星顿（列克星顿），美国马萨诸塞州一小镇，因美国独立战争在此打响而着名。
Analects (China)— 这个比较好理解，就是来自中国古代四书之一的《论语》。
②美国版块的文章数是中国版块的两倍。
③除了中国版块，The world this week, Leaders, Letters, Business等其他版块往往也会有关于中国的文章。
④每个版块一般都会有一篇专栏文章。
Bello（Americas）–这个Americas本来指拉美，《经济学人》用它指包括加拿大，但不包括美国的南美。贝约是哥伦比亚中部城市，也是自治市，用来比喻美洲板块。
Baobab (Africa & Middle East)— 这个词同样是一种树--猴面包树 (很有意思的名字)，这种树在非洲很普遍，树名的由来，在非洲有两种说法。一种说，这是黑非洲土着人的称谓，意为"瓶状树"。另一种说法，认为这是从一个阿拉伯语词汇演变而来。这样，中东和非洲都包括进去了。这个专栏貌似已经没有了。
Banyan (Asia)—是TE于2009年4月新推出的亚洲事务专栏，选择菩提（Banyan）作为专栏名，是因为TE认为菩提最能代表泛亚形象。一则菩提树与佛教渊源颇深，佛祖释迦牟尼在菩提树下静坐7个日夜后，大彻大悟；再则由于印度西部古吉拉特商人往往在菩提树树荫下买卖交易，菩提树也因此而得名，所以TE认为菩提树是亚洲精神文明和物质文明的双重象征。在亚洲，菩提还与公共事务有着千丝万缕的联系，也是他们选择的理由之一。
Charlemagne (Europe)— 查理曼大帝（公元742---814年），或称为查理，卡尔大帝，法兰克王国加洛林王朝国王，神圣罗马帝国的奠基人。他建立了那囊括西欧大部分地区的庞大帝国。公元800年，由罗马教皇加冕神圣罗马帝国开国皇帝，号为罗马人皇帝。他在行政、司法、军事制度及经济生产等方面都有杰出的建树，并大力发展文化教育事业。是他引入了欧洲文明，他被后世尊称为“欧洲之父”。欧洲板块因此就选用了这个名字。
阅读建议:聚焦自己感兴趣的区域或话题; 偶尔看看陌生的区域和话题; 中国版块。
8.Technology Quarterly*(*表示不是每期都有的内容)。
就某个科技话题深度探讨。
阅读建议:按兴趣阅读; 适合挑战用较短时间深入理解一个陌生的科技话题。
9.International 一般2-3页，1-2篇文章，主题是各国读者能产生共鸣的话题。
阅读建议: 探索阅读兴趣，注意在讨论不同国家地区情况时的 同意替换表达 。很多话题可以作为和外国朋友做 深度交流的绝佳素材 。
10 Business 一般7-8篇文章
有意思的特点:
①这是唯一个个有两个专栏的板块Bartleby-新专栏，侧重职场内容
经典专栏Schumpeter，侧重管理
Schumpeter (Business) — 约瑟夫·熊彼特(Joseph Alois Schumpeter)，或译为熊彼德是一位有深远影响的政治经济学家，因主张自由主义资本经济制度，与凯恩斯理论间相互对立，虽然他的经济学说并不如凯因斯在生前就获得很大的回响，但研究者咸认为他对于经济学科的思想史有着很大的贡献，于哈佛任教期间引介计量经济理论的研究，竖立该校于经济研究的重镇地位。
②一般会有1-2篇关于中国商业或互联网的文章。
11.Finance and economics
12.Science and technology
14.Economic and financial indicators
共同点:
①专业性较强，最适合相关领域的从业者阅读。
②为了照顾到普通读者，专业术语往往用简单的语言解释。
阅读建议:偶尔可以挑战自己的阅读能力，尤其是快速获取信息(scanning&skimming的)能力。
结论
从自己的兴趣出发，只读感兴趣的。
初读《经济学人》坚持阅读某一版块即可。
每个版块适合不同的学习目标，按需阅读。
2. 我是高一的学生 要求写一篇经济小论文 在600 到800字即可
随着人类科学技术的飞速发展，单纯依靠经验决策已经不能满足人类的发展需要。人们迫切需要经验决策活动向科学化的决策发展，从而形成一套具有完整体系的、便于他人学习和掌握并能运用的科学决策理论和方法。模糊概念和命题不仅在人们的日常思维中大量出现，而且在经济学家们分析和预测经济形势时，也不可缺少。经济生活的最大特点是模糊性，在对许多经济问题的分析和经济预测、决策中，精确的二值逻辑是无法解决的。而模糊逻辑无以提供了一种新的解决现实问题的方法。模糊方法对于经济工作中定性分析与定量分析的有机结合，也有重要作用。模糊逻辑的综合评判和选择令人满意的模糊决策方案
对一个事物的评价，常常要涉及多个因素或者多个指标。具体过程是将评价目标看成是由多种因素组成的模糊集合（称为因素集X），再设定这些因素所能选取的评审等级，组成评语的模糊集合（称为评判集Y），分别求出各单一因素对各个评审等级的归属程度（称为模糊矩阵），然后根据各个因素在评价目标中的权重分配，通过计算（称为模糊矩阵合成），求出评价的定量解值。上述过程即为模糊综合评判。
一般的评判问题往往涉及多个因素，特别是在经济工作中，对象的各因素之间普遍存在着模糊关系，因此，人们在思维中把握对象时总要充分考虑各种因素及其对事物自身类属、性态的影响，在整体权衡中做出综合评判，这就是模糊综合评判。就拿商品房来说，一套住房是否为顾客喜欢，往往涉及好多因素，如地段、样式、楼层、价格和舒适度等。如何评价住房的优劣，就是个模糊综合评判问题。下面就以评判某套商品房为例说明模糊综合评判方法。
设X=房屋地段（x1），样式构造（x2），价格（x3）， Y=很欢迎（y1），比较欢迎（y2），不太欢迎（y3），不欢迎（y4）先做单因素评价。假如单就房屋地段考虑，请一些专门人员进行评价，有50%的人认为很欢迎，有40%的人认为比较欢迎，有10%的人认为不太欢迎，则对房屋地段的评价为：（0.5，0.4，0.1，0）
又假设对样式构造来说，评价为：（0.4，0.3，0.2，0.1）
而对价格所做的评价为：（0，0.1，0.3，0.6）
这就构成单因素评价的模糊矩阵，用R表示。
不同的顾客由于职业、性别、年龄、爱好、经济状况不同，对商品房的三个因素给与的权数也不同，要进行综合评价还必须加入权重系数。假如有一类顾客买商品房时主要的要求是房屋地段好，样式构造较差不要紧，价格比较便宜，则有：
A = ( 0.5, 0.2, 0.3 )
这就是此类顾客对服装评价的三个权数分配，即房屋地段的权数为0.5，样式构造的权数为0.2，价格的权数为0.3。由综合评判可得，这类顾客对商品房的评价结果为：
B=A·R (0.5, 0.4, 0.3, 0.3) (注：AR 表示两个模糊集的合成运算，具体算法略)
再做归一化处理，即各项除以1.5，得：（0.33，0.27，0.20，0.20）
这一结果表明，33%的人认为这套商品房很受欢迎，27%的人认为比较受欢迎，20%的人认为不太受欢迎，20%的人认为很不受欢迎。也就是说，就整体来说有一半以上的人对这套商品房的设计是很受欢迎或比较受欢迎的，因此这套商品房的设计比较成功。
从上例可以说明，人的认识的综合评判活动，是对各个单独因素的模糊分析和对各个因素的整体的模糊综合的辩证运动过程，它体现出模糊分析和模糊综合的互相依存和互相转化，也体现了对事物进行的多角度、多侧面、多因素、多值、多测度的立体思维考察。所以，模糊多属性决策分析的理论、方法及其应用研究，不仅对管理科学、技术经济理论与应用的发展具有重大的理论意义，而且对解决许多复杂的实际决策问题也有特别重要的现实意义。
在过去的10多年中，中国和印度两国经济高速增长，这正在改变着世界经济的格局，并引起世界各国的极大关注。中印两个文明古国在长期停滞后重新实现经济增长，证明了市场化对经济发展的作用，为世界经济的增长提供了动力，有利于世界消除贫困、控制人口，因而有着多方面的世界意义。
在这种情况下，中国和印度的经济增长模式受到了广泛的关注，相似的原理和诸多不同的外界因素改变着两国的经济发展方式，为两国带了了不同的市场与未来。
关键词：中国经济增长模式、印度经济增长模式、经济增长率、当我们把目光投向近年的亚洲经济版图，中国和印度的经济增长无疑是其中的一抹亮色。中国与印度既是邻国，又是世界人口大国，两国国情有很多共同之处，经济增长的模式上也有种种相似以及诸多不同。
在过去的10多年中，中国和印度两国经济高速增长，目前已是全球经济增长最快的两个国家，而这样快速的增长正在改变着世界经济的格局，并引起世界各国的极大关注，从而引发了中国与印度热。
如果说印度崛起的原因是自然而然的和自由化的改革政策，那么中国经济增长则得益于政府深思熟虑的结果。
一、中国与印度崛起的世界意义中国与印度所在的亚洲曾经是非常富庶的地方，直到19世纪之前，中国比欧洲或者亚洲任何一个国家都要强大，在1820年时，中国的GDP 比西欧及其衍生国家的总和还要高出将近30%。在西方国家进行殖民扩张以前，印度是后来成为西方殖民地国家中唯一的工业品出口国，即使到了英国对印度进行殖民地统治以后的一段时间里，印度的工业规模仍然要比其他任何一个欧洲殖民地的工业规模都要大。但是，随着西方对印度的殖民，以及对中国的殖民渗透，本来就已处在停滞状态的中印两国经济更是出现了历史性的大逆转。在此后的100多年时间里，中国与印度，以及这两个大国所在的亚洲很快就成为世界上最为贫困的地区，而且大部分贫困人口恰好集中在中国与印度这两个人口规模极其巨大的国家里。亚洲的复兴是从二十世纪五十年代开始的，但是走出亚洲经济复兴第一步的并不是中国和印度，而是日本。这是因为中国与印度在争得民族独立与解放之后，选择了被事实证明是缺乏效率的"计划经济体制"，结果未能实现有效的经济增长，从而也就不能有效地解决多个世纪积累起来的贫困。但是，当日本于20世纪70年代成功实现对欧洲的赶超，以及随之而来的东亚"四小龙"的经济起飞，给中国以巨大的冲击。中国在经过审慎的思考以后，在1979年以后毅然决然地走上了向市场经济转型的道路，从而创造了令世人震惊的中国经济奇迹。面对中国的经济奇迹，印度最终也在1992年开始了向市场经济的转型，结果，在进行转型后的10多年时间里，也发生了在印度历史上从来没有过的经济增长。中国与印度的崛起为解决世界性的贫困问题提供了新的希望。只有经济增长才能有效地减少和消灭贫困，即财富的创造是解决贫困问题的关键性因素，而分配至多只能解决公平问题，绝对不能解决贫困问题。自1979年改革开放以来，中国使大致 4亿左右的贫困人口脱贫。印度在刚开始改革时，贫困人口占全国总人口的36%，改革仅 8 年，其贫困人口占全国总人口的比例就下降了八个百分点，平均每年降低一个百分点。 中国和印度的崛起有助于减少和消除世界性的贫困，为世界经济带来新的增长动力。它们都是 “人口年轻”国家，可以为世界带来巨大的红利；它们拥有强大的低成本制造能力，可以让世界在实现经济高速增长的同时而不通货膨胀；从长期来看，它们将为世界创造一个规模空前巨大的新兴市场。
二、中国和印度相似又不同的发展模式 1、中国模式：当中国经济在20世纪80年代以闪电般的速度起飞，并且成为全球经济强国时，全世界从最初对中国的不信任逐渐转为由衷的钦佩。中国的国内生产总值主要以制造业拉动，增长率在2006年达到11%后，又在2007年增至12%。中国依靠巨大的国内储备资金大力开展基础设施建设，同时吸收大量外资在中国建立工厂，引进所需的国外专业技术。改革开放后30年的中国经济发展模式，是以否定计划经济的弊端为发端，以市场经济为价值取向和依靠市场调节自发优化资源配置为理论根据而设计和安排的经济模式。是以市场经济为价值取向、以地方分权为行政运作、从农村分田单干起步、公有经济民营化、使一部分人先富起来的经济模式。从总体上说，这是一种市场经济模式，由于它具有市场经济体制的一般优越性，从而为中国经济带来了活力。 2、印度模式： 记得家人出差到印度，回来后形容对那里的“落后”印象深刻。简陋的基础设施、堵塞的交通、满街低档国产车、大城市的贫民窟、随处可见的乞丐，作为孟买一景的多比哈特露天洗衣场……都给人以一种“穷国”的强烈观感，跟中国沿海城市热火朝天的市政建设比起来相形见绌。然而，人们往往没有看到的是印度发展的潜力及其增长模式的可持续性，随处可见的IT公司招牌挂满大街小巷，迅速发展的服务行业……自1980年到2002年，印度的经济增长率保持在6%，到2002年至2006年，其增长率稳步上升到7.5%。2006年以后的经济增长率突破8%。在过去的20多年中，中产阶级的规模翻了4倍，达到2.5亿人。印度的经济起步落后于中国大约10年，它的崛起之所以令人关注，并不是因为这是新的现象，而是因为它的发展模式非常特殊。其崛起主要依靠西方工作岗位的地域性转移。同时印度迅速造就了一批世界级的知识密集型企业以高科技为先导的服务业优先，所属行业包括软件业、IT业和制药业。这些行业在发展过程中很少得到政府的资助，却有力地推动了经济的发展。印度采取的战略跟其他亚洲国家不同，它并不依赖于出口劳动密集型的、价格低廉的工业产品，而更依靠国内市场以内需为主拉动消费，他们重消费而非投资，重服务业而非制造业，重高新技术产业而非技术含量低的工业，自下而上的市场主导的经济运作。这种方式意味着印度的经济在很大程度上可以避免受到全球经济疲软的冲击，从而表现出很强的韧劲。以消费为主导的发展模式有利于人民生活的普遍提高，印度的贫富差距比其他发展中国家都要小。而且，30%至40%的国民生产总值来自于生产力的增长，而不是资本或劳动力的增加。 3、中国经济增长率和印度经济增长率（图） 4、中国和印度经济增长模式的比较：如果说世界上有一个国家对中国来说最有可比性的话，那就是印度，因为两个国家的很多禀赋都比较相似。由于制度环境和初始条件不同，中印两国的发展模式也不同，这表现在市场化路径、开放模式和增长道路的差异。中国和印度走向市场化的道路不同，由于中国与印度的国情不同，中国和印度走向市场化的道路存在着很大差异。中国在改革开放以前实行的是以公有制为基本制度的计划经济，而印度在其改革开放以前所实行的则是以私有制为基本制度的计划经济，这种制度上的根本差异导致了这两个国家在向市场经济转型时，必须要选择不同的改革道路。对于中国而言，要想完成从计划经济向市场经济的转型，首要的任务便是进行所有制的改革。对于印度来说，其通向市场化的道路就是放松政府管制、大力推进经济自由化与贸易自由化就可以了。但不管中国和印度在走向市场化的过程中所采取的方法有多大的不同，中国和印度的改革在有一点上却是非常相似的，那就是两国都谨慎地采取了渐进改革的方式，从而避免了那种发生在前苏联和中东欧计划经济国家转型过程中的社会动乱，以及因为社会动乱而造成的经济衰退。中国和印度对外开放的模式不同，这两个国家也存在着相当显着的差别。就中国而言，对外开放的主要方式是出口导向和引进外资，而印度的对外开放则采取了对外投资与自由贸易的方式。中国与印度的经济增长道路不同，中国是沿着从农业到制造业，再到服务业的发展道路循序渐进的，而印度则部分地采取后一种经济增长的道路，把更多的注意力集中到了服务业的发展上。
三、中国和印度经济增长的未来和所需面对的挑战为了实现经济的持续发展，中印两国都面临着挑战。两国共同的问题是坚持通过创造财富来消灭贫困而不要搞平均主义。中国还需要深化以农民土地所有权、国有企业所有权和私人财产所有权为重点的产权改革，印度则需要改革其限制社会流动、压抑经济活力和削弱人力资本投资的种姓制度。印度与我国相比在经济增长中的优势：开放程度比中国高得多，与世界各主要大国关系较好，外部压力较小，精英教育已见成效，印度社会精英阶层整体素质比中国高得多。而印度的劣势是：宗教矛盾日益突出，社会动荡，恐怖事件时有发生，这些都极大地打击了外国投资，由于市场过度开放，对本民族工业造成很大冲击，有些领域经济命脉把持在外国资本家手里，一些基础设施建设很差，已经严重束缚了印度经济的发展。印度总理曼莫汉·辛格说：“只要政策对症下药，经济成就是会持续下去的，从而相应提高亚洲区内人民的生活水平，这也即代表着全球近半的人口，生活素质得到改善。” 辛格还指出，当前全球经济面对的最大挑战，仍是在如何复苏这个问题上。即使亚洲国家并没有受不良证券的拖累，但区内国家多倚靠全球贸易支撑经济，经济变差，需求大减，波及出口贸易。“对中国、印度、印尼这些着重内需的国家来说，外来经济环境不景气，对其冲击不会很大，但对于倚赖出口的经济体来说，影响却甚大。”但辛格补充说：“如今，亚太区经济陆续转佳，截至去年年底，亚洲多数国家的出口更已重回经济危机发生前的水平，当中还包括曾遭受最严重打击的国家。”依据2010年一季度的增长率来看，短期内中、印两国的经济发展走向还是会加速前进的。
全中国有多少能够发表经济学论文的刊物？数百种，甚至上千种？反正是多如牛毛。中国社会科学院和各地的社科院、许多大学的经济学院、一些国家机关、金融机构等等都有自己的刊物，这还不算也刊登理论文章的报纸。应该说，最近20年来，中国的经济学和经济学期刊都有了很大的进步，但是，我们还要看到，存在的问题仍然不少：
（1）综合性的期刊太多，专业性的期刊太少。在国外，除了为数不多的几本综合性经济学期刊之外，具有国际性声誉的主要是各种专业性期刊，比如金融有《金融学》杂志，比较经济学有《比较经济学》杂志等。国内的各个经济学期刊并没有明确的专业分工，内容重叠，使得读者想要了解一个领域的最新进展往往无从入手。
（2）对刊物的评价缺乏科学标准。目前流行的刊物分类方法是根据刊物主办单位的级别进行评级，或是根据国家有关行政单位的评比，这使得学术期刊的评级缺乏学术界公认的科学标准。
学术期刊多而质量参差不齐，对于研究人员和学生发表论文来说，既是一件好事，也是一件坏事。说它是好事是因为从目前的情况来看，一个聪明的研究生随随便便挑几份刊物，登数十篇论文，根本就不是件难事。说它是坏事，是因为发表论文如此容易，会很容易地毁掉刚出道的学子，让他们觉得科学研究原来是这样一件稀松平常的事情。所以，我的建议是青年学子们在投稿的时候一定要确立自己的目标，就是不满足于在平庸杂志上发表论文的数量，而一定要登上好的经济学刊物的“大雅之堂”。
那么，什么是好的经济学刊物？学术期刊上的论文往往充斥着难懂的术语、复杂的推理和烦琐的数据，很难让普通读者读懂，并因此会让门外汉感到“高山仰止”、“阳春白雪”。事实上，学术期刊与大众媒体的功能是不同的。大众媒体面向的是普通公众，读者只需要受过中级的教育程度并有基本的理解力，但不必要受过某个学科的专门训练。学术期刊的作者和读者基本上局限在一个狭窄的小圈子里，即受过某个学科的训练并且仍然在从事这个学科的研究和教学的人员。大众媒体上的文章是为了影响读者，而学术期刊上的论文是为了同行交流。所以，如果用所传递的信息量或是思想的深刻程度来衡量文章的质量，学术期刊上的论文并不一定要比大众媒体上的文章质量更高。比如《经济学人》、《商业周刊》在专业经济学家那里赢得了很高的荣誉，不少一流的经济学家都承认他们经常从这些杂志上找到灵感，而在国际关系领域，《外交》杂志的水平不亚于任何一份最好的学术期刊，但是这些杂志并不能被称为学术期刊。在《经济学人》或是《外交》上发表文章能够提高作者的知名度但对他在大学里评职称却是一点也帮不上忙。衡量学术期刊的标准首先不在于其内容而在于其形式。
经济学论文发表期刊主要有(排名不分先后顺序)：《管理世界》《数量经济技术经济研究》《地域研究与开发改革》《经济理论与经济管理》《开发研究》《上海经济研究》《宏观经济研究》《长江流域资源与环境》《经济研究参考》《生产力研究》《城市问题》《城市发展研究》《中国经济史研究》《资源科学》《中国人力资源开发》《经济体制改革》《经济问题探索》《资源、产业（改名为：资源与产业）》《中国经济问题》《南方经济》《现代城市研究》《消费经济》《生态经济》《经济数学》《中国流通经济》《开放导报》《特区经济》《现代经济探讨》《宏观经济管理》《运筹与管理》《改革与战略》《技术经济与管理研究》《中国经贸导刊》等。[2]
经济学论文是对经济学领域的研究成果做出的的结论性总结，是对社会经济现象深入分析的结果。
一、选题结构特点
1. 选题
选题应该能够解释关系较多人利益的现实活动，如用激励理论研究中国农业问题。解释范围太狭隘的选题写作意义也不大，但可以作为小品文，如研究清华北大占位问题。
2. 内容
利用简单而深刻的经济学模型表达自己的观点，并利用分析证明自己的观点。
内容的好坏主要取决于：(1)用同行通用的规范经济学方法分析问题;(2)语言清晰准确表达要表达的意思;(3)模型对现实的解释能力。
3. 写作形式
形式规范，内容才能规范。如必须有理论综述部分，就要求确实要了解该领域目前的研究进度。必须有模型的假设，就必须设计出有意义的假设。必须有规范的实证检验，就不能随便罗列一些数据，而必须找到确实能够支持自己论点的证据。
二、写作思维方式
一切从利益最大化角度分析，构造现实主体的利润函数和约束条件，以求最大化诠释。
三、理论模型分析
1. 基础理论，包括理论综述、现实意义。
例如：具体钻研某一特定领域。
2. 模型，包括假设、界定函数式、求解均衡解、模型的推广。
例如：《高级微观经济学》、《高级宏观经济学》、《博弈论》。
3. 实证分析，例如：《计量经济学》。[3]
3. 一篇经济学人的报道大概有多少单词呀
有长有短，长的有一两千词，短的几百词，有些长篇文章有三四千词，一般是一千词左右。
4. 经济学人2018-02-06
YOU have multiple jobs, whether you know it or not. Most begin first thing in the morning, when you pick up your phone and begin generating the data that make up Silicon Valley’s most important resource. That, at least, is how we ought to think about the role of data-creation in the economy, according to a fascinating new economics paper. We are all digital labourers, helping make possible the fortunes generated by firms like Google and Facebook, the authors argue. If the economy is to function properly in the future—and if a crisis of technological unemployment is to be avoided—we must take account of this, and change the relationship between big internet companies and their users.
无论你是否知道，其实你身兼数职。大部分开始于早晨你做的第一件事——拿起手机，开始产生数据，而这是硅谷最重要的资源。一篇新发表的 有趣的 经济学论文表示，至少我们应该这样来衡量创造数据对经济所起的作用。文章作者认为，我们都是数字化的劳工，帮助谷歌和脸书这样的大企业创造财富。如果未来经济要 正常运转 ，并且避免技术性失业危机的发生，我们必须要考虑这一点，改变大型互联网企业和用户之间的关系。
Artificial intelligence (AI) is getting better all the time, and stands poised to transform a host of instries , say the authors (Imanol Arrieta Ibarra and Diego Jiménez Hernández, of Stanford University, Leonard Goff, of Columbia University, and Jaron Lanier and Glen Weyl, of Microsoft). But, in order to learn to drive a car or recognisea face, the algorithms that make clever machines tick must usually be trained on massive amounts of data. Internet firms gather these data from users every time they click on a Google search result, say, or issue a command to Alexa. They also hoover up valuable data from users through the use of tools like reCAPTCHA, which ask visitors to solve problems that are easy for humans but hard for AIs, such as deciphering text from books that machines are unable to parse. That does not just screen out malicious bots, but also helps digitise books. People “pay” for useful free services by providing firms with the data they crave .
文章作者们(斯坦福大学的伊马诺尔·阿列塔·伊巴拉和迭戈希·门尼斯·埃尔南德斯、哥伦比亚大学的伦纳德·勒戈夫以及微软公司的杰伦•拉尼尔和格伦•外尔)一致认为， 人工智能（AI）技术日趋完善，势必将为多个行业带来变革 。但是，为了学习驾驶汽车或是进行面部识别，计算机必须通过算法来进行训练，而训练中就要使用大量的数据。每当用户点击谷歌搜索结果或是在Alexa上下达指令的时候，互联网公司都会收集这些数据。互联网公司同样使用工具，如使用验证码，从用户获取有价值的数据，要求访问者解决对于人类来说轻而易举但对于AI来说却非常困难的问题，例如解析书上的文字，这对于机器来说是不可能的。这不仅能够筛选出恶意的网络机器人，还能帮助将图书转为数字形式。人们向互联网公司提供了他们渴望的数据，以此来换取的免费网络服务。
These data become part of the firms’ capital, and, as such, a fearsome source of competitive advantage. Would-be startups that might challenge internet giants cannot train their AIs without access to the data only those giants possess. Their best hope is often to be acquired by those very same titans, adding to the problem of uncompetitive markets.
这些数据成为企业资本的一部分，因此也是竞争优势的可怕来源。那些有可能挑战互联网巨头的初创公司，由于无法获得这些被垄断的数据，因而无法训练他们的人工智能。他们最大的希望就是被同业互联网巨头收购，加重了市场的垄断程度。
That, for now, AI’s contributions to proctivity growth are small, the authors say, is partly because of the free-data model, which limits the quality of data gathered. Firms trying to develop useful applications for AI must hope that the data they have are sufficient, or come up with ways to coax users into providing them with better information at no cost. For example, they must **pester **random people—like those blur-deciphering visitors to websites—into labelling data, and hope that in their annoyance and haste they do not make mistakes.
文章作者认为，目前人工智能对于生产率增长的贡献还很小，部分原因在于免费数据的模式限制了数据的质量。如果互联网公司想要开发更有用的人工智能程序，他们一定希望能取得足够的数据，或者想方设法哄骗用户，免费获得更好的用户信息。例如，他们会随意骚扰随机用户——比如识别模糊验证码的网站访问者，进行数据标注，希望他们在不胜其扰的情况下也不会犯错误。
Even so, as AI improves, the amount of work made vulnerable to displacement by technology grows, and ever more of the value generated in the economy accrues to profitable firms rather than workers. As the authors point out, the share of GDP paid out to workers in wages and salaries—once thought to be relatively stable—has already been declining over the past few decades.
即便如此，随着人工智能技术的进步，越来越多的工作岗位将更容易被取代，而在经济发展中产生的价值则会越来越多地落到公司的口袋，而非惠及普通员工。正如作者所指出，在过去的几十年里，工人的工资和薪金占GDP的份额——一度被认为是相对稳定的，在逐年下降。
To tackle these problems, they have a radical proposal. Rather than being regarded as capital, data should be treated as labour—and, more specifically, regarded as the property of those who generate such information, unless they agree to provide it to firms in exchange for payment. In such a world, user data might be sold multiple times, to multiple firms, recing the extent to which data sets serve as barriers to entry. Payments to users for their data would help spread the wealth generated by AI. Firms could also potentially generate better data by paying. Rather than guess what a person is up to as they wander around a shopping centre, for example, firms could ask indivials to share information on which shops were visited and which items were viewed, in exchange for payment. Perhaps most ambitiously, the authors muse that data labour could come to be seen as useful work, conferring the same sort of dignity as paid employment: a desirable side-effect in a possible future of mass automation.
为了解决这些问题，他们提出了一个非常激进的建议。 数据不应被视为一种资本，而应当作为一种劳动，更确切地说，应该作为创造这些信息的人的财产，除非他们同意向企业有偿提供这些信息。在这种情况下，用户的数据可能会被多次出售给不同的公司，同时也能够降低作为入门门槛的数据收集难度。对用户的数据付费有助于扩散人工智能创造的财富。企业也将有可能通过付费获得质量更好的数据。 例如，当一个人在商场闲逛时，商家可以不用去猜测这个人在干什么，而可以通过付费的方式要求个人分享诸如他逛了哪些商店，看了哪些商品之类的信息。而作者大胆地设想，在不久的将来，数据劳动也能够被当成是一种有价值的工作，并且能够获得与有薪工作同样的尊严，而这正是未来可能的大规模自动化带来的一种好的副作用。
The authors’ ideas need fleshing out; their paper, thought-provoking though it is, runs to only five pages. Parts of the envisioned scheme seem impractical. Would people really be interested in taking the time to describe their morning routine or office habits without a substantial monetary **incement **(and would their data be valuable enough for firms to pay a substantial amount)? Might not such systems attract data mercenaries, spamming firms with useless junk data simply to make a quick buck?
从目前来看，作者的想法需要充实，他们的文章尽管 发人深省 ，但是全文仅仅只有5页。部分设想看上去不太实际。在没有足够大金钱利益驱动下，人们真的会有兴趣去花时间记录自己的日常习惯或者是办公习惯吗（或是用户数据的价值是否足以使企业去支付大量的费用）？这样的体系下是不是会吸引大批唯利是图，企图通过垃圾邮件或者无用数据来赚快钱的公司？
Still, the paper contains essential insights which should frame discussion of data’s role in the economy. One concerns the imbalance of power in the market for data. That stems partly from concentration among big internet firms. But it is also because, though data may be extremely valuable in aggregate, an indivial’s personal data typically are not. For one Facebook user to threaten to deprive Facebook of his data is no threat at all. So effective negotiation with internet firms might require collective action: and the formation, perhaps, of a “data-labour union”.
尽管如此，论文提出了数据在经济中的作用的 基本见解 。其中一点是目前数据市场权力的不平衡，这源于大部分的资源都集中在大型互联网公司手里。但是这也是因为数据只有在成规模的时候才有价值，单个的数据信息并没有那么有价值。比如说一个脸书的用户威胁他将从脸书上自己的数据，而这根本无法构成威胁。因此，同互联网公司进行有效谈判可能也得采取抱团的方式，也许通过‘数据劳工工会’这种形式比较合适。
This might have drawbacks. A union might demand too much in compensation for data, for example, impairing the development of useful AIs. It might make all user data freely available and extract compensation by demanding a share of firms’ profits; that would rule out the pay-for-data labour model the authors see as vital to improving data quality. Still, a data union holds potential as a way of solidifying worker power at a time when conventional unions struggle to remain relevant.
但是工会的模式可能也有问题。例如，它可能会对于数据要价太高从而影响那些非常实用的人工智能技术的发展。它可能让所有用户的数据可以自由获取，但用户通过从企业收益中获取分成从而获得补偿。如果这样，无疑会毁掉数据付费使用这一劳动模式，而这种模式正是作者希望用来提升数据质量至关重要的一环。尽管如此，当传统工会难以保持利益相关性之时，数据工会依然可能成为保护劳动者权利的一种方式。
Most important, the authors’ proposal puts front and centre the collective nature of value in an AI world. Each person becomes something like an oil well, pumping out the fuel that makes the digital economy run. Both fairness and efficiency demand that the distribution of income generated by that fuel should be shared more evenly, according to our contributions. The tricky part is working out how.
最重要的是，作者的建议将人工智能世界中价值的集体性质置于超前和中心的位置。 每个人都变成了一个“油井”，喷发出让数字经济运行的“石油”。公平和效率都要求根据贡献来更加均等地分配由我们生产的“石油”所产生的回报。理想很美好，但难的是如何将一切付诸行动。
References: [取经号]（ https://qujinghao.com/2018/01/27/5418/ ）