發展數字經濟中的人工智能方法論探賾

［摘 要］隨著智能機器和互聯網的興起，數字經濟崛起并已成為一種新的經濟增長方式和經濟形態，對人類社會發展產生了重要影響。以數字設備為基礎的高附加值的智能機器硬件和以億萬計的互聯網用戶群體形成了數字經濟發展的源頭和物質基礎；以決策樹、機器學習、神經網絡、數據挖掘等為代表的人工智能算法和軟件將人類智慧與機器智能融合一體，與傳統商業、科學研究、工農業生產、醫療服務等領域結合起來以促進數字經濟發展。在運用人工智能發展數字經濟過程中，不僅要深刻理解人工智能本質及其算法的核心要義，而且要重視綜合運用辯證思維方法、系統思維方法、底線思維方法等唯物辯證法，以促進數字經濟實現高質量發展。

［關鍵詞］人工智能；數字經濟；方法論

［基金項目］陸海經濟一體化協同創新中心研究項目“運用人工智能發展數字經濟的方法論研究”（2020B11）

［作者簡介］趙玉鵬（1974—），河南鶴壁人，博士，右江民族醫學院馬克思主義學院教授，研究方向：科學技術與社會；黃家周（1976—），廣西橫州人，博士，廣西財經學院馬克思主義學院教授，研究方向：馬克思主義與當代社會發展。

DOI：10.16743/j.cnki.cn45-1357/d.2024.02.015

人工智能起源于20世紀中葉，在各領域專業人才的共同努力下逐漸發展，對人類科技、經濟、社會、生活等各個領域產生了深遠影響。數字經濟作為一種在20世紀末興起的新經濟形態，充分體現了智能互聯網時代的特征。數字經濟的迅猛發展，引起社會學、經濟學、管理學、信息技術、政治經濟學、政策分析等學科領域的廣泛關注，并在前沿領域做出了很多理論和實踐方面的創新。人工智能與數字經濟息息相關，它在一定程度上能夠促進資本與勞動力融合，能夠放大并超越資本和勞動力的能力，并推動經濟迅猛發展［1］。因此，加快發展人工智能、打造數字產業集群，是完整準確全面貫徹新發展理念，推動我國經濟高質量發展的重要要求和重點任務。習近平總書記在黨的二十大報告中提出，要“推動戰略性新興產業融合集群發展，構建新一代信息技術、人工智能、生物技術、新能源、新材料、高端裝備、綠色環保等一批新的增長引擎……加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”［2］。

人工智能可以分為硬件和軟件兩個部分。在文章中，硬件稱為“智能機器硬件”，軟件稱為“人工智能軟件”，兩個部分兼而有之則統稱“人工智能”。文章嘗試從智能機器硬件、人工智能軟件來討論數字經濟發展的驅動力問題，并從方法論視角來討論和反思數字經濟發展的問題，不斷深化對人工智能和數字經濟的內涵、相互關系等方面的認識，以期為推動我國數字經濟實現高質量發展提供有益啟示。

一、智能機器硬件：數字經濟發展的基本驅動力

（一）智能機器硬件奠定數字經濟發展的物質基礎

智能機器的出現和發展，是一個集科學與哲學于一體的前沿問題。一方面，智能機器科學是當代發展較為迅速、推動科學革命和產業革命的前沿科學；另一方面，智能機器哲學則涉及“人與物（機器）”“心與物（心靈與機器）”“計算與認知”“認知與學習”等深層次的哲學問題。

從很久以前，人們就開始思考“心靈（心）與肉體（物）”到底是什么關系？抑或靈魂能不能脫離肉體而存在？相對應，古代珠算技術由算盤和口訣兩個部分組成。算盤是一種要求為其編制程序（算法）的某種較為簡單的計算機，算盤相當于計算機器的硬件，而口訣相當于計算機器的軟件。

后來，人們開始提出這樣一個問題：用一些簡單的機械設備，能否模仿人腦的部分功能（這部分功能特指“計算”）？為了解決這個問題，經過幾百年的研制，出現了能夠進行加、減、乘、除、微積分等運算的各種機械計算機。機械計算機的出現，似乎證明了：具備一定結構的機器可以產生智能，人的思維是一種“機械”的過程。

并非所有的機器設備都能成為智能機器，構成智能機器需要具備一定的結構。一定的結構是指有多種轉換狀態，才有可能產生不同的功能。智能機器的構成可以由不同的材料組成，如土木磚骨、機械、電子等均可，電子元器件相對于其他材料來說，具有運行速度快、體積小等特點。有了必要的結構與裝置，欲增加一項新的功能，軟硬件均可實現該功能，軟硬件具有相通之處，然而軟硬件又有其優缺點，到底采取哪一種實現方式，要具體情況具體分析；功能相同，不等于過程也相同。

雖然計算是一個古老的概念，但究竟什么是計算，什么情況能夠計算，什么情況不能計算呢？這在20世紀30年代之前還沒有一個清晰而統一的看法。直到1946年世界上第一臺數字電子計算機問世，運算速度達到5000次［3］。數字電子計算機由各種電子元器件、集成電路、芯片等組成中央處理器、存儲器、輸入輸出設備，這部分形成一個內部網絡通信系統。

數字計算設備是一種人造的數字設備，也是一種用于信息處理并使之機械化的設備。信息處理的機械化過程可以用兩種途徑來實現：一種是數字設備，另一種是模擬設備。數字設備與模擬設備的區別在于數字設備執行運算的精度，原則上與器件的精確度無關。計算設備的發展，不管是數字的還是模擬的，最終都會形成一個復雜的電子系統。總體而言，計算設備是一種模擬與數字相混合的設備。

科學家把交換機看作網絡中的節點，而經濟學把顧客看作網絡中的節點。云計算是一種新興的分布式計算，是大數據時代的結晶。云計算通過脫離和超越傳統數據中心、輔之以必要的計算機裝備和服務設施使技術與市場進一步結合。

從分布式計算到云計算，最后到云服務。云服務不再是一種簡單的分布式計算，而是與效用計算、負載均衡、并行計算、網絡存儲等技術混合演進的結果。

數字電子計算機除了能夠做“吱吱呀呀”的運算，能不能像人類的大腦一樣思考問題呢？1950年圖靈（A.Turing）在《心靈》（Mind）雜志上發表的論文“計算機器與智能（Computer Machinery and Intelligence）”［4］，自此開拓智能機器這一疆域主要是設計智能機器、智能設備等，讓其模擬人類心靈所做的事情、模擬人的行為和意識等。智能機器不僅是對人類智能的模仿，由于機器本身的一些固有特點，在某些方面還可能是人類部分智能的某種超越。

智能機器產品出現后不僅產業界高度關注，不少國家政府對智能機器也競相在政策、人才、資金等方面投入和扶持，以期在該領域獲得戰略主動。

（二）智能機器硬件是數字經濟的重要組成部分

數字經濟是伴隨著半導體、集成電路、芯片、計算機、交換機等數字產品產生的；處于產業鏈高端的智能機器和互聯網絡設備的發展起來以后，對經濟社會發展有著重要作用。

智能機器硬件的發展受三大定律的支配。第一個定律是摩爾定律，半導體硅芯片的處理能力大約每隔18個月就會增加一倍，同時價格下降至原來的1/2。第二個定律是梅特卡夫定律，其內容是“一個網絡的價值等于該網絡內的節點數的平方”，也就是說網絡中的客戶數量越多，其內涵的機會也越多。第三個定律是達維多定律，即進入市場的第一代產品能夠自動獲得50%的市場份額。

數字經濟是一種與農業經濟、工業經濟相對立的新的經濟形態［5］，它的主要特征是以智能機器設備為基礎，以數據為生產要素，把人工智能軟件作為核心技術支撐，以互聯網為主要載體的經濟活動。具體地說，數字經濟，一方面是指技術層面的人工智能、物聯網、云計算等軟、硬件基礎設施建設，另一方面是指由于數字技術發展引起的經濟模式的變革［6］，如在網絡購物、電子支付等各個領域的應用。此外，與數字經濟密切相關的概念在一定條件下甚至可以互換使用，如智能經濟、知識經濟、數據經濟、服務經濟等。

數字經濟作為20世紀末興起的一種新的經濟形態，引起了世界各國政府高度重視并對其深入實踐探索。我國也積極緊跟數字經濟發展的時代潮流并取得了一定成效，有的行業領域還走在了世界前列。總體上看，中國數字經濟的發展大體可以分為以下三個階段。第一個階段：以通信、計算機、互聯網等基礎設施為驅動的信息化發展階段。二十世紀八九十年代計算機、大規模集成電路引入中國，電子信息產業被確定為國家發展戰略項目之一。第二個階段：以互聯網應用為驅動的數字化轉型階段。2000年前后，互聯網開始在社會交往、商業、政務等各個領域應用；2008年移動互聯網絡開始興起應用，移動互聯網絡推動各個領域進行數字化升級和轉型。第三個階段：以數字產品為驅動的智能經濟新階段。數字經濟的主要應用場所：人工智能、區塊鏈、5G、工業互聯網、北斗與衛星互聯網（共享單車、地質災害預警等）。智能化生產（無人工廠）、智慧醫療、智慧交通、智慧教育、智慧安防，目前人工智能相關產業在我國無處不在。

智能機器硬件是數字經濟的重要組成部分，同時人工智能軟件的發展促使數字經濟日益繁榮。

二、人工智能軟件：數字經濟發展中的核心驅動力

程序之于硬件，猶如心智之于大腦。智能機器的硬件，構成了數字經濟的基石；而人工智能的軟件，則給數字經濟的發展插上了一雙翅膀，具有放大并超越資本和勞動力的能力，并能夠有效推動經濟增長。

（一）決策樹在數字經濟中的應用

人工智能的一種實現方式是編寫軟件從而模仿人類的智能行為，使機器看起來像人類一樣思考問題、分析問題和解決問題。

數據結構有鏈表、堆棧、隊列、樹、圖等，每種數據結構都有相應的特點和用途。樹是其中應用非常廣泛的一種數據結構，可以用于排序和查找等功能。決策樹是以樹型表示分類或決策行為的一種方法，也是在人工智能應用較為廣泛的歸納推理算法，可以分析判斷顧客的購買行為、習慣、愛好等。樹是一種計算機科學中常見但并非容易理解的數據結構，包括“樹根”“樹枝”“樹葉”等。決策樹的思想來源于概念學習系統，從特殊到一般、從經驗事實到發現科學理論是人工智能研究的中心問題，并在實踐的基礎上設計出了多種決策樹技術。

在算法中，經常會遇到諸如“如果……那么……”之類的判斷語句，也就是“在什么條件下，應該執行什么樣的動作”。每一個判斷語句相當于一個假設，當現實情況符合某個條件時，系統則進行某個操作。這些判斷語句是如何形成的呢？通過對訓練樣例的屬性及目標值的分析，形成了決策樹。同樣的訓練樣例，能夠形成不同的決策樹，選擇決策樹需要根據奧卡姆原則——“如無必要，勿增實體”，即優先選擇較短的樹。

決策樹可以較好地詮釋哲學中的還原論傳統和理性思維，但對于直覺思維中的頓悟等機制卻難以進行有效處理。

（二）機器學習在數字經濟中的應用

人工智能的另外一種實現路徑是學習，從而實現自主的智能。學習是智能的一種重要形式，同時也是實現智能的一種重要方式。人可以學習，機器也可以學習。我們的知識來源于感覺和經驗，但感覺和經驗又未必可靠，所以知識絕不會是感覺和經驗的直接邏輯推論；感覺和經驗需要借助理性的幫助才能形成知識。機器學習與人類學習相比較，機器具有運行速度快、存儲容量大等特點，所以機器具有獨有的認知機制分析，由此形成機器認識論。

機器可以從各種傳感器、互聯網等媒質上獲取數據，也可以使用人類處理過的數據。從這些數據或由科學事實、實時環境等轉換過的經驗數據中形成概念、數學方程、參數、常數或圖譜等知識形式。機器學習獲得的概念、定性規律、定量規律等知識，人類可以理解；機器學習在實時環境中獲得的參數以提升系統性能的這部分知識，對于人類來說難以理解。并且機器學習的知識發現過程是確定性與隨機性的統一，其知識結構具有一個自相似結構。

機器學習從人工智能產生之時就有，但由于計算機本身發展規律的影響，機器學習到了20世紀80年代末才開始進入實際應用階段，21世紀后得到了充分發展。目前，哪些經驗數據是可以學習的，哪些經驗數據不屬于可學習的范圍；樣本選擇的合理性；學習結果的可解釋性等基礎性問題還有待進一步探索。

深度學習是近年來發展起來的機器學習方法，是一類模式分析方法的統稱。深度學習用于現實任務時，通過描述樣本的特征值來設計，也為“特征的過程”。是學習樣本數據的內在規律和表示層次，這種學習過程獲得的信息諸如文字、圖像、聲音等數據，使計算機像人一樣具有分析、比較和判斷的能力。

（三）神經網絡在數字經濟中的應用

神經網絡是在邏輯回歸的基礎上，通過機器學習的自我學習進行不斷改良和優化的模型，是設計和實現人工智能預期目標的另一個重要途徑。因果關系要具有狀態描述與狀態之間的必要聯系規律。我們關于世界的知識，包括關于我們自己的知識，在空間上是不完全的、在時間上是不確定的。人類大腦中的無知有時恰恰是使我們的知識變得有用的抽象性的互補部分。20世紀50年代，美國康奈爾大學的研究小組用一層神經網絡設計出用來模擬人類視神經控制系統的圖形識別機。由于單層神經網絡存在一些理論上的困難，所以這種神經網絡算法在模擬視覺方面遇到了難以突破的障礙。因此，直到20世紀80年代中期多層神經網絡的出現，神經網絡才開始復興。

神經網絡由輸入數據和輸出數據兩個部分組成，是處理數據的一種數學思想模型。神經網絡的應用分為兩個方面：模擬人腦的神經網絡與如何提高算法的效率。神經網絡的中間過程主要是以各種各樣的參數形式存在，這些參數的具體含義我們難以解釋。神經網絡可以對金融系統中股票、期貨、黃金白銀、匯率的未來價格進行預測，可以用于防止金融詐騙、減少金融風險等。

（四）數據挖掘在數字經濟中的應用

農耕文明的基礎資源是土地，工業文明的基礎資源是原材料，數字經濟時代的基礎資源是數據［7］。銅鼎鐵犁鑄就農業文明，近代科技帶來工業文明，算法則是數字經濟的利器。海量數據是金礦銀礦，而算法技術是在“冶金煉銀”。

數字經濟的一連串的活動都可以存儲于數據庫中；通過數據挖掘技術發現存儲在數據庫中的、以表明數字經濟規律的新知識。嚴格地說，數據挖掘并不是一種具體的方法，而是一系列方式，或是一種思想。“數據挖掘”通常指的是“數據庫里的知識發現”，數據是知識的基礎，但數據本身并不是知識，而是通過一定的算法，將數據轉化有用的、能夠理解的模式，這些模式才形成知識，這個轉化過程則被稱為“數據挖掘”。“數據挖掘”關注過程，“知識發現”強調結果，他們在不同的語境下被使用。數據挖掘有兩個重要環節：一是機器獲得知識，二是運用這些知識的過程。

數據挖掘產生的知識主要有兩類：描述性知識和理論性知識。描述性知識可以是表格、圖像、圖形等形式來表征。理論性知識主要是以公式、方程、模型等來表征，可以根據過去的經驗數據對未來進行預測，因此又稱預測性知識。在更多的時候，數據挖掘的知識兼有兩種知識的特征，即模式識別過程，既包括描述性知識，也包括理論性知識。

三、運用人工智能發展數字經濟的方法論反思

基于人工智能技術的“雙刃劍”屬性，我們有必要在唯物辯證法的指導下，對運用人工智能發展數字經濟的方法論進行反思。

（一）辯證思維方法的運用

辯證思維方法主要是指既對立又統一的相互依存、相互貫通、相互排斥又互補互利的思維方法。還原論與整體論是人工智能歷史上一對既對立又統一的學派。這一對辯證思維方式在人工智能運用于數字經濟中得到有效的融合。

還原論也稱符號主義學派，把計算機看作操作思想符號的系統。這個學派認為對于一般智能行為來說，物理符號系統具有的手段是必要的，也是充分的。所謂的“必要”，指的是“顯示一般智能的任何系統，將在分析的基礎上證明是一個物理符號系統”［8］。所謂的“充分”，指的是任何足夠大的物理符號系統，都可以經過進一步地組織表現出一般智能。這個學派繼承了一個悠久的、原子論的理性主義傳統。該學派代表性的觀點認為，人類的理智可以洞察宇宙萬物的一切奧秘；以少數幾條定義和公理作為基點，然后演繹出許多定理及推論；把這些定理及推論等與我們生活的經驗現實世界相聯系；當現實世界與理念世界中的定理及推論相吻合時，借以解釋經驗世界的規律；也就是從已知推出未知。

整體論也稱為聯結派，把計算機看作建立大腦模型的手段。這個學派認為，智能行為是難于形式化的，所以要構建一個物理裝置，或者數字計算機，讓神經元網絡用以學會恰當地識別模式和做出相應的響應、判斷。嚴格來說，該學派與哲學沒有直接關系，而與理論神經生理科學有關。麥卡洛克（W.S.McCulloch）等認為智能是由大腦實現的，并且證明，一定類型（可嚴格定義）的神經網絡，原則上可以完成一定類型的邏輯運算［9］。人工智能的任務就是設計出有計算能力的網絡，而這種計算原先是由人腦完成的。

人工智能相關上述這兩個學派在20世紀60年代初取得了一定成效，又皆因言過其實而遭受攻擊。之后在處理日常語言方面，更是遭遇了嚴重的挫折。20世紀80年代以后，由于計算機硬件性能的提升和算法的改進，兩種方法重獲新生并逐漸融合。還原論與整體論融合新趨勢表明，辯證思維方法的運用在推動人工智能發展方面具有重要的意義。

還原論或符號主義的代表技術是決策樹；而神經網絡則是整體論的重要產物；數據挖掘是還原論和整體論兼而有之。還原論和整體論的結合，對于數字經濟的產生、發展在底層框架上奠定了基礎。

（二）戰略思維方法的運用

人工智能與數字經濟的結合有可能引領人類社會的新一輪工業革命。人類社會世界范圍內已經發生了三次工業革命，工業革命發生在哪個國家，哪個國家就有可能引領世界發展潮流，就能夠成為世界強國。英國出現第一次工業革命，當時重要的新機器和新方法主要是在英國完成的，其他幾個國家發展相對較慢。率先完成了工業革命的英國，很快成為當時世界頭號強國。第二次工業革命以電器的發明和使用為代表，幾乎同時出現在美國、德國和日本等國家，使美國、德國、日本等國家相繼成為世界領先國家。第三次工業革命是以原子能、電子計算機、空間技術等為代表，主要發生在美國等；以互聯網、物聯網、無人工廠等為代表的新一輪工業革命已經悄然發生，中國和其他國家都希望在新一輪工業革命中搶占先機、占有一席之地。

數字經濟，作為一個高端產業的經濟形態，人工智能在其中起到一種極具基礎性的作用。以人工智能推動數字經濟發展越來越成為世界各國新的競技場。近年來，中國努力推動人工智能與數字經濟相結合，如網絡購物、電子支付等方面，已經處于世界領先地位。然而，中國數字經濟的基礎產業還比較薄弱。為進一步將人工智能運用于發展數字經濟，我國不斷加強前瞻性思考、全局性謀劃、戰略性布局、整體性推進，統籌國內國際兩個大局，辦好發展與安全兩件大事。一言以蔽之，我國在發展數字經濟方面始終堅持全國一盤棋，努力實現數字經濟發展質量、結構、規模、速度、效益和安全相統一。

戰略思維強調思維的整體性、全局性、長期性，事關社會發展的未來走向與整體發展謀劃。人工智能對數字經濟、中國社會發展及世界格局變化具有重要影響。

（三）底線思維方法的運用

底線，是不可逾越的界線，是事物發生質變的臨界點。底線思維能力體現了我們對事物量變引起質變的“度”的深刻認識和自覺把握，也體現了對矛盾分析法的自覺運用。數字經濟雖然有很多優越性，但同時新的問題、新的“不協調”也應運而生，包括網絡安全風險、金融安全風險等。

其中的底線是網絡安全，網絡安全是推動數字經濟實施發展的基本條件［10］。首先是高質量的硬件設施和計算機軟件環境；其次是高素質的人。人工智能技術，諸如決策樹、神經網絡等在網絡安全、金融安全中起到防火墻作用。另外，以人工智能推動數字經濟發展還可能引發失業問題、財富分配不均等問題［11］，如何避免這些問題的產生、將其負面影響降到最低也是發展數字經濟所要統籌考慮的問題。

要正確認識、準確把握人工智能和數字經濟的發展規律，樹立底線思維，抓住新一輪科技革命機遇，積極應對西方國家“數字霸權”和我國自身發展基礎薄弱、新技術條件不足等各種挑戰和困難，堅持自信自強，牢牢掌握歷史主動權。

四、回顧與前瞻：我國運用人工智能發展數字經濟的實踐

新一代人工智能正在全球范圍內蓬勃興起，為經濟社會發展注入了新動能，正深刻改變人們的生產生活方式。決策樹、神經網絡、數據挖掘等人工智能方法促進了數字經濟的繁榮發展。在運用人工智能發展數字經濟的實踐過程中，應善于綜合運用辯證思維方法、戰略思維方法和底線思維方法等，以期實現數字經濟發展的經濟效益和社會效益最大化。

我國運用人工智能發展數字經濟方法論的實踐經歷了從力量相對分散到凝心聚力，從低級到高級不斷提質增效的發展歷程，對科學方法的探索和運用逐步走向自覺。自改革開放以來，我國數字技術與實體經濟不斷融合，數據作為關鍵生產要素的屬性越來越明顯，大數據產業的不斷壯大，以數據要素作為核心引擎推動數字經濟發展勢頭迅猛。有學者分析了我國數據要素市場發展的兩個階段：一是大數據交易處于起步階段（2014—2020年）。該階段數據交易成交率和成交額較低，主要以單純的原始數據“粗加工”交易為主，尚未形成全國統一的規范體系，數據定價、數據確權難題凸顯，難以滿足社會的有效需求。二是數據要素市場發展全面突破階段（2020年至今）。2020年4月，中央明確將數據列為生產要素，部署推動“數據要素市場化配置”［12］。此后，一方面國家和各地方政府通過陸續出臺相關政策文件以培育數據要素市場，進一步理順政府與市場的關系、厘清數據要素市場主體之間的關系、數據有序流動與數據安全的關系等；另一方面圍繞解決大數據交易確權難、定價難、入場難、監管難等問題，北京、上海、深圳等地在政府的牽頭下加快了數據交易所的布局和探索［13］。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》提出，要打造數字經濟新優勢：充分發揮海量數據和豐富應用場景優勢，促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級，催生新產業新業態新模式，壯大經濟發展新引擎；要加快推動數字產業化：培育壯大人工智能、大數據、區塊鏈、云計算、網絡安全等新興數字產業，提升通信設備、核心電子元器件、關鍵軟件等產業水平［14］。

在看到運用人工智能發展數字經濟方法論的實踐過程中所取得成績的同時，也要全面把握其中面臨的困難和挑戰。從國際層面看，聯合國貿易和發展會議發布的《2021年數字經濟報告》顯示：數據驅動的數字經濟在各國發展表現出極大不平衡，各國數字治理關注的重點不一，發展程度有差別，全球數字治理體系尚處于探索期，呈現出差異化、多元化、層次化、多機制共存的格局［13］。為應對全球數字治理的挑戰，建構新的全球數字治理框架迫在眉睫。從我國層面看，我國已提出要瞄準人工智能、量子信息等前沿領域并確立一批前瞻性、戰略性的國家重大科技項目，未來國家將制定實施與之相關的戰略性科學計劃和科學工程，推進與之相關的科研院所、高校、企業科研力量優化配置和資源共享；數字經濟和實體經濟將走向深度融合，具有國際競爭力的數字產業集群將逐步形成，數據資源產權、交易流通、跨境傳輸和安全保護等基礎制度和標準規范將逐步建立和健全，并將為數字領域國際規則和標準制定、構建新的全球數字治理體系提供中國方案和中國智慧。這些目標的實現，是以充分利用科學的方法論為前提和條件的，不斷深化運用人工智能發展數字經濟的科學方法論研究顯得尤為重要和迫切。

［參考文獻］

［1］ 呂江鴻.利用人工智能實施犯罪的刑法應對研究［J］.南寧師范大學學報（哲學社會科學版），2022（5）：24-35.

［2］ 習近平.高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗：在中國共產黨第二十次全國代表大會上的報告［M］.北京：人民出版社，2022：30.

［3］ 侯大年. 計算機應用基礎［M］.北京：中國鐵道出版社，2008：212.

［4］ TURING A M. Computing machinery and intelligence ［J］. Mind，1950（236）：433-460.

［5］ 楊佩卿.數字經濟的價值、發展重點及政策供給［J］.西安交通大學學報（社會科學版），2020（2）：57-65.

［6］ 丁守海，徐政.新格局下數字經濟促進產業結構升級：機理、堵點與路徑［J］.理論學刊，2021（3）：68-76.

［7］ 王俊豪，周晟佳.中國數字產業發展的現狀、特征及其溢出效應［J］.數量經濟技術經濟研究，2021（3）：103-119.

［8］ ASHENHURST R L，GRAHAM S. ACM圖靈獎演講集：前20年（1966—1985）［M］.蘇運霖，譯 . 北京：電子工業出版社，2005：243.

［9］ 博登.人工智能哲學［M］.劉西瑞，王漢琦，譯.上海：上海譯文出版社，2001：43.

［10］ 羅貞禮.我國數字經濟發展的三個基本屬性［J］.人民論壇·學術前沿，2020（17）：6-12.

［11］ 趙敏，王金秋.新技術革命的政治經濟學研究［J］.政治經濟學評論，2020（3）：149-169.

［12］ 中華人民共和國中央人民政府.中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見［EB/OL］.（2020-04-09）［2023-12-23］.https：//www.gov.cn/zhengce/2020-04/09/content_5500622.htm.

［13］ 李濤，歐陽日輝.數字經濟的歷史演進與發展趨勢［N］.光明日報，2023-02-22（6）.

［14］ 新華社.中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要［EB/OL］.（2021-03-13）［2024-02-02］.http：//www.gov.cn/xinwen/2021-03/13/content_5592681.htm.

［責任編輯：廖玉彥］