2018诺贝尔经济学奖得主,一名62岁的Python教徒

2018 年 10 月 9 日 全球人工智能

来源: qz.com,新智元


北京时间10月8日,瑞典皇家科学院宣布,将2018年诺贝尔经济学奖授予美国学者威廉·诺德豪斯(William D. Nordhaus)和保罗·罗默(Paul M. Romer)。


此次诺奖共同获得者之一的保罗·罗默是美国著名经济学家,斯坦福大学教授。他是经济增长动力最重要的理论家之一,他还曾是前世界银行首席经济师,这是经济学领域中最有影响力岗位之一。他也是特许城市理论的主要传播者,主张在一个国家内建立小型的行政辖区,自治地运作政府,作为一种鼓励更好治理国家的方式。


但在他的种种身份中,也许最值得我们注意的是,这位62岁的经济学家是一位编程语言Python的用户


经济学涉及大量数学和统计学,最常用的数字工具是电子表格软件Microsoft Excel和编程语言Stata以及Mathematica。这三项都是世界各地经济学教室中常用的工具,也都是拥有专利或者归私人所有。


罗默相信研究应该透明化,他认为,研究方法的开放性与透明性对科研能否获得信任有着重要影响。根据罗默今年4月的一篇博客文章,为了使自己工作变得透明,他尝试用Mathematica分享他的一项研究,这样可以让任何人都有机会可以探索他的数据与方法中的每个细节。


然而,Mathematica并未在这方面发挥作用。罗默称,在不需要其他人使用专业软件的情况下,Mathematica的所有者Wolfram Research令罗默感到分享他的研究与工作变得困难。同时,在Mathematica中,别人也看不到他用于方程式的所有代码。



罗默没有继续使用Mathematica,因为他发现他可以使用Jupyte笔记本来分享他的研究。Jupyte笔记本是一种Web应用程序,允许程序员和研究人员共享包含代码、图表、方程式和数据的文档。


更重要的是,与Mathematica制造的笔记本不同,Jupyter笔记本是开源的,这意味着任何人都可以查看所创建的所有代码,这将允许真正透明的研究成为现实。在一篇曾引发高度关注的文章中,James Somers认为Jupyter笔记本可能会取代传统的PDF文档。


罗默认为,开源笔记本是分享研究的主要前进方向。他认为这种开源笔记本支持公开透明,而专有软件则重视保密性。“我越了解专有软件,就越担心客观真相可能会从地球上消失。”


参考链接:

https://qz.com/1417145/economics-nobel-laureate-paul-romer-is-a-python-programming-convert/


点击“ 阅读原文 ”进入AI学院学习

登录查看更多
0

相关内容

Python是一种面向对象的解释型计算机程序设计语言,在设计中注重代码的可读性,同时也是一种功能强大的通用型语言。
从HPO到NAS: 自动深度学习
专知会员服务
37+阅读 · 2020年6月15日
【哈佛《CS50 Python人工智能入门》课程 (2020)】
专知会员服务
111+阅读 · 2020年4月12日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
212+阅读 · 2020年2月21日
知识图谱简史:从1950到2019
专知
24+阅读 · 2019年12月2日
以史为镜 | VC/PE的前世今生
线性资本
27+阅读 · 2018年7月11日
量子计算
人工智能学家
7+阅读 · 2018年4月6日
五位专家跟你讲讲为啥Python更适合做AI/机器学习
全球人工智能
3+阅读 · 2018年3月18日
用于数学的 10 个优秀编程语言
算法与数据结构
13+阅读 · 2018年1月5日
深度学习基础之LSTM
全球人工智能
28+阅读 · 2017年12月18日
量子世界的因果关系
中国物理学会期刊网
8+阅读 · 2017年8月5日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
7+阅读 · 2018年11月6日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
19+阅读 · 2018年7月12日
Arxiv
25+阅读 · 2018年1月24日
VIP会员
相关资讯
知识图谱简史:从1950到2019
专知
24+阅读 · 2019年12月2日
以史为镜 | VC/PE的前世今生
线性资本
27+阅读 · 2018年7月11日
量子计算
人工智能学家
7+阅读 · 2018年4月6日
五位专家跟你讲讲为啥Python更适合做AI/机器学习
全球人工智能
3+阅读 · 2018年3月18日
用于数学的 10 个优秀编程语言
算法与数据结构
13+阅读 · 2018年1月5日
深度学习基础之LSTM
全球人工智能
28+阅读 · 2017年12月18日
量子世界的因果关系
中国物理学会期刊网
8+阅读 · 2017年8月5日
Top
微信扫码咨询专知VIP会员