9月22日下午，由浙江大学公管学院农业与农村发展智能计算实验室、浙大卡特资源环境与农业发展研究团队联合主办的“与于晓华教授‘乡见’首期沙龙活动”暨第247期卡特三农论坛，在创意楼a座729会议室成功举办。本活动特别邀请了来自德国哥廷根大学发展与转型国家农业经济学讲席教授、农业经济与农村发展系主任于晓华教授就“大数据时代的农业经济研究和范式转型”主题，与卡特师生展开讨论交流。活动由浙大公管学院农业与农业发展智能计算实验室副主任、百人计划研究员鄢贞主持，周洁红、茅锐、阮建青、金鑫等四十余位教师、博士后和学生参加本次活动。各位师生围绕“机器学习的理解和应用”、“机器学习与经济学、农经研究的结合”、“大数据时代学科交叉背景下的研究”若干方面的问题向于老师请教，在氛围热烈的交流中大家均受益匪浅。
一、机器学习的理解和应用
机器学习就像一道烹饪技术，那么最重要的米和菜（数据）从哪里来？于老师指出，一方面在大数据时代，只要掌握或者借助强大的数据挖掘能力，数据并不成问题；另一方面，在深耕的专业领域把研究做好，自然也能吸引有数据的人合作。
关于样本数据量是否会影响机器学习的应用。于老师认为，实际应用时可根据样本情况考虑机器学习的算法模型，微观小样本也可通过机器学习的bootstrap法进行再抽样，对预测结果不会有太大影响。
二、机器学习与经济学、农经研究的结合
机器学习具有预测、聚类、强化学习、生成等功能，如何将这些功能融入经济学或农业经济学研究？于老师结合现实研究中的案例，表达了个人见解：万事万物都可由数字组成，通过数字表达。例如谈恋爱中的情绪价值，把情侣每天所说的话录下来进行文本分析，分辨其中正面情绪和负面情绪多寡。此外，机器学习中的聚类方法可以帮助样本划分，进而在计量经济学中进行分样本的异质性分析；机器学习有关算法能够将图像、音频、文本中的非结构化数据提取出来，形成我们所需的关键变量开展相关研究。
传统计量经济学往往倾向于回溯历史，并不擅长做预测，大数据、机器学习能对经济预测做出哪些改变？在于老师看来，农业经济学更注重实践价值和现实意义，只有拥有了更强大的预测、政策评估等功能，农经研究才会更有用武之地。而机器学习突破了传统的传统计量经济学中的线性假设，对于现实的拟合大大提升，以最近一项研究为例，机器学习的模型对猪肉价格的预测效果远远优于传统arima模型。在实际操作中，人类个体与经济社会主体都可能随着预测结果调整行为，任何方法都很难完全准确地预测未来，但优化方法提升预测概率在一定程度上已经具备现实意义。在业界，机器学习在量化投资领域的运用也已取得很大的成果。
三、大数据时代学科交叉背景下的研究
在农经学科与大数据、人工智能领域交叉融合的大背景下，相关学术成果如何选择更契合的研究领域，提高投稿成功率？于晓华教授从打破学术霸权的角度指出，无论如何，勇立潮头、敢于创新和突破的人更有机会摘得累累硕果。对于没有名师引路的研究人员，需要付出更加卓绝的努力，以勤奋弥补。同时，于老师妙趣横生地分享了对学术研究中不同导师类型的见解。
也有同学困惑，从其它的学科视角来看，目前大量关于政策效应评估的计量经济学研究，其研究结果并不能产生咨政服务的现实价值。那么，如何选择既有跨学科的创新性，同时彰显农经特色、坚守农经内核、具有强烈现实价值的研究主题？于老师指出，对于粮食生产和农民生计等农经内核的问题，可以让更多资历较深的学者教师去研究。对博士生最重要的是发表论文，先考虑生存与毕业，并非一定要固守农经领域，而要多跨专业“内卷”。就学科发展或政策研究而言，我们国家的政策研究人才相当稀缺，能够写出高质量、有政策参考价值的智库研究报告并不容易。不同的人有不同的发展，政策研究是一个值得大家努力探索的方向。
四、结语
沙龙交流在阵阵掌声中圆满结束。“这是一个最好的时代，也是一个最坏的时代。”大数据、人工智能等信息科学与农经领域开始全面接触和深度交融，为本领域的学者提供了全新的研究手段。与此同时，在像于晓华老师这样前沿创新学者引领下，充分利用机器学习开展交叉研究和探索性工作，为农经的青年学者、学生起到示范带头作用。面对大数据时代的剧烈冲击，我们应不惧挑战，保持开放心态和思维，积极拥抱机器学习等新兴研究方法，经历化蛹成蝶般的迭代升级，最终迎来科研上更加美好的春天。
学生交流感想
有幸近距离地学习与感受于老师对机器学习、农经研究范式转型等话题的实践与思考。在讲座与自由讨论环节，我有两点深刻的体会：一是大胆拥抱技术，转变研究思维。面对大数据时代变革，作为农经学生首先必须克服恐惧心理，主动掌握新工具，学会如何将机器学习与传统计量经济学相结合以此提高研究质量与效率。二是感悟学术传承与责任，做有意义的研究。在短短交流中时时刻刻感受到于老师对前辈老师们的敬仰与尊重，以及对下一代学者的自信与期待，这也更激励我们踏实做好有意义的研究。
——肖湘怡
十分有幸能够参加“数智三农”首期的沙龙活动，在和于老师的交流过程中收获很多。尤其是，于老师针对我提出问题的解答，使我对于机器学习在农业经济研究领域的应用更加清晰。首先，于老师肯定了可以应用机器学习方法中的聚类分析法与计量经济学中的异质性分析的方法相结合，从而实现更精确分析问题的目的。其次，于老师进一步阐释了机器学习中文本识别和图片识别的应用，并举出实例，生动形象地说明图像识别和文本识别在农业经济研究领域中大有可为，未来可期！
——梁玉虎
我之前了解过一些机器学习的方法，但是不知如何运用，听完于老师的介绍后思路大开。在大数据时代的背景下，运用机器学习能够弥补一些变量特征无法衡量的问题，在一些预测和识别方面弥补计量的不足。在学术研究中辅以机器学习将成为未来的趋势和热点。总的来说感触颇深，继续学起来！
——代首寒
聆听完于老师的讲座，最大的感悟是做农经研究需要敢于拥抱新生技术和现实世界，经济学研究不应仅仅束之高阁，更应经得起现实的检验。
——徐润成
撰稿：罗诚