2018诺贝尔经济学奖得主,一名62岁的Python教徒

简介: 10月8日,美国学者保罗·罗默成为2018年诺贝尔经济学奖的共同获得者,这位62岁的经济学家一直在使用编程语言Python。罗默认为科研的过程应该做到公开透明,而相比于专有软件,开源软件更适合实现帮助学者做到研究透明化。

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。

a6df47869e607c0624c16923d94cdd734af4ae13

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。”


原文发布时间为:2018-09-29

本文作者:木青

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”。

原文链接:2018诺贝尔经济学奖得主,一名62岁的Python教徒

相关文章
|
10月前
|
数据可视化 Python
时间序列分析是一种统计方法,用于分析随时间变化的数据序列。在金融、经济学、气象学等领域,时间序列分析被广泛用于预测未来趋势、检测异常值、理解周期性模式等。在Python中,`statsmodels`模块是一个强大的工具,用于执行各种时间序列分析任务。
时间序列分析是一种统计方法,用于分析随时间变化的数据序列。在金融、经济学、气象学等领域,时间序列分析被广泛用于预测未来趋势、检测异常值、理解周期性模式等。在Python中,`statsmodels`模块是一个强大的工具,用于执行各种时间序列分析任务。
|
人工智能 大数据 开发者
经济学人:Python为什么是编程语言中最skr的?
Python的出现让计算机编程语言不再是生僻的专业技能,而是常人都能学习和使用的万金油。
2187 0
|
2月前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
2月前
|
人工智能 Java 数据安全/隐私保护
[oeasy]python081_ai编程最佳实践_ai辅助编程_提出要求_解决问题
本文介绍了如何利用AI辅助编程解决实际问题,以猫屎咖啡的购买为例,逐步实现将购买斤数换算成人民币金额的功能。文章强调了与AI协作时的三个要点:1) 去除无关信息,聚焦目标;2) 将复杂任务拆解为小步骤,逐步完成;3) 巩固已有成果后再推进。最终代码实现了输入验证、单位转换和价格计算,并保留两位小数。总结指出,在AI时代,人类负责明确目标、拆分任务和确认结果,AI则负责生成代码、解释含义和提供优化建议,编程不会被取代,而是会更广泛地融入各领域。
99 28
|
2月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
2月前
|
Python
[oeasy]python074_ai辅助编程_水果程序_fruits_apple_banana_加法_python之禅
本文回顾了从模块导入变量和函数的方法,并通过一个求和程序实例,讲解了Python中输入处理、类型转换及异常处理的应用。重点分析了“明了胜于晦涩”(Explicit is better than implicit)的Python之禅理念,强调代码应清晰明确。最后总结了加法运算程序的实现过程,并预告后续内容将深入探讨变量类型的隐式与显式问题。附有相关资源链接供进一步学习。
51 4
|
2月前
|
设计模式 机器学习/深度学习 前端开发
Python 高级编程与实战:深入理解设计模式与软件架构
本文深入探讨了Python中的设计模式与软件架构,涵盖单例、工厂、观察者模式及MVC、微服务架构,并通过实战项目如插件系统和Web应用帮助读者掌握这些技术。文章提供了代码示例,便于理解和实践。最后推荐了进一步学习的资源,助力提升Python编程技能。
|
2月前
|
数据采集 搜索推荐 C语言
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化和调试技巧,涵盖使用内置函数、列表推导式、生成器、`cProfile`、`numpy`等优化手段,以及`print`、`assert`、`pdb`和`logging`等调试方法。通过实战项目如优化排序算法和日志记录的Web爬虫,帮助你编写高效稳定的Python程序。
|
2月前
|
Java API Docker
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
|
2月前
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。