数字时代正狂飙突进，全球商科教育也随之面临转型。注重实践、创新、跨国界交流，国际MBA合作正在为这一趋势提供更多范本和动力。商学院同学如何把握MBA学习机会，实现商业梦想？国际MBA

复旦管院携手中国意大利商会特别推出联合校园招聘会涵盖社招、校招及实习岗位如果你是探索全职机会的MBA在校生寻求职业更多可能的校友亟待实习锻炼的本硕博MBA在校生欢迎参加复旦管院&中国意大利商会联合校园招聘会FDSM

近日，上海市产业技术创新促进会与上海市科协联合发布《上海硬核科技企业TOP100榜单》。继我院校友在2023该榜单的亮眼成绩之后，2024年榜单中，仍然80%企业有我院校友在其中担任管理职务。其中的44家企业中，我院校友担任高管职位，更有20家企业由我院校友掌舵。越来越多的我院校友凭管理学科的专业才华，活跃在上海最优秀的硬核科技企业中，为中国的科创事业贡献着自己的热情和专业管理能力。《2024上海硬核科技企业TOP100榜单》《2024上海硬核科技企业TOP100榜单》由上海市经济信息化委指导，市产业技术创新促进会联合市科协发布，榜单企业主要集中在“3+6”产业体系（以集成电路、生物医药、人工智能三大先导产业为引领，大力发展电子信息、生命健康、汽车、高端装备、先进材料、时尚消费品六大重点产业），平均研发经费支出8.1亿元，平均高价值专利数1454件，PCT专利平均拥有量为77件。复旦管院校友任职企业硬科技属性强劲，有力推动科创产业优化升级在最新发布的2024年榜单中，我院校友任职的79家企业的高质量专利总拥有量突破85000件，PCT国际专利总拥有量突破6000件，均在总榜100家企业中有大幅占比，源源不断的科技创新切实推动着科创产业的升级发展。在整体产业分布中，校友任职企业一半处于新一代信息技术赛道，且相较于去年占比有提高，增加的企业中多数还集中在奠定未来信息技术发展基础的下一代信息网络发展赛道。我院校友积极活跃在上海市各个硬科技领域中，以尖端技术推动了中国乃至世界科技创新和产业发展，而科创管理教育对于科创企业规模化、产业化发展发挥着越来越重要的作用。创新为轮，发展为榖，复旦管院校友努力践行以管理推动科创高质量发展两年榜单中，约50%企业有我院校友任高管，约20%企业由我院校友掌舵。有我院校友担任管理职务的在榜企业中，共计47家企业已上市，33家企业已融资，整体科创实力强劲，在创新能力、市场适应性、管理质量、品牌价值等方面受市场肯定。我院科创企业管理教育始终坚持“管理赋能科创

2024年复旦大学管理学院（专业学位）工商管理硕士研究生招生复试分数线经研究，2024年复旦大学管理学院(专业学位)工商管理硕士研究生招生复试分数线如下：01全英文项目A档：联考两门总分190分及以上，外国语不低于70分，综合能力不低于110分；02全英文项目B档：联考两门总分162分及以上，外国语不低于55分，综合能力不低于90分；03中文项目A档：联考两门总分195分及以上，外国语不低于65分，综合能力不低于110分；04中文项目B档：联考两门总分175分及以上，外国语不低于55分，综合能力不低于95分；05中文项目C档：联考两门总分162分及以上，外国语不低于50分，综合能力不低于85分；06中文项目D档：联考两门总分100分，在招生计划内择优复试录取。特别说明：1.上述中文项目D档复试分数线同时适用于EMBA和MBA考生，MBA考生还须于当年预审获得C档资格。2.

当高度发达的AI技术“包办”方方面面，人类会不会变得“不思进取”，科幻作品想象中的画面是否会成为现实？而在此之前，人类又该如何避免这样的“退化”发生？本期“智见AI”，小管邀请信息管理与商业智能系卢向华老师分析人类与AI协作进入常态化发展的当下，怎样通过设计更好的协作机制，以实现人类与AI的共同演化和提升。卢向华信息管理与商业智能系教授、博士生导师，研究方向：互联网创新运营、大数据分析、企业信息化等1使用AI的人比AI本身更关键人和AI如何协作能产生更好的效果？让我们先从用户异质性的角度讨论AI对不同个体带来的差异性效果，然后分析人与AI如何互补的协同工作机制。最后，从长期动态的角度探讨人和AI如何互相增强、互相学习，以实现共同的演化和提升。首先，我们都意识到在AI系统中，人的角色不可或缺。最近，清华大学的李宁老师在一项研究中发现，使用ChatGPT3.5或是ChatGPT4.0对任务的完成质量并没有明显差异，但不同的人使用相同版本的ChatGPT3.5完成任务时，质量差异却显著。基于这一发现，他们提出了一个观点：使用AI的人比AI技术本身更为关键。学术研究中也有许多相关发现。例如，一些研究表明，越开放、越外向的人与AI的协作效果越好。另外，还有一项有趣的研究发现，认真负责的人实际上并不太喜欢AI，因为AI与传统技术不同，能够自主做出决策，而这一特性与认真负责的员工的本质有所重叠。因此，认真负责的员工从AI中获益可能会比不那么认真的员工少一些。相关研究还有很多。然而，最为重要的用户异质性因素可能是工作经验。工作经验在人和机器合作中起着双刃剑的作用。一方面，工作经验可以增加对算法建议的补充能力，从而提升协作效果；但另一方面，有经验的人往往更加相信自己，不太信任算法，也不愿意与AI合作，这会导致协作效果变差。因此，根据这一推理，AI与人协作的效果通常与工作经验呈现出一种“倒U形”的关系，即随着用户工作经验的增加，效果先增加后减少。这一推理已在许多研究中得到证实。比如，一项在2023年的研究发现，资历高的员工从AI中获益较少。具体而言，经验较少的员工的获益比例达40%，而资历较高的员工从AI中获益仅约为10%到15%左右。然而，研究也发现，当将经验用任务专业度来衡量时，具有高专业性的人仍然能够从AI中获益。这一发现与我们即将介绍的另一项研究结论一致。2AI搞定“重复性”人类负责“创造性”对于人机协作系统而言，除了单独考虑AI系统和人的因素外，更重要的是如何充分发挥整体的能动性和优势，以平衡匹配人的特征和系统的特征，从而实现任务的最优价值。其中一种方法是通过分工，让双方各自发挥所长。换句话说，让AI处理那些可重复、结构化程度高的任务，而让人更好地发挥自己的灵活性和创造力，解决那些情况多变、复杂度高的问题。最近在《管理学杂志》上发表的一篇论文对信用卡电话营销中的人机协同进行了相关研究。信用卡电话营销通常分为两个阶段：第一阶段是识别和筛选出感兴趣的目标客户，第二阶段是为客户提供服务并最终说服他们购买信用卡。第一阶段的销售线索生成工作相对较为重复、规范和结构化，因此，AI对话机器人可以相对熟练地处理这项工作。然而，在第二阶段，AI的能力明显力不从心了，它们无法灵活应对客户需求，尤其是那些超出了脚本范围的问题。因此，研究发现需要及时将人类推销员接入系统，以解决这些灵活多变的客户需求。这种人机互补模式特别有助于人类更好地集中精力思考之前未曾遇到的客户需求和问题，并针对这些问题提供创新的脚本。而这些创新的脚本又进一步补充了AI的知识体系，使得AI系统在未来的电话营销中能够处理这些新问题。这个例子揭示了人和AI能力的差异和互补性，这实际上是人机协作系统的核心价值所在。有效的人机协作系统需要持续监控和管理，不断提升AI系统的算法能力，并将用户的能力融入其中，以确保实现预期的设计目标。因此，在人机协作过程中，经常听到人机回环（Human-in-the-loop）或基于人类反馈的强化学习（Reinforcement

Sora横空出世、ChatGPT不断迭代、世界上第一位AI程序员诞生……人类与AI的协作正在成为学术界关注的重点。面对人工智能，我们所期待的“智”究竟是什么？其与人类的“智”如何合作？本期“智见AI”，小管邀请信息管理与商业智能系卢向华老师针对AI系统的拟人化发展、AI信息披露对人机协作的影响等问题，探讨AI界面设计在适应人机协作进入常态化后的未来发展新模式。卢向华信息管理与商业智能系教授、博士生导师研究方向：互联网创新运营、大数据分析、企业信息化等1“AI提建议，人类做判断”是更常态的协作模式？随着AI能力不断提升，我们人类与之共同完成的任务也越来越多。例如，我们严重依赖导航系统进行智能路线规划；快递打包人员依赖AI选择最优的纸箱尺寸；金融机构需要AI评估申请人的潜在风险以降低坏账率；同时，AI还协助医生读取医学CT影像，帮助发现人类可能忽视的问题。在这种协作模式中，AI提供建议，但最终任务的完成仍需要人类介入。这种互补模式已成为当前人机协同的“常态”。然而在这一“常态化”过程中，也出现一系列复杂的、“非常态”的管理挑战。以AI辅助影像读片系统为例。上图两种AI界面，你认为哪种更好？乍一看，似乎左侧的AI界面更好，它直接标志出高危、低危，让医生判断更轻松，减少犯错的可能性。相比之下，右侧的界面只提供了各种检查结果和数据，需要医生根据经验再进行判断。然而，左侧的界面也引发了一些问题。医生可能会更依赖系统提出的结论，而不再投入足够的精力去研究、分析和判断每个片子，可能导致医生的专业能力下降。同时，医生也可能受AI系统建议的影响，作出不正确的判断。因此，虽然左侧的界面能提高执行效率，但也伴随着误导性风险，不见得一定能提高人机协作的效果。这种新问题在人机协作中屡见不鲜。随着人与AI的协作进入常态化阶段，我们需要重新思考和研究提升二者协作效果的新方法。2哪种AI界面设计是更优解？从AI系统本身的交互界面设计出发，我们人类更偏好何种样式的AI系统进行协作？什么样的AI界面设计，人机协作效果更好？AI系统从类型上可分为服务助力型、分析预测型、决策支持型、整合管理型，以及目前流行的AIGC生成创造型。这些系统对人类的价值不同，有的作为服务工具，如各类智能服务机器人；有的则是作为竞争对手，例如基于AI图像识别的质检系统，几乎完全替代了质检人员；还有一些是合作伙伴，比如刚刚提到的AI智能读片系统。此外，还有一种AI作为管理者来指挥监督人类的应用，例如AI排班派单系统和AI绩效考核系统。不同类型的AI应用在与人类的协作方式上可能存在差异，但无论哪种AI应用，它们的交互界面设计都会在很大程度上影响人与它们协作的倾向。我将从AI系统最常被研究的三类交互设计入手进行讨论，分别是拟人化、AI系统的信息披露程度以及AI系统界面设计的易用性，讨论AI交互界面设计因素如何影响用户的协作态度，进而影响整体协作效果。首先，关于AI拟人化的程度。我们都知道，AI在一定程度上是对人类智能的模拟和延伸，因此，我们在设计AI系统时本能地在外形、情感表达和社交能力等方面努力提高其与人类的相似程度，借此希望用户更喜欢、更接受AI系统。这种期望建立在“相似吸引理论”基础上，该理论认为用户对和自己相似的人印象更好。因此，如果AI系统的拟人化程度越高，用户感知的相似度就会越高，从而对AI的接受度也会更高。然而，另外两个理论却得出不同的结论。其中著名的“恐怖谷”效应认为，随着AI拟人化程度的提高，用户对AI的好感度会呈现一个先上升、后下降的趋势。就像图中所示，在AI与人的相似度超过70%、80%之后，人类可能会产生一种恐怖心理，从而对AI产生抵制。另外一个“期望确认”理论也表明，AI拟人化程度越高，用户的期望会越高，也越容易失望。因此，从这个角度来看，并不一定是拟人化程度越高，人机合作的效果就越好。曾有一项研究对电商聊天机器人的拟人化程度进行分析，以探讨不同程度的拟人化对电商销售转换率，以及用户对报价敏感度的影响。该研究发现，当客服机器人表现得更像人类，例如在沟通过程中讲个笑话，消费者会更愿意与机器人互动，从而提高了购买意愿。然而，与此同时，消费者也会感到AI不再那么客观公正，担心AI可能像人一样表现出机会主义行为，例如为不同的消费者提供不同的折扣。在这种情况下，机器人提供促销信息或折扣信息时，人类对于这些信息可能不再那么敏感。这个例子表明，AI的拟人化设计不必过于追求完美，因为过于完美的AI反而可能削弱用户的合作意愿。3AI信息披露需适度“透明”除了拟人化程度外，另一个备受关注的方面是AI系统的信息披露程度设计。通常认为，增加AI系统的透明度有助于用户理解AI的工作规则，降低用户对AI的不信任感，减少因AI算法黑箱而带来的负面影响。学术界因此提出了“可解释的AI”等新的技术要求，即要求AI以回顾性方式提供有关系统行动、建议的逻辑过程因素或推理信息等，以提高人类对AI的信任度。然而，AI的信息披露程度也不是越高越好。一项研究发现，如果向候选人透露AI对其的评分，那些被AI打了低分的员工可能会产生一种“锚定”效应，即一种“破罐子破摔”的情绪，认为既然AI给了我这么低的分，就不用再继续努力了。而当管理者忽视算法打的低分，仍然给予候选人晋升机会时，候选人可能会投机地认为，管理者对AI评分也没有那么看重，因此也会继续放弃努力，导致绩效无法提升。作者将这种现象称之为“道德避难式”效应，即人们会觉得是AI引导他们这么做，而不是他们自己选择这么做。从这个角度看，过度实施可解释性或透明度也可能带来一些负面效果。最近我们团队进行了一项关于智能审计信息披露的研究，发现通过审计案例、审计材料的发放以及审计规则的披露等方式，增加员工对审计算法透明度的感知，可以明显降低员工在应对智能审计时的不安全感，提高他们的工作创新意愿。然而，过于透明的审计规则也会引发员工的防御倾向。好的一方面是，防御倾向的增强增强了员工的合规意识，但不好的一方面是，员工了解的审计规则太多，与之前的“不知者不罪”相比，他们不敢轻易尝试新的做法，从而减少了主动创新的意愿。因此，透明度的增加需要适度，不能过于广泛或不加区别，过高的信息披露可能导致员工产生推卸责任的负面效果。4AI界面并非越“傻瓜”越好除拟人化和信息披露程度外，AI系统界面设计的易用性也是我们团队最近关注的方向之一，我们想要回答一个问题，即AI系统界面是否越简单易用越好。我们的研究场景选择了金融系统中的AI风险评估系统。在这个场景中，AI评估系统首先对贷款申请人进行打分，然后信审员基于AI打分，再结合自己对资料的审核，最终作出是否批准贷款的决策。该金融机构原先对贷款申请人采用一到五分的等级评分制。系统优化后，在界面上加入了“最好”和“最差”两段文字提示，让AI结果的导向更明确。这种信息明确性的增加在理论上会带来两种效应。好的一面是，这种方式降低了用户的认知负担，并减少了错误理解的可能性，从而加快决策速度，减少决策误差。然而，当信息导向过于明确时，用户可能会不假思索地接受AI的建议，而不愿意主动思考。这将影响用户在整个评审过程中贡献应有的智慧，从而对最终决策结果的可靠性产生负面影响。

工业革命时期汽车的发明让马车夫职业成为“过去时”。自从AI诞生以来，关于机器将取代人类工作的担忧就从未停止过。就在3月13日，世界上第一位AI程序员Devin诞生，不仅能自主学习新技术，自己改Bug，甚至还能训练和微调自己的AI模型，表现已然远超GPT-4等“顶流选手”。▲

在人工智能的浩瀚世界中，Sora也只是冰山一角。当AI技术“高歌猛进”，当人们为AI的无限潜能感到惊叹，更加深远的思考也随之而来：人类文明或许将因为AI迎来一段“盘整期”。当下，科技与生活的融合程度前所未有地增强，人类的社会经济结构乃至伦理标准是否会迎来巨变？复旦大学计算机学院肖仰华教授分享了Sora“引爆”的多模态大模型技术浪潮将怎样影响社会变革，深入思考在与AI的共舞中，人类如何才能引领，而非被“领舞”。关于AI将如何影响人类社会经济发展，小管推出“智见AI”专题系列，将继续邀请商务智能、平台创新、信息技术商业价值等领域的专家学者和业内资深人士，从产业应用、教育、科研等多角度、多领域分享前沿视角。肖仰华复旦大学计算机科学技术学院教授、博士生导师，上海市数据科学重点实验室主任，长期从事大数据、知识图谱研究。1AI正在“造世界”而人类是唯一尺度●

ChatGPT还没“玩明白”，Sora已经来了。AI创作的绘画、小说正在网络大规模蔓延，文字直接生成的视频令人惊呼真假难辨。当真实的世界变得越来越“科幻”，科幻创作者们又该走向何方？当AI变得越来越像人，人又该如何适应这个亦真亦幻的世界？复旦管院应用经济学系邵翔老师与两位自带“科幻属性”的校友崔小芮、王侃瑜展开了一场有趣对话，谈AI与创作、谈人性的思考、谈中国科幻。对话人崔小芮科幻作家，上海市作家协会会员，复旦-港大IMBA项目校友，作品《深海之冰》入围第十九届百花文学奖·科幻文学奖王侃瑜奥斯陆大学CoFUTURES博士研究员，复旦管院本科校友，复旦大学创意写作专业毕业，作品《火星上的祝融》入围2023“雨果奖”

十年前的8月，在复旦管院老师们的带领下，本硕博同学开启了“朝阳行动”，对安徽霍邱临淮岗镇6所中小学开展结对支教帮扶。2023年暑假，在经历了疫情期间暂时的“线上支教”后，师生们再次回到霍邱，与孩子们线下相见。教育是关乎灵魂的事业，传播知识与希望是教育者一生的使命。十年来，朝阳行动见证了一批批孩子长大，在管院师生手中，“朝阳行动”薪火相传，早已成为管院人不变的坚守。“朝阳行动”这十年这些年来朝阳行动诞生了多少难忘回忆留下了多少动人故事一起来听老师们回望“这十年”田林：让孩子们看到不一样的人生可能田林管理科学系教授副系主任、博士生导师作为一名从研究生开始就热衷于参与各项支教活动的青年教师，我非常高兴管院的朝阳行动让我能继续这份热爱，将教书育人的影响从大学课堂延展到淮水之畔的霍邱。

若要为2023年选择一组关键词，其中必然包括“提振消费”。在当前复杂而多变的经济环境下，我们持续观察着消费者需求和行为的快速演进，见证了市场对企业和品牌提出的全新挑战。未来的消费机会究竟在何处？如何解读消费再转型现象？如何朝着更美好的生活推动消费创新？本期「问学·复旦管院」根据蒋青云教授在“2023中国消费品牌增长峰会”上的发言整理成文，旨在回答这三个“提振消费”的关键问题。（文字在演讲实录基础上略作增删）全文

诺奖得主莱维特：生物智能、人类智能、人工智能如何影响科技创新爆发·觉醒·成长：复旦科创先锋年度论坛聚焦前沿、对话未来理想、勇气、毅力，择好科创合伙人，成就一番壮阔文字

ESG<u>@复旦管院</u>

metasequoia冬日水杉林大自然的调色盘四季的更替变幻着草木的颜色校园内的水杉也从原本的翠绿色变为金黄、古铜、赭红……像大自然精心调出的渐变色尖尖的树顶似城堡的塔尖为冬日增添了浪漫色彩当这一浓郁的色彩与干净澄澈的天空形成对比让人仿佛置身于冬日的“童话世界”里绚丽的色彩，挺拔的树干就这样沉静地向上生长不禁让人感叹这古老又顽强的生命力抬头仰望枝丫不断地延伸开来如若天空的脉络凑近一瞧细长的叶子如羽毛一般簇簇分明在阳光的照耀下，温暖又热烈冬日的风一吹叶子轻盈地飘落在草地、在鹅卵石铺成的地面上慢慢地与大自然融为一体当水杉倒映在波光粼粼的水面上宛若一幅生动鲜明的油画鱼儿游过水面激起的涟漪让水面变得更加多彩水杉成林，闹中取静去逛校园的时候记得穿上温暖的冬衣哦~文字、摄影、编辑

“在科学世界里的探索改变着我们的生活也改变着我们看待世界的方式2023复旦管院科创周小管联合管院图书馆为大家带来9本科创与科普书同时，欢迎在公众号和视频号“复旦管院”浏览科创周的精彩报道、收看直播回放//

包智杰特别提到“相互信任、理念一致”以及“专业能力过硬”的重要性,而近期一次成功的合伙人寻找经验也印证了这三点。但除此之外，包智杰认为“个人的修养、心胸格局同样很重要。”马科威

请关注微信公众号、视频号“复旦管院”，微博、bilibili、抖音、百家号、小宇宙“复旦大学管理学院”，了解科创周动态、收看直播及精彩报道。也欢迎在以下学院合作媒体收看直播或报道：上海科技

更好的科学会带来更好的发明专利，而更好的发明专利会带来更好的药品。在2023复旦管院科创周开幕论坛暨“科技之光”大讲堂上，2013年诺贝尔化学奖得主迈克尔·莱维特（Michael

以更高的效率融资金、融资源，聚合多方力量，提高科创企业的创业成功率，是复旦管院科创投融助力平台自创立至今的使命。今天，作为2023复旦管院科创周重要活动之一，科创投融助力平台年度“收官之作”暨生物医药、新能源专场项目路演在学院举行。本次活动由学院联合上海国有资本运营研究院、国资基金50人论坛、复旦大学药学院、复旦大学生命科学学院共同举办。聚合国资资本、复旦校友企业、教授科研项目，围绕国资赋能战略性新兴产业及硬科技企业展开专题圆桌对话，并同时开展三场平行路演，链接项目与投资方，促进科技成果转化，推动科技成果从“实验室”走向“应用场”。

“对科创企业而言，研发管理和知识产权相当于‘左手’和‘右手’，两手都要硬。”“从企业的角度，知识产权对竞争具有极其重要的决定性作用，是一种高级的竞争方式。”“蒸汽机时代，马力是国力。信息时代，算力是国力。”“科创企业要在日常运作的各个环节避免知识产权风险，同时积极构建知识产权的攻防体系。”2023复旦管院科创周的重要论坛之一科创企业案例创新论坛，以“出海背景下的研发管理与知识产权协同”为主题，邀请学界、企业界嘉宾围绕科创时代的知识产权管理、国际化合规经营等话题展开共同探讨。当天，由复旦管院访问教授、中引创投管理合伙人王雷与复旦管院信息管理与商业智能系教授卢向华及学院案例研究员共同编著的《科创企业知识产权战略与管理》新书正式发布。复旦管院商业知识发展与传播中心（KDCC）主任于保平主持了本次论坛。新书发布一本全景式知识产权管理指南论坛现场举行了《科创企业知识产权战略与管理》新书发布仪式。该书从管理学角度提供了全景式的知识产权管理框架，创造性地引入了“科技成果价值实现闭环”概念，系统梳理了企业知识产权的创造、保护、运营和可持续升级等步骤。同时，书中提出了“知识产权价值矩阵”概念（IP

今日大雪，岁不知寒校园的银杏迎来了最佳观赏期暖阳一照，满目金黄微风轻抚，银杏叶如蝶飘落空中先悠悠地打了个回旋再恋恋不舍地降落地面给校园铺上一片片金灿灿的绒毯今日阳光正好去静静观赏一场“银杏雨”吧小管寻觅到几处打卡点分享给大家01光华楼02第二教学楼03国福路04任重书院05“本北高速”银杏雨落后的校园抬头漫天碧蓝，低头金黄灿烂更多美好等待你去发现还可以发挥下你的创意哦~复旦二十四节气竚看三春烟水暖好观一跃化神龙何物最先知虚庭草争出造物无言却有情每于寒尽觉春生趁取春光

12月5日，2023复旦管院科创周正式启幕。陆雄文院长发表开幕演讲；2013年诺贝尔化学奖得主、斯坦福大学终身教授、复旦大学复杂体系多尺度研究院荣誉院长迈克尔·莱维特（Michael

郑琴琴，复旦大学管理学院企业管理系教授、博士生导师，研究方向：国际商务，商业伦理，企业社会责任。复旦管院·兴动ESG大讲堂首期开讲：以“长跑心态”发展ESG投资重磅预告管理赋能

枫叶如火映着冬阳星星点点汇聚在一起将静谧安然的园林温暖地点亮红枫处处染校园秋色诗意万景艳校训墙畔的景观花园内相辉堂一隅各个教学楼的转角处不经意间也会瞥见那抹

ESG<u>@复旦管院</u>

512月13日（星期三）科创向善与可持续发展论坛暨复旦管院·兴动ESG大讲堂第二讲14:00史带楼503教室识别二维码报名问学讲堂·科创周特别呈现14:30李达三楼105教室|

小雪，二十四节气中的第20个节气，是寒潮和强冷空气活动频数较高的节气，意味着天气会越来越冷、降水量渐增。此时，北方已飘雪而江南的冬远比想象的要晚一些校园内缱绻着秋的暖意

CO₂排放比2020年下降18.5%；非化石能源消费比重达到20%左右；森林覆盖率达到24.1%，森林蓄积量达到180亿立方米。预计到2030年，中国碳排放达峰。单位GDP

ESG<u>@复旦管院</u>

在江南初冬虽至，秋韵方浓季节的更迭下一草一木渐渐呈现出温暖浓郁的“美拉德”配色美拉德原指食物受热发生焦化由生到熟产生的颜色转变过程将其用到色彩美学上便成了一种时尚搭配小管在复旦校园搜寻了一圈邂逅了诸多“美拉德”浪漫

孙家桢感谢同学的投稿也希望大家在立冬节气可以看着美图，感受爱与温暖复旦二十四节气竚看三春烟水暖好观一跃化神龙何物最先知虚庭草争出造物无言却有情每于寒尽觉春生趁取春光

它的1.0版本可实现中产家庭的基本养老陪护：功能上可执行家庭基本清洁任务，支持人类日常生活中的简单活动；智能上可实现家庭地图构建、日常物品识别以及与人类的基本对话；交互上可实现语音控制、触屏控制。■

财政部近日发布的《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》）将于2024年1月1日起生效。发布当天，A股数据要素板块大涨，并在随后一周内持续领涨。资本市场的积极反应显示了市场预期：相关企业数据要素价值将进一步释放、数字经济发展将进一步加快。距离《暂行规定》正式生效仅有不到两个月的时间，数据资产入表将对哪些企业产生重要影响？什么样的数据资源能够确认为数据资产？政策落地难点在何处？解决对策又有哪些？针对这些问题，本期「问学·复旦管院」邀请会计学系李达三讲席教授黄蓉老师从专业视角进行解读。全文

感谢您对「问学·复旦管院」系列知识产品的认可，我们一直致力于生产优质的原创内容。如有转载需求，请您耐心阅读以下“转载须知”和“授权申请”。转载须知转载推文开头须注明文章来源：复旦管院（ID：fudanguanyuan）转载形式：默认为单勾白名单转载平台：仅限于微信公众号平台转载要求不得修改和删除文章内容、注释、引用和配图等；不得将本公众号的推文二次授权给他人；不得二次转载其他渠道的转载后内容，如有转载需求请务必联系本公众号进行授权；转载内容不允许带任何商业广告；若转载不符合以上要求，本公众号将进行举报并追究责任。授权申请复旦管院微信后台留言，并按照以下格式提供信息、申请授权申请方微信公众号名称：XXX申请方账号ID：XXX申请转载文章名称：《XXX》转载形式：单勾白名单授权预计转载时间：年/月/日再次感谢您对原创内容的支持与保护，欢迎联系我们进行转载合作。

“山明水净夜来霜，数树深红出浅黄”今日霜降，秋季的最后一个节气。而在江南，秋色初染。校园里，叶的金黄、果的浅棕、花的斑斓，正是唐代刘禹锡笔下的“秋日胜春朝”吧！秋日草木泛黄偶有红叶点缀秋色未深却恰好给了我们慢慢感受季节变化的从容秋风拂过上学路我们走过的每一程每一天都更鲜妍欢迎你和我们一起收藏校园的秋色欢迎加入“金秋校园”创作计划你眼中校园里最美的秋色最动人的秋日印象发生在秋日的学习、生活、运动课堂、讲座、社团活动……各种生动场景可以是图片、视频、手绘等通过公众号“复旦管院”对话框发送给我们，并写明姓名

绿色挑战中的机遇——创造社会与企业的共享价值吴哲颖复旦管院企业管理系副教授管理学博士，毕业于美国南加利福尼亚大学。她的研究方向为企业战略与国际商务，曾在Strategic

Service,MaaS），提升前端应用的能力。开发AIGC成本巨大，现在看起来好像“价值有限”，但曙光就在眼前。AIGC产业已经慢慢进入了场景摸索、跨越鸿沟的阶段。【教授简介】

“树含秋露晓，阁倚碧天秋”今日寒露。萧萧秋意重，依依寒色浓。《月令七十二候集解》有云“九月节，露气寒冷，将凝结也”。此时，气温怡人，秋风吹过，偶有黄叶飘落，我们也更能感到秋的韵味。在校园里，在旅途中在你生活的城市在你的家乡……你收藏了什么样的秋色欢迎加入“金秋校园”创作计划你眼中校园里最美的秋色最动人的秋日印象发生在秋日的学习、生活、运动课堂、讲座、社团活动……各种生动场景可以是图片、视频、手绘等通过公众号“复旦管院”对话框发送给我们，并写明姓名

“金气秋分，风清露冷秋期半”秋分，昼夜均而寒暑平。这天正好在秋季90天的中间，也有着“平分秋色”的意思。而在南方，秋总是突如其来，也就是在一阵阵细雨间，长夏悄悄地褪去，把最美好的时光让给了秋天。AUTUMN是什么让你相信秋已来临是密密蒙蒙的秋雨么如丝如缕写下季节的诗句冬是孤独，夏是离别，春是两者之间的桥梁，唯独秋，渗透所有的季节。——阿多尼斯《我的孤独是一座花园》是什么让你捕捉到秋的幸福是枝头的红果实，是秋日的绽放还是秋风吹过的气息年轻人，你的职责是平整土地，而非焦虑时光。你做三四月的事，在八九月自有答案。——余世存《时间之书》是什么让你走进秋的宁静是轻盈飘落的一叶是可以捡拾的秋色是小径曲折，秋意深藏这时没有房屋，就不必建筑，谁这时孤独，就永远孤独，就醒着，读者，写着长信，在林荫道上来回不安地游荡，当着落叶纷飞。——里尔克《秋日》秋分之后你参加的第一场讲座第一次校园活动会是什么呢小管搜集整理了下周文化日历供同学们参考文化讲座FUDAN盈科而后进，在不确定的世界，做确定的自己主讲：梁永安时间：9月24日

“做统计学家的最大好处，就是能在所有人家的后院玩耍。”——著名统计学家约翰·图基统计学本质上研究的是数据分析问题，而几乎任何领域都涉及数据分析，因此或多或少都能与统计学挂上钩。事实上，很多现代工业的发展与科学研究的突破都离不开统计学在其中的推动。正如著名统计学家约翰·图基（John

在微信公众号“复旦管院”对话框或小红书“复旦大学管理学院”相关帖子评论区分享你写的心意卡片有机会获得学院精美文创产品噢快来参与~*

近一段时间以来，类ChatGPT的生成式人工智能（AIGC）大模型引发全球资本竞逐，这项技术对各行各业的变革性影响正在持续发生，或深或浅地改变着消费场景与商业模式。“现代营销学之父”、美国西北大学凯洛格管理学院终身教授菲利普·科特勒，在其最新出版的《营销管理》（第16版·全彩版）中就指出，人工智能在消费品中的使用出现了爆炸性增长。“电子商务、在线交流和移动通信，以及人工智能的迅速崛起，提升了营销人员的能力。如今，消费者和营销人员都能获得有关万事万物的海量信息和数据。”如何看待AIGC等新技术对传统消费及营销模式的影响？它将如何改变消费的内容场景及形式？近日，21世纪经济报道专访了《营销管理》（第16版·全彩版）的中文译者之一，复旦管院院长、复旦大学科创管理研究中心主任陆雄文教授。陆雄文复旦大学管理学院院长、教授01市场已从供给主导转向消费主导Q1：Web3.0时代，你认为企业的品牌营销出现了哪些新变化？陆雄文：Web的本质是连接。Web1.0实现了内容的连接，Web2.0实现了个体的连接，并形成了终端网络、内容网络、关系网络和服务网络。Web3.0与两个方向的技术变革有关，一是蒂姆·伯纳斯-李提出的“语义网”技术，这个技术方向让互联网具备了对信息的阐释能力和管理能力，从而扩展了内容连接的逻辑，实现信息之间、人与信息之间智能关联的可能性；二是凯文·阿什顿提出的“物联网”概念，终端技术和物联网技术把我们带进一个“泛终端”的时代，即万物皆屏、万物皆终端，也就是凯文·凯利说的“当你在看屏幕的时候，屏幕也在看你”。由此，在Web3.0时代，内容网络、关系网络、服务网络融合叠加影响，终端网络发生质变，“智慧零售”成为可能。理解了Web3.0对连接本质的影响，我们就能更好地来理解企业的品牌营销面临的环境变化，以及企业运用营销科技或主动或被动采取的策略变化。首先，品牌营销的对象发生了变化。Z世代成为消费主力，他们是移动互联网的“土著”。Z世代看似分布在不同的下沉市场，但因为互联网带来的信息扁平，加之电商平台的集聚效应，消费者的心智共识更容易达成，这为品牌打造短期流量的爆款产品创造了机会。与之相对应，由于市场已经从供给主导转向消费主导，成熟的供应链体系带来差异甚微的供给能力，品牌经营用户的忠诚度越来越难，因此，拉新获客成本也变得越来越高。其次，品牌营销的方式发生了变化。“全渠道、全链路”成为市场营销新的大原则。社交媒体崛起，一方面，社交媒体电商化，成为传统电商渠道的强大竞争对手，另一方面，用户生成内容，特别是KOC、KOL和MCN机构的博弈和合谋，抢占用户心智。移动互联网、物联网、大数据、云计算、人工智能等技术被品牌营销征用，使得数字化营销的投入产出变得更易被计算。越来越多的品牌意识到线上线下体验一致性的重要性，而虚拟现实技术则开辟了一个全新的用户—品牌关系建构场域，包括交易。第三点，品牌营销的目的发生了变化。Web3.0时代，品牌营销围绕用户洞察，以数字化工具，通过经营品牌资产和关系资产以实现营销增长。“以顾客为中心”不再是一句口号，而是所有品牌营销的出发点，也是目的地，品牌通过顾客全生命周期管理，实现共情、共创、共生。02AIGC的价值有待进一步凸显Q2：对于这样的新变化，AIGC在营销中已有哪些应用场景？陆雄文：从最基础的方面看，人工智能可以为营销活动生成个性化内容，包括电子邮件、社交媒体帖子、平台内容和图片，甚至个性化广告、个性化产品设计等。AIGC最大的优势就在于简化了内容创建过程，可以快速高效地制作大量内容，同时保持品牌调性一致。对于时效性强、迭代快的营销内容，AIGC的高效尤其突出，比如根据一些特殊活动、节日、季节和天气的变化调整宣传语、图片色调等等。这是目前AIGC最常见的应用场景，我们已经可以看到很多AI生成的海报、音频、视频等。在互联网时代，营销讲究精准投放。在大数据分析的基础上，AIGC帮助广告优化，生成与个人消费者产生共鸣的定制内容，包括个性化推荐、产品建议、有针对性的广告和动态网站内容，实现大规模个性化营销。AIGC能够帮助品牌高效地向特定受众传递消息，提高客户参与度和转化率。AIGC还可以生成广告变体，并实时测试，及时更新最有效的内容和信息。Q3：你认为“AI+”有哪些未来场景值得期待？陆雄文：将来客服这个角色也完全能够由AI承担。AIGC可以用于处理常见的客户询问、提供处理问题的建议、协助客户做出购买决策，是一个更“聪明”的智能服务，真正帮助客户解决问题，让客户不再无奈地在对话框内输入“人工服务”。AI甚至可以根据不同用户画像灵活地选择不同的语言风格，更好地模拟人工客服。从我们的研究来看，可应用AI的六大营销板块，分别是AI+广告、AI+内容、AI+社媒、AI+电商、AI+用户增长、AI+创新管理，这其中AIGC就扮演了很重要的角色。对很多消费者来说，AIGC还是个新鲜事物，用于营销中自带流量。但随着技术逐渐普及，AIGC在营销领域的真正价值反而才会凸显出来。不过，任何营销场景最终都是要连接到用户和消费者。有学者在研究发现，当消费者关注产品的功能价值大于享受价值时，他们会更信任机器的推荐，这被称为“机器口碑效应”。他们做了一个实验：要求参与者在两块巧克力蛋糕中选择一块品尝，并告诉他们其中一块蛋糕根据人类甜品师提供的食谱制作，另一块则参照人工智能生成的食谱，但实际上两个蛋糕的成分和外观都一模一样。结果发现，参与者认为，人工智能推荐的蛋糕不如人类甜品师推荐的好吃，但更健康。换句话说，对于小至一块蛋糕，大到一栋房子，都能通过AI找到营销突破口，前提是企业在制定营销策略时需要平衡好人和AI的关系。AIGC在营销行业的应用前景，不仅取决于“供给侧”企业在营销实践中对AI的应用广度和深度，也取决于“需求侧”消费者对AIGC的认知与接受。所以，AIGC在营销领域的应用前景很广阔，AI和人的结合会更紧密，更多元。AIGC可以培养出最契合品牌的虚拟代言人，通过视频、直播、文字等生成的内容与消费者互动，完成宣传任务。在品牌出海潮流中，AIGC能够跨越文化和语言的障碍，生成多种语言的内容，调整内容以适应不同的文化背景，确保营销活动与全球不同的受众产生共鸣。人工智能可能会具备比人类更高的“情商”，在与用户的互动过程中分析对方的情绪线索，生成引发特定情绪反应的内容，在情感层面上更好地与用户建立联系，帮助品牌提高用户黏性。03要重视AI参与对消费者情感的影响Q4：这与传统营销模式的区别在哪里？对企业营销带来了哪些挑战？陆雄文：首先是人工智能带来的自动化、个性化和工作效率方面的挑战。人工智能技术可以实现自动化的营销过程，并根据用户数据提供个性化的体验。传统的营销手段无法与这种程度的自动化和个性化相媲美。其次是数据处理和隐私保护方面的挑战。人工智能和传统营销模式的重要区别在于，人工智能需要大量的数据进行分析、训练和深度学习。这里就涉及到对用户信息和外部市场数据的采集的合法合理性问题。如今，靠营销人员或者设计师的人工出品营销方案的速度，已经赶不上内容消耗的速度了。所以，能够并且擅长运用人工智能技术来提高产品营销效率已经成为必备技能。然后，因为全世界所有的公司都会努力使用这些新的营销工具，所以技术本身并不能给企业带来持续的增长。这也意味着营销并不会因此变成数字游戏，新的趋势更加需要营销人掌握全局观和科学方法论。运用庞大的信息流来把握品牌调性，在纷繁市场动态中识别关键线索，并引导企业走向长期增长的道路。在我看来，最大的挑战还在于消费者的体验和理解这一端。AI对营销行业的影响，也取决于处于“需求侧”的消费者对AI的认知与接受。根据我们同事的研究，在面对可能有AI参与的营销及广告推送时，消费者往往无法分辨广告文案及营销内容的创作主体，在其不了解创造主体的时候，消费者对于AI和人类创造的营销内容评判并无差异。但消费者一旦了解其接触到的营销内容是AI创作后，反而会表现出对算法的厌恶和明显的负面情感。消费者反而对于“人智共创”的内容表现得更为积极和接受。这就对于公司、品牌和营销团队提出了非常大的挑战，要特别谨慎处理好AI参与对消费者情感的影响及效应。*

自小学到的历史，大多围绕帝王将相、英雄豪杰展开，这些轰轰烈烈的人物与事件，是我们潜意识中认知的“有为”，而这种“有为”从来不是“碌碌”的。但今天，历史学家王笛带着《碌碌有为》这本书来到复旦管院，他说，在传统的历史书之外，那些没有被记录姓名的、无数的普通人才是书写历史的中坚力量，而重新审视、认知普通人的日常，从而反观、确认我们自身的位置，可能是今天读历史的意义。

挺拔昂扬的姿态整齐划一的步伐管院“迷彩人”集结英姿飒爽“兴奋又紧张”“有压力”“挥汗如雨”“澎湃”“疲惫但充实”……同学们在训练之余记录点滴，写下感悟此刻，青春同频“军训第

人工智能（AI）的飞速发展，正在为各行各业带来无限可能。然而在其应用场景不断拓展的过程中，我们发现自己常常被“困”：“信息茧房”借助个性化推荐困住了屏幕前的人，“大数据杀熟”通过个人数据分析困住了钱包……毫无疑问，眼下炙手可热的AIGC（生成式人工智能）也将会带来我们未曾意料到的新“困境”。如何善用人工智能，为人类自身“解困”？本期“问学·复旦管院”邀请信息管理与商业智能系张成洪教授，为我们梳理人工智能发展中的“远虑”与“近忧”，并结合管理视角与算法研究，探究AI算法的“治”与“理”之道。全文9879字预计阅读时间25分钟01AI算法治理的必要性自2016年3月阿尔法狗（AlphaGo）击败人类棋手李世石的新闻传出后，人们对人工智能的关注逐渐升高，兴奋之余也开始思考机器智能是否可能超越人类智能。实际上，在2016年之前，就曾有报道提到一位国际象棋特级大师在比赛时使用手机作弊，暗示手机可能在某些方面胜过人类，尤其在国际象棋领域。此外，还有一则报道提及一位国际象棋棋手，被问及如果与机器对手下棋，他会如何应对？他回答称：“我无法应对，只能拿把锤子将其击碎。”机器智能是否会超越人类？我认为这取决于具体的领域。这是一份汉斯的人类能力地图，他在这个地图上标示出在一些领域，例如死记硬背、算数、下棋、问答比赛等方面，机器已经超越了人类。随着时间的推移，像机器视觉、语音识别、语言翻译等领域，机器的发展已经慢慢接近并超越了人类。当然，人类的能力也有其独特之处。例如，在科学、艺术以及AI算法设计等领域，人类可能还拥有一些独特的高峰。机器智能要在这些领域超越人类，可能还需要相当长的时间。然而，最近一段时间内，我们也注意到了一些变化。例如，去年年底发布的ChatGPT，已经展现出了令人惊讶的能力。这些新技术具备了通用人类意图理解和思维链的能力，尤其是在与深度学习和生成式AI相结合的情况下，再加上基于人类反馈的强化学习，计算机已经能够完成编程、写作、绘画等任务，逐步接近了人类能力地图上的几座高峰。以绘画为例，过去我们普遍认为绘画是一种需要创造力的表达，是人类特有的能力。然而，以GPT-4为代表的生成式AI，已经能够自动生成各种创意和作品。这些AI创造的绘画作品，在风格和形式上极为多样。但是，作品是否具有艺术价值，是否符合艺术的审美要求，这需要人类进行判断，但如果人去判断所有的AI作品，这个工作量是无法接受的。怎么做呢？我们让人类与机器协作。先由人类对一些作品进行评价和判断，然后让机器学习这些案例的判断标准。通过基于人类反馈的学习，机器可以自动进行判断，这使得机器在绘画和创作领域有了更多的发展空间。01AI的“远虑”今年上半年，包括马斯克在内的千名全球科技人士联名发布了一份公开信，呼吁暂停推出更强大的人工智能系统。尽管我认为这份公开信的呼吁不太可行，但其中提出的许多观点值得深思。其中，特别强调了需要建立专门负责人工智能的、有能力的监管机构；强调了推出标明来源系统和水印系统的重要性，以帮助区分真实信息和合成信息，并跟踪模型的泄露；此外，还提出需要强大的审计和认证体系，以确保人工智能系统的透明度和可信度。另外，公开信还提出了需要明确人工智能可能造成的伤害所对应的责任归属。这些内容表明，科技领域的关注不仅仅局限于人工智能的应用，更多地开始关注人工智能是否会带来负面影响，是否需要对其发展进行适当的限制。02AI的“近忧”即使不去考虑AI的“远虑”，也需关注AI的“近忧”。比如，电商平台依赖算法进行推荐和定价，可能导致价格歧视和大数据杀熟现象；视频网站通过算法推荐内容，可能造成信息茧房，使消费者只接触符合其观点的内容，加剧信息偏见；对于外卖骑手，AI算法的应用可能影响他们的工作和收入，使他们感觉被“困”在算法规则中。03AI算法的负面案例这里还有一些负面案例。比如算法歧视，包括搜索排名与个性化推荐被操纵；医疗领域的误诊风险；隐私泄露、诱发舆论暴力、种族、性别的歧视；还有人类过度依赖算法，使个体失去自主性等。此外，当算法决策或应用结果损害特定主体权益时，由于规则和原则不明确，可能导致利益救济不足的风险。滥用或误用算法也是一个潜在的风险。另外，算法产生的决策效果可能会破坏社会的公正和社会凝聚力。另外，算法不透明，导致使用者难以相信其产生的结果，进而限制了AI的应用。此外，AI算法可能会威胁使用者的安全，特别在自动驾驶等领域。因此，我们迫切需要对AI算法进行有效的治理。02AI算法治理的内涵01AI算法治理的定义AI算法治理的定义是基于风险防范的要求，对算法本身以及其应用的场景和解决的问题，作为治理对象进行规范化、合规化的监管和修正。学界对于算法治理已经开始关注，不同学者提出了不同的定义。例如，有一种定义是，算法治理致力于提高算法的可解释性、透明性和技术保障，涉及一系列技术标准和法律规范的制定。另外有学者认为，算法治理旨在确保算法的安全性，要对算法建模和预测的全过程进行管理。当涉及到算法的标准和要求时，出现了一些新的术语，例如公平的AI、可解释的AI、负责任的AI和可信的AI等等。然而，综合考虑这些概念，我们可以总结出一些关于制定、设计和运行AI算法的基本原则。02制定AI算法设计/运行的基本原则1）准确性。AI算法的首要任务是准确，如果不准确本身就没用，还会带来负面效果。2）稳定性。它要求我们的算法不仅在当前情境下准确可靠，还需在不同情境下保持准确可靠。3）可靠性。保证算法决策依据的充分性，保证决策结果可靠，可信任。4）公平性。保证算法的决策无偏向性，无指向性。5）透明性（可理解性）。保证算法的决策过程是透明的，决策结果是让大众可以理解的。6）安全性。算法的开发和使用必须免受安全隐患的影响，不能因为外部干扰或攻击而导致算法误判。7）隐私保护。算法一定会使用数据，所以要保证数据的安全，保护用户隐私。以上七点是制定AI算法的基本要求。03AI算法治理的主要挑战AI算法治理的主要挑战是虽然目前有社会共识，有政策法规的要求，但还没有形成AI算法治理的体系。难点在哪里？因为AI算法经常是一个“黑匣子”，难以检测AI算法是否符合透明可解释、公平多样、安全合规等要求。此外，因为算法是由数据驱动的，设计人员怎么保证算法是合规合法的、符合科技伦理的？应该由谁负责AI算法的治理？谁又有能力来做AI算法治理？04AI算法治理的内容层次我的观点是，AI算法治理至少要包含三个层次。第一个层次，是算法治理的政策法规，由国家行业的主管部门制定政策，给予指导。第二个层次，是算法合规性的审计，依据法律法规或者行业要求对企业展开检查和监管，这个可能企业内部做，也可能需要行业或国家成立专门的机构监管机构去做。第三个层次，是开发出合规合法的AI算法，这对开发人员、对算法工程师是有要求的。接下来，我将从以上这三个层面详细讨论AI算法的“治”与“理”。03算法治理的政策法规算法治理的政策法规具有特殊重要性，因为它是算法治理的重要指引，是全社会的共识。政府与行业需要共同合作，制定法律法规，以确保算法的合理运用，并进行必要的政府监管。这需要确立健全的算法问责机制，明晰算法的责任主体，以促进算法治理走向科学化、体系化。同时，伦理道德方面的约束也不可或缺。一些企业在这方面也展现出积极努力，例如微软设立了人工智能能力委员会、美国联邦政府与亚马逊合作开发促进算法公平性的项目。另外，腾讯一直强调科技向善，阿里在实践中也致力于开发负责任的AIGC。实际上，从2021年起，我国相继颁布了一系列关于算法治理的法律法规。例如，于2021年3月发布的人工智能算法在金融领域应用的评价规范。同样值得一提的是，7月份人力资源和社会保障部等八个部门共同发布了一份指导意见，着眼于维护新兴就业形态下劳动者权益的保护。8月国家出台了互联网信息服务算法推荐管理的规定，主要是强调信息服务的推荐过程中要避免信息检查，在2022年形成了正式的意见。9月份发布《新一代人工智能的伦理规范》，2022年11月份，又出台了《互联网信息服务深度合成管理规范》，今年发布了《生成式人工智能服务管理办法》的征求意见稿。近几年有大量的相关文件发布。04算法合规性审计01AI算法合规性审计为什么重要？算法合规性审计之所以重要，源于诸多因素。以2021年美团为例，为应对社会上对于骑手困在算法中的关注。在国家出台相应要求以保护骑手权益之际，美团采取了措施，公开了其骑手调度管理算法。然而，此举并未如预期般奏效，因公开程度较为粗略，难以被广泛理解。在此引发一个问题：公开的程度应如何界定？若完全公开，是否会损害公司有关算法的知识产权？所以公开程度与算法的知识产权保护怎么去界定？这是一种矛盾，即不太可能要求企业完全向社会公开其AI算法。相比之下，更好的方式是将其向专业人士或审计机构公开，或者设立专门的审计机构，以审计为手段检查企业或其AI程序是否遵守政策法规，确保其算法达到合规向善的企业承诺。当然，审计方式或可为企业内部部门，亦或为外部专业机构。02AI算法合规性审计为什么困难？目前，对于AI算法进行审计确实极具挑战性。过去，企业对业务进行审计时可能发现，大部分业务实际上是由信息技术(IT)主导的，或者说业务的运转离不开IT系统。因此，对于IT系统的审计变得不可或缺，这可能需要对IT系统的逻辑进行严格审查。而当我们现在面临算法审计时，即便我们有条件打开算法的代码，很可能仍然无法判断其合规性。正如之前所述，许多算法是数据驱动的，连算法工程师自己也可能无法预测所训练出的模型是否会违反某些伦理规范。尤其对于许多深度学习的AI算法来说，它们常常被视为黑匣子，难以深入探究其内部机理。03AI算法合规性审计——制度建设当然，算法治理努力仍然需要继续前行，这需要在几个方面展开工作。首先，制度建设方面是关键，其中一个方向是确立相应的监管体系。监管部门需要将算法视为监管的对象，并对其全过程进行监管。有时候，由企业内部自行进行算法治理，而在某些情况下需要引入第三方的算法治理机构。04AI算法合规性审计——一般流程此外，我们还可以借鉴传统审计流程的经验。例如，对于算法合规性审计，我们可以采用类似的方法。首先，制定一套标准，然后进行调研，收集必要的信息，并进行测试和反馈。最终，总结审计结果。这样的流程我们过去用于内部审计的经验，现在可以用于算法合规性审计。05AI算法合规性审计——测试方法当真正进行算法审计时，特别重要的是进行测试，以发现潜在的风险点和问题。测试可分为两大类。第一类是符合性测试，以确认算法是否遵循相关政策，是否按照要求执行了相应的流程。这可以包括查阅文件、访谈相关人员、审查自查报告，甚至检查系统、代码和数据。第二类是实质性测试，包括系统测试、特殊样本的探测、扰动测试，以及确保算法可解释的测试。在开展算法审计工作时，需要明确审计目标，了解评价标准，并确定问题识别的方法和相关分析工具。这样可以帮助我们全面而系统地进行算法审计。06AI算法合规性审计——评价指标案例让我们来简单看一下在算法合规性审计中如何选择评价指标。以公平性为例，需要考虑的是算法是否存在对特定群体的歧视，如性别歧视。可以借鉴分类任务中使用的混淆矩阵来判断。比如关注算法是否将本来合格的女性错误地判断为不合格，或者将不合格的男性错误地判断为合格。通过比较两个不同群体之间的这种情况是否一致，如果一致，表示没有歧视，反之，可能存在歧视问题，即不公平情况。那么，如何检测一个AI系统或算法是否存在歧视或不公平情况呢？第一种方法：通过实际的样本去测试，观察其最终结果是否具有问题。然而，依靠人工生成大量样本进行测试的工作量是庞大且难以接受的。第二种方法：强化学习，让计算机自动生成样本并进行测试，以检测是否存在歧视情况。当然，任由计算机随意生成样本也是不可接受的。使用强化学习的方法，计算机会尝试找到已有样本中存在问题的模式，然后根据这些模式生成新的样本。通过这种循环的方式，不断产生新样本，尽量将存在问题的样本识别出来。因此，有一项研究基于多个数据集，并采用强化学习方法，以寻找潜在的歧视样本。这种方法的效果显著，它使得我们能够检测算法是否存在歧视问题。另一个话题是信息茧房。首先明确定义，什么情况可以被视作信息茧房。总体而言，有两个指标可用于界定信息茧房。第一个指标：信息集中度。如果某位用户阅读的文章或观看的视频都属于同一主题类别，那么他很可能陷入了信息茧房的状态。第二个指标：收敛性。这指的是，我们可以观察用户经历多长的时间阶段会陷入某些特定类别。如果用户很快就陷入某一类别并长时间保持，那么信息茧房的情况可能较为严重。与信息茧房对应的是内容的多样性，以及主题类别之间情感的差异性，或者内容作者的权威性等等。通过这些方式，我们可以对信息茧房现象进行评测。07算法合规性审计——可视化工具目前，算法合规性审计领域已经出现了一些可视化工具。例如IBM开发的这个可信AI可视化工具，它能帮助我们更好地理解和审查AI算法的决策过程。比如考察一个负责车损理赔判断的AI程序，当有人提出理赔申请时，该程序可能根据一系列因素判断该申请是否应该被拒绝，比如有90%的概率拒绝。在这个过程中，该工具可以提供可视化的方式，帮助解释为什么会作出这样的决策。例如，它可以显示出一些因素，比如保险到期时间不足一年、高频率的理赔申请、年龄较小等，这些因素可能导致决策的结果。这种可视化工具有助于使决策过程更透明，让审计人员和相关人士更好地了解算法的运行和判定依据。类似的可视化工具还可以用于做公平性的展示。继续以车损理赔为例，可以针对上述AI程序在不同年龄段车主的理赔通过率进行统计和比较。例如，可能发现年轻人，特别是18岁到22岁之间的年轻人，其理赔通过率仅为52%，远低于70%这个整体平均通过率。在此情境下，该工具可以进行一种测试，将样本中的年龄替换为18-22岁以外的其他年龄段，重新计算其理赔通过率。结果可能显示通过率明显提高，例如达到了65%。这表明年龄上的差异性对理赔结果产生了影响，而通过这种方式可能减少了公平性问题或歧视问题。值得注意的是，这种调整后的结果在准确性方面基本没有下降。这种可视化工具的应用有助于更全面地评估算法的公平性，揭示潜在的歧视问题，并提供有助于优化算法决策的线索。08小结：AI算法审计的现状与未来目前，AI算法审计仍处于初步探索阶段。尚未形成专门的AI算法审计机构，传统的会计事务所也很少开展AI算法审计业务。确实，让传统的会计人员做AI算法审计也相当困难。然而，我认为AI算法审计是未来的必然趋势，特别是在AI监管要求不断加强、AI负面事件增多的背景下，AI算法审计是必然的趋势。我觉得，类似于过去我们建立了软件评测中心和安全评测中心一样，各地区可能会逐渐建立专业的机构来进行AI算法审计和认证工作。虽然AI算法审计的道路充满挑战，还需要大量的研究和探索，但同时也蕴含着巨大的机遇和潜力。随着技术的不断发展和专业机构的建立，我相信AI算法审计会逐渐成为一项重要的工作，为确保AI系统的透明性、公平性和合规性发挥着关键作用。05合规算法的开发01合规算法开发的需求实际上，在算法开发阶段就考虑合规性问题是非常重要的。事后审计存在局限性，有时候可以说是于事无补，因此在算法开发的早期阶段就考虑到这些问题是更为理想的做法。然而，确保算法在开发过程中合规并不是一项容易的任务。对于可解释的模型，我们可能可以采取一些方法来确保样本特征、参数、目标函数等都符合合规要求，但对于深度学习等复杂模型来说可能更具挑战性。此外，如何将合规性要求与业务要求融合并在模型的训练过程中加以约束也是一个重要问题。我们需要考虑如何确保模型是可解释和可监管的，同时符合伦理标准，并遵循业务常识。这可能需要采用一系列策略。02非歧视与公平性我们来看一些例子，比如算法歧视和公平性这方面。造成算法歧视的原因是什么？第一，可能由于训练数据和真实数据的分布不一致，包括源样本选择错误等。第二，可能是算法设计过程中没有考虑公平性准则，也就是损失函数设计、目标函数设计、算法模型的选择、阈值设计出了问题。第三，可能评价标准不适用于业务场景。举个例子，有研究提到，通过医疗保险的费用支出来反映个体的身体健康状况，有些人可能很少去看病，因此他们的支出较少。然而，这并不能准确代表他们的身体健康状况良好。这引出了我们代理变量的选择问题，即变量无法直接且准确地反映个体状况。因此我们需要采取行动确保不存在歧视，有多种方法可以做到这一点。一种方法是对数据进行预处理，如将敏感属性（如年龄、性别、种族）从贷款违约等预测中移除。但仅仅移除这些敏感数据可能不足够，因为它们可能会间接影响最终结论。有研究提出，在模型输入之前对这些敏感属性进行脱敏处理，与其他变量一起进行处理，以尽量消除这些敏感属性的影响。这种算法确保了公平性方面的考量，虽然整体准确率略有下降，但不至于影响业务收益。03可解释性：设计算法模型可解释我们考虑第二个方面，关于模型的可解释性。有些模型本身就具备可解释性，被称为白盒模型，例如决策树。然而，还有一些模型是黑盒模型，如图神经网络，对黑盒模型需要更多解释。一种方法如下图所示：我们需要预测一个个体的偏好，这不仅涉及用户个人的年龄、性别等属性信息，还包括其社交网络等因素。使用图神经网络，我们可以预测一个人喜欢篮球，另一个人喜欢帆船运动，这是黑盒模型的输出。为了解释这些结果，我们使用GNN（图神经网络）解释器进行分析。这个解释器会考虑为什么模型认为某人喜欢篮球。例如，GNN解释器认为GNN判断他喜欢篮球主要是与红色边的用户相关，且这些用户都喜欢球赛。类似地，对于另一个个体，解释器分析的结论可能基于他的社交圈中都是喜欢帆船运动的人，这也支持了模型的结论。这种方法使得黑盒模型的结果更加可解释，帮助我们理解为何模型得出特定的预测结论。当然我们要完整的去说可解释，可能要分成很多个方面，例如可以从三个方面来看。一、解释的内容，是全局可解释还是局部可解释。二、解释的过程，是只做输入输出映射的解释，还是全链路的解释。三、解释的对象，是面向模型的可解释，还是面向个体样本的可解释。全局可解释是什么？全局可解释从整个模型的判断结果出发，从整体上提供一个解释。类似于下图右侧的图片，图片上半部分为原始图像，而下半部分则显示了机器关注的是图像中的哪些点，高亮的部分就是算法所关注的点。通过分析这些亮点，可以判断算法关注的区域与需要识别的对象是否一致。还有一种方法是局部可解释。我们可以看下图右边第一张图是狗在弹吉他，深度学习的分类模型可能判断这张图为电吉他、原声吉他或拉布拉多犬。如果给定分类模型的分类结果，LIME（Local

科技迭代，产业升级理论和实践如何破局求变时代需要怎样的商学院和商业教育

“云天收夏色，木叶动秋声”今日立秋。一个“秋”字，给正盛的暑气带来了些许凉意。虽然离出伏还有十余天，直至秋分前这段日子都是“长夏”，但细心的你，定能从枝头吹过的风和突然落在脚边的黄叶，觉察到秋的气息。一个热烈的季节就这样放缓了脚步这个夏天你实现了多少愿望收藏了多少记忆我们随手记下了校园湛蓝的天空可爱的云朵还有，李达三楼九楼阳台那些不一样的落日忽而立秋你还有多少想在夏天去做但还没有做的事呢订立一个新计划朝着自己的目标加油吧我们所要做的事，应该一想到就做；因为人的想法是会变化的，有多少舌头、多少手、多少意外，就会有多少犹豫、多少迟延。——威廉·莎士比亚《哈姆雷特》

由思盟企业社会责任促进中心发起组织，复旦大学管理学院、复旦大学东方管理研究院作为学术支持的第八届“价值共创”中国企业可持续发展案例评选如期而至。本届“价值共创”共设立“价值共创优秀奖”“可持续发展领导力奖”“ESG治理示范奖”“双碳目标与气候变化贡献奖”“乡村振兴奖”“可持续产品奖”六大奖项，旨在评选在价值共创各维度整体表现优秀的案例，并将从中选出年度卓越案例。11月，主办方将举办价值共创主题论坛，邀请ESG与可持续发展方面的专家学者、企业经理人、社会组织、媒体机构等共同参与，分享在可持续发展方面的前沿洞见，并将见证“价值共创”优秀案例的最终揭晓。诚邀各企业单位或个人参与可持续发展优秀案例评选，与行业同仁分享自身在促进可持续发展的探索与创新。2023年评选背景近年来，中国企业在ESG管理方面已经积累了一定实践经验，随着监管机构及行业自律组织ESG管理要求的进一步明确，以及受到国际可持续准则理事会（ISSB）出台准则的影响，中国企业ESG管理逐渐进入到科学化、规范化阶段，正在迈入ESG转型阶段。同时，全球范围内“气候变化”议题关注度逐渐提升，我国“双碳”目标相关配套机制逐渐完善，推动形成绿色低碳的生产方式和生活方式。碳管理与气候变化应对正在逐渐深入企业的业务战略与产品研发之中，商道咨询《2022中国可持续消费报告》显示，消费者对低碳消费助力“双碳”目标实现普遍抱有信心，67.6%的受访者认为低碳消费可以有效促进“双碳”目标达成。2023年评选计划2023年起，评选全面升级为“价值共创”中国企业可持续发展案例评选，明确定位在“以企业为中心”的案例征集与倡导，重视企业行为对社会有序转型的重要意义，关注企业通过联合多元利益相关方，建设自身的可持续发展生态网络的领先实践。设置的六大奖项，旨在评选在价值共创各维度整体表现优秀的案例，并将从中选出年度卓越案例。今年评选首次设立个人奖，面向中小创新型企业开放，评选带领企业在可持续发展领域取得重要成果的领导者（个人），认可企业优秀案例的同时，关注领导者在企业可持续发展创新过程中的引领作用。价值共创优秀奖（3-6个）通过社会价值共创6步行动法则评选优秀案例，其中评选卓越奖1-3个。可持续发展领导力奖（1-6个）评选带领企业在可持续发展领域取得重要成果的领导者（个人），认可企业优秀案例的同时，关注领导者在企业可持续发展创新过程中的引领作用。ESG治理示范奖（3-6个）选取将可持续发展融入机构顶层战略规划、在实践中建立了优秀的治理机制、成功达成融合业务发展与可持续发展的案例。双碳目标与气候变化贡献奖（3-6个）选取在碳中和目标制定率先承诺，并在气候变化减缓与应对、低碳转型方面做出了领先行动，且公布了进展（贡献）的企业案例。乡村振兴奖（3-6个）选取在推动共同富裕、乡村振兴方面具有领先的管理目标、创新工作方法、扎实工作成果的优秀企业案例。可持续产品奖（6-10个）选取企业已经推向市场的具有显著环境或社会效益的可持续产品案例（如绿色金融产品、绿色产品等）。评选流程❖

ESG<u>@复旦管院</u>”暨第一财经可持续活动周沙龙将以“AI的安全与可持续发展”为主题，邀请学者与业界专家进行分享与对话。关键议题：|