隨著大數據與人工智慧的興起，經濟學會不會被徹底改寫？
一家之言，請多賜教。
首先放結論：人工智慧說到底僅僅是一種方法論。目前來看，行為經濟學有引發真正意義的經濟學革命的可能，而得到能引發革命的結論，需要藉助人工智慧的運算。
其實題主點出了一個經濟學很難解決的核心矛盾：現有的成氣候的理論，在邏輯上是幾乎不可能有問題，而這些高高在上的理論在解決現實問題方面作用相當有限。
其實經濟學（包括相關的經濟學等）是一個跟天文學很像的學科，研究人員們不斷觀察提煉著黑箱系統的規律，一方面種種現象無法解釋，另一方面成熟的理論在邏輯上足夠嚴密，好像也沒有什麼問題。
經濟學之所以迄今為止依然有著「假設複雜、數學模型簡單、理論與現實千差萬別」這樣的初級發展標誌，我認為還是因為缺數據。
20世紀60年代開始，美國啟動了NHANES:National Health And Nutrition Examination Survey（國家健康與營養狀況調查），普查面超過總人口70%，到現在已經有了3輪數據，每一次普查都更加科學、詳實、細緻，以至於每次數據出版，都會孕育一批優質的研究。但是基於這些數據的研究里肯定沒一個會用時間序列模型的。
而金融學作為經濟學裡最為複雜的一個分支，由於其研究的價格序列直接來自交易所標準資料庫，在大量數據催生下，金融學理論的現實指導能力非常好。反觀經濟學的許多分支，由於研究角度和普查數據結構的限制，只能用GDP這種異常籠統的原始數據，或者自己編製靠譜不靠譜的調查問卷，去做一些非常基礎的線性回歸，自然得不出什麼好結論。但是像這樣的沒什麼數據的傳統經濟學實證研究，比起泛泛的數據挖掘而言，模型還是有背後經濟邏輯基礎的，再怎麼說也比那些野路子好。然而即使隨著時間的推移，經濟學的所有分支都有了比較豐富的數據支持，這些理論最終還是會面臨理性人假設，還是要借鑒行為/決策科學對人本身的研究，去接近更精確的真理。
如果有這樣一天：行為科學對於人類有了很精確的模型系統、人工智慧可以通過學習無限接近其中任意一個模型的簡化模型、社會普查數據記錄了不同行為類型的人類的比例、對於不同行為類型的人類的轉化也有一定的模型刻畫。到那一天，我們可以在電腦上拿整個社會作實驗，甚至可以預測未來。所以我現在給自己預定的技能樹為：行為科學基礎+博弈論+隨機過程+金融學基礎+深度學習，轉職路線為金融本統計碩博弈論博，目標為幹掉信用風險。謝 @哲也 邀。
對經濟學有一定了解但不深入的人很容易有類似疑惑。雖然經濟學本身確實有不少問題，但並不像題主說的那樣。從問題描述可以看出，題主對經濟學還存在不少認識偏差。對此，我來做一些澄清吧。
1、「首先，經濟學是在理性人基礎上建模的」
正確。
2、「這其實是在假設空間內只固定了一種假設，並在此基礎上推導，而人類非理性行為恰恰證明了這種單一假設的局限性，也導致了經濟模型預測（泛化）能力總是很差」
錯誤一：
經濟學中的 「假設」 和機器學習 「假設空間」 中的 「假設」 並非同一個東西。前者是模型的出發點，而後者則指某個用於擬合數據集的條件概率分布函數。
錯誤二：
經濟學模型有兩類，一是理論模型，二是實證模型。一般來說，實證模型需要用到數據，而理論模型則不必然。題主所說的從理性人假設出發推導的正是理論模型，它們的本質是某個經濟學思想的數學演繹。作出理性人假設，其實就和物理學裡面也經常假設存在 「質點」 和 「無摩擦力」 一樣，它的意義在於提供一個分析的起點。假設不符合現實，不一定會造成結論無效。這就像如果有
，但我們不能據此推出
。結論符合現實與否，需要用實證模型予以檢驗。
錯誤三：
在實證模型中，早就有根據數據擬合效果篩選模型的技術了。下圖就是這樣一個例子，根據運算結果，"fit=1"的 Gumbel 分布是擬合數據效果最好的模型，所以我們可以採用它來建模。
錯誤四：
機器學習所重視的擬合效果卻不是判定一個經濟學實證模型好壞的唯一標準，有時候甚至不是標準。擬合效果好，不代表解釋力強。經濟學和機器學習本質區別在於，前者探求因果關係，而後者僅探求相關性。
3、「現在高級的經濟模型基本都是線性規劃求解」
錯誤。即便在最簡單的 agent problem 里，大部分效用函數也不是線性的。
4、「但人腦在處理這些複雜模型時能力有限，往往都將高維數據降維處理」
經濟學模型也是在降維呀。經濟學的使命是找到因果關係，而不是與之相關的所有因素，這就決定了一個經濟模型中不可能添加太多變數。所謂 「理性人假設」，無非是把複雜的需求決定問題，投影到一個低維度的空間里進行分析。 5、「模型最優解對實際信息處理不足，與實際情況截然相反等可能性」
你要區分討論的是哪一類模型。理論模型本來就力求從最少的信息中獲得最多的洞見，當然可能和現實相反。這才需要實證模型來檢驗。波普對科學性的定義是可以被證偽，而不是結論正確。
6、「而計算機憑藉強大的運算能力可以對幾百上千個模型幾億特徵進行分析並計算最優解，怎麼都感覺更穩健一些。」
題主用了 「穩健」 這個術語，可惜沒有用對。「穩健」 是指在實證模型中，設定不同的模型形式或者使用不同的數據集，能夠得到相同的結論。而題主的意思是，樣本量越大，越有可能貼近總體。
海量數據有時確實可以獲得一致性更好的估計，但同時也造成「雜訊增加」、「維數詛咒」 等問題。信息越多，不必然導致結果越好。
7、「畢竟經濟學主要是用來預測而不是用來推導的，而這種改變會不會徹底推翻經濟學的理論基石」
經濟學確實不太擅長預測，機器學習等數據處理技術的發展和應用，將會大大改進實證技術，但不會推翻經濟學的理論基石。理論和實證，這是兩條線。經濟學有一個著名的話叫 「統計上顯著不代表經濟學意義上顯著」，數據分析工具再強大，也不能打開黑箱從本質上認識事物。經濟學將受益於機器學習和人工智慧的發展，但作用沒有你想像的那麼大。
更多疑問還可以參考下面這個問題：
機器學習（machine learning）在經濟學領域是否有應用前景？
自由經濟學會被改寫。經濟學不會改寫。自由經濟是粗放型經濟，信息化經濟則是集約型經濟，是未來經濟的形式。沒被邀，但這個問題也是我一直想知道的，所以冒昧答上一答。
現在已經有了大數據基金，BAT統統都上了
1、百度的廣發中證百發100（000826），百發100大數據指數基金，回報率極高，利用搜索引擎的壟斷優勢，分析市場關注熱點股票，每個月換股100隻，從而造成遠高於上證指數的回報率，而回撤率倒也真心不高。2、銀河定投寶中證騰安指數（519677），中證騰安價值100指數基金，又是大數據，騰訊的。3、博時中證淘金大數據100I（001243），利用阿里巴巴的淘寶消費數據，從商家的盈利熱點大數據中，挑選股票。
我自己都買這些基金，為什麼？
大數據與人工智慧的結合趨勢無法阻擋，那麼做金融的與之共舞不是很正常？這比尋找強有力的基金經理容易得多，利益穩定，且不少。學習都要與時俱進，經濟學也無法避免，改變是一定的。
對於交易者來說，市場只要有波動就能獲利，就算增加了人工智慧與大數據，不過是把震蕩幅度摸平滑而已，價格走勢、趨勢這些依然會存在並永久存在下去。我無法想像會存在一個沒有價格波動的市場，那貌似根本不是市場經濟了。。。
做量化交易的設計者們如果考慮增加大數據和人工智慧，應該能夠有很好的發展，而如果一直埋頭設計，不考慮大數據和人工智慧的，估計困難會越來越大。做主觀策略的不太可能受到影響，因為主觀策略交易者基本不受振幅的影響。好，一家之言，歡迎善意指教。
2016update最近又重新對經濟學有進一步學習探討，也參與了一些workshop和其他老師、前輩交流，覺得以前的回答還是too young
經濟學的本質不是完全數據化，數學和數據在經濟學中都是方法和工具。至於傳統經濟學理想化的問題，現在行為經濟學和認知經濟學已經做出了進一步探討。經濟學研究有三個入手點：方法導向、數據導向和問題導向，這些都是平行的，不存在哪個比哪個更高明的說法。只不過是，如果你對方法見解不夠，或者沒有特殊渠道的數據，基本都走問題導向。
另外對於經濟學是否應該偏向於實際問題而不是純理論模型，我大概以為這樣考慮的同學對經濟學還是不夠熟悉不夠了解，可以多看一看最新的論文，很多題目還是很有意思的，從BAT的戰略、高教育水平母親對子女發展是否更好、「自梳女」的問題到航空網路問題都有涉及。況且，經濟學並不是用來做預測的。----------------------------個人感覺經濟學本質是研究成本收益的選擇問題，大數據能夠成為讓它更完善的工具，但是思想不會被顛覆。----------------------------更新最近做的一個項目一直接觸做大數據公司的人，切實了解了他們在做什麼，再看這個問題和下面的敘述也確實有更多思考。
現在覺得我上面說的這些話部分是對的，部分不完全。經濟學一部分是「是什麼」另一部分是「應該做什麼」現在覺得給出解釋的那部分經濟學不會消失，因為大數據不能告訴你深層次的原因，只能告訴你現在的情況是怎樣的，進一步說，還可以告訴你一個人的各行為之間會有什麼樣的聯繫，比如說買了西瓜的人還會買什麼。但是不會告訴你為什麼買西瓜。這部分就需要經濟學去進一步探索。（例子可能不恰當）另一部分知道政策或者個人、企業「做什麼」的經濟學，也就是題目描述里所說的預測可能真的不需要經濟學來做這個事情了。希望以後有更深的思考繼續更新，也希望和更多有經驗的前輩、同學（包括題主）交流想法！會有所改變，但不會改寫。數據本質上是人類認識和理解規律的方式，最終還是要回歸事物內在規律本身，而非規律表現出的外延（大數據）。
如果那一天人工智慧具備了意識，被改寫的何止是經濟學啊資本邊際效率。。。。？
第一大數據只能得到一個不太確定結論，而經濟學是人類社會學科，他不可能通過一系列的數據從而得到人想幹什麼，人這個物種他的思維方式是隨機的，一個個電信號是隨機出現的。只有在一個確定的條件下才能得到一個確定的值，這是一切計算的前提，而所謂的大數據他只是收集數據在通過人類編寫的演算法進行演化，而所有的算公式只是人類認識世界的一種方式，帶有感情色彩，也有局限性。而這些原因是因為我們是人類這是基因的枷鎖。總而言之因為萬物是變換的，而們能做到的只不過讓這種變化能趨向好的方面。
會改寫經濟學研究方法，理論改寫可能性不大。
你想太多了，要改寫早改寫了，確定把宏微觀國金這些好好看了。。
推薦閱讀：
※怎樣收集所在行業的精準數據？
※大數據在銀行傳統信貸全流程中，有哪些關鍵作用？
※Excel下的堆積型南丁格爾玫瑰圖怎麼畫（zuo）？
※大數據在金融領域是如何應用的？
※互聯網廣告公司受資本市場歡迎么？