【關(guān)鍵詞】 計(jì)算社會(huì)科學(xué) 模仿 模擬 全數(shù)據(jù)計(jì)算 復(fù)雜決策【作者簡(jiǎn)介】 唐世平，復(fù)旦大學(xué)國際關(guān)系與公共事務(wù)學(xué)院教授，復(fù)旦大學(xué)復(fù)雜決策分析中心主任。

電子郵箱：twukong@fudan.edu.cn

自拉澤爾（David Lazer）等人在2009年《科學(xué)》雜志發(fā)表《計(jì)算社會(huì)科學(xué)》一文以來① ，計(jì)算社會(huì)科學(xué)（Computational Social Science）作為一個(gè)新興的交叉學(xué)科領(lǐng)域已經(jīng)在整個(gè)國際社會(huì)科學(xué)界引起了廣泛關(guān)注。① 但是，對(duì)于計(jì)算社會(huì)科學(xué)到底能為我們理解人類社會(huì)帶來怎樣的價(jià)值，以及如何推進(jìn)計(jì)算社會(huì)科學(xué)的進(jìn)步，學(xué)界仍存在相當(dāng)大的分歧。

一方面，“大數(shù)據(jù)學(xué)派”普遍認(rèn)為，只要有了大數(shù)據(jù)，通過計(jì)算機(jī)的計(jì)算，特別是基于機(jī)器學(xué)習(xí)②（包括深度學(xué)習(xí)）的計(jì)算，就有可能識(shí)別出人類社會(huì)中的眾多規(guī)律或至少是某些規(guī)律性模式（regular pattern），而這將為我們理解人類社會(huì)帶來翻天覆地的革命。③ 這一路徑的計(jì)算社會(huì)科學(xué)基本沒有從既有的社會(huì)科學(xué)成果中汲取太多的理論和實(shí)證積累。甚至可以說，這一路徑的計(jì)算社會(huì)科學(xué)的隱含目標(biāo)之一就是拋開既有的社會(huì)科學(xué)，主要依賴數(shù)據(jù)規(guī)模、算法和算力來理解人類社會(huì)。另一方面，大部分傳統(tǒng)的社會(huì)科學(xué)家認(rèn)為，完全依賴大數(shù)據(jù)和計(jì)算并不能幫助人類理解某些重大經(jīng)典問題，比如革命、民主化、內(nèi)戰(zhàn)、國家重建、經(jīng)濟(jì)發(fā)展等等，因?yàn)檫@些問題根本就沒有很多數(shù)據(jù)。④當(dāng)然，諸如當(dāng)代社會(huì)中的不平等的根源及其后果這一類存在大規(guī)模數(shù)據(jù)的問題領(lǐng)域，基于大數(shù)據(jù)的計(jì)算社會(huì)科學(xué)還是可以帶來許多新的理解。

本文持一個(gè)大致的中間立場(chǎng)。一方面，本文認(rèn)為，通過大數(shù)據(jù)計(jì)算確實(shí)有可能識(shí)別出人類社會(huì)中的某些規(guī)律性模式。但這樣的規(guī)律性模式恐怕并不如我們想象的那么多，而且也不一定具有普遍意義，因?yàn)槿祟惿鐣?huì)一直都是一個(gè)在時(shí)空中演化的體系。同樣重要的是，模式識(shí)別本身還是描述，而不是解釋，因此識(shí)別出來的模式也不一定能夠?yàn)闆Q策，特別是為需要考慮可能的干預(yù)的決策提供太多的支持。另一方面，本文認(rèn)為，盡管基于大數(shù)據(jù)的計(jì)算社會(huì)科學(xué)可能對(duì)理解絕大部分重大經(jīng)典問題的因果關(guān)系幫助有限，但計(jì)算社會(huì)科學(xué)確實(shí)有可能給應(yīng)用社會(huì)科學(xué)特別是決策科學(xué)（decision sciences）中的科學(xué)決策，帶來巨大變革。

簡(jiǎn)單地說，計(jì)算社會(huì)科學(xué)與科學(xué)決策的結(jié)合，能夠讓國家和機(jī)構(gòu)對(duì)不同國家和地區(qū)的發(fā)展態(tài)勢(shì)有更加“及時(shí)的”（timely）但未必“實(shí)時(shí)的”（realtime）和精準(zhǔn)的（precise+accurate）預(yù)測(cè)和預(yù)警。可以想見，如果一個(gè)國家和機(jī)構(gòu)能夠?qū)χ卮笫录幸欢ǖ氖孪阮A(yù)測(cè)和預(yù)警，那么，這個(gè)國家和機(jī)構(gòu)至少可以規(guī)避重大損失。因此，將計(jì)算社會(huì)科學(xué)與科學(xué)決策緊密結(jié)合起來，將是世界各主要經(jīng)濟(jì)體在未來的重要競(jìng)爭(zhēng)領(lǐng)域之一，是國家綜合國力的一個(gè)重要的、甚至是核心的組成部分。

一、 計(jì)算社會(huì)科學(xué)與科學(xué)決策

計(jì)算社會(huì)科學(xué)是基于大規(guī)模計(jì)算，通常也基于大規(guī)模數(shù)據(jù)，對(duì)我們關(guān)心的社會(huì)行為和社會(huì)事件（作為社會(huì)結(jié)果）進(jìn)行推演和計(jì)算的科學(xué)。計(jì)算社會(huì)科學(xué)以數(shù)學(xué)（特別是概率論、統(tǒng)計(jì)學(xué)等）、計(jì)算機(jī)技術(shù)、數(shù)據(jù)技術(shù)（如知識(shí)圖譜）為核心技術(shù)平臺(tái)，基于社會(huì)科學(xué)理論和實(shí)證研究為數(shù)理模型和程序設(shè)計(jì)提供核心思想。因此，計(jì)算社會(huì)科學(xué)是將社會(huì)科學(xué)、計(jì)算機(jī)技術(shù)以及數(shù)據(jù)技術(shù)結(jié)合起來的交叉學(xué)科。而決策科學(xué)是試圖基于科學(xué)手段來幫助人類優(yōu)化復(fù)雜決策的交叉學(xué)科。顯然，由于人類的復(fù)雜決策主要是針對(duì)社會(huì)中的其他行為體的，因此決策科學(xué)是一門更偏向于社會(huì)科學(xué)的學(xué)科。決策科學(xué)的最核心的目標(biāo)必然是如何更加科學(xué)地決策。

總體來看，決策者都面臨兩個(gè)根本的挑戰(zhàn)：一是信息的缺乏;二是處理信息的能力，包括如何甄別和剔除干擾信息的能力。在相當(dāng)長(zhǎng)的時(shí)間里，這兩個(gè)挑戰(zhàn)幾乎是無解的。因此，傳統(tǒng)的復(fù)雜決策均高度依賴專家判斷。隨著自然科學(xué)和技術(shù)的發(fā)展，尤其是從數(shù)學(xué)（特別是概率論、統(tǒng)計(jì)等）到計(jì)算機(jī)技術(shù)的發(fā)展，決策科學(xué)也越來越多地借助這些技術(shù)手段。而計(jì)算社會(huì)科學(xué)的到來，將極大地緩解上述兩個(gè)挑戰(zhàn)所帶來的壓力。決策科學(xué)中的科學(xué)決策因而也就面臨前所未有的變革機(jī)遇。因?yàn)橛?jì)算社會(huì)科學(xué)完全有可能讓人類的許多重大決策不僅能夠更加基于客觀數(shù)據(jù)和計(jì)算，且在數(shù)據(jù)（信息）的來源和規(guī)模上有極大提升，從而讓傳統(tǒng)的絕大部分依賴專家主觀意見的決策行為變得更加科學(xué)。因此，在接下來的討論中，本文將主要圍繞關(guān)乎決策的計(jì)算社會(huì)科學(xué)進(jìn)行討論，并將用“決策計(jì)算社會(huì)科學(xué)”來描述這個(gè)領(lǐng)域。

在此，需要特別強(qiáng)調(diào)的是社會(huì)行為與社會(huì)結(jié)果之間存在根本性區(qū)別。①社會(huì)行為是指行為體的行為，且人們通常關(guān)注的是行為體的自主行為，而不是行為體的本能性行為。社會(huì)結(jié)果則是在一定的社會(huì)情境下，由行為體的行為相互作用以及行為體的行為與社會(huì)情境相互作用而造就的涌現(xiàn)性結(jié)果（emergent outcome）。顯然，行為體的選擇都受到社會(huì)和自然環(huán)境的約束。更重要的是，通常情況下，一個(gè)行為體的行為結(jié)果不完全由該行為直接決定，而是多個(gè)行為體的行為在一定的社會(huì)和自然環(huán)境下相互作用的結(jié)果。換句話說，任何社會(huì)結(jié)果都只是部分，而不是全部由行為體的行為驅(qū)動(dòng)。

這個(gè)區(qū)分對(duì)于理解為何模擬要比機(jī)器學(xué)習(xí)的技術(shù)取向可能更適合預(yù)測(cè)結(jié)果非常重要。此前很多關(guān)于計(jì)算社會(huì)科學(xué)的討論因?yàn)闆]有區(qū)分這兩類不同的客體，都誤以為機(jī)器學(xué)習(xí)的技術(shù)就足以解決我們關(guān)心的問題。事實(shí)上，只要我們承認(rèn)社會(huì)行為與社會(huì)結(jié)果的區(qū)別，我們就不得不承認(rèn)對(duì)社會(huì)結(jié)果的預(yù)測(cè)只能主要依靠模擬。而由于行為受到環(huán)境的約束且人類的自主行為都會(huì)受到其他行為體的影響，我們對(duì)行為的理解和預(yù)測(cè)可能也需要基于一定的模擬（加上機(jī)器學(xué)習(xí)），而不僅僅是機(jī)器學(xué)習(xí)。

二、 “決策計(jì)算社會(huì)科學(xué)”的技術(shù)取向

過去的20年，大數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)和人工智能技術(shù)突飛猛進(jìn)并得到廣泛應(yīng)用。但是將計(jì)算社會(huì)科學(xué)與大數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)和人工智能等同起來，認(rèn)為大數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)和人工智能是計(jì)算社會(huì)科學(xué)的唯一技術(shù)取向，這種看法并不全面。實(shí)際上，計(jì)算社會(huì)科學(xué)至少有兩大技術(shù)取向。更重要的是，這兩大技術(shù)取向有著根本差別，各有優(yōu)勢(shì)和劣勢(shì)。如果不能相對(duì)準(zhǔn)確地理解這兩大技術(shù)取向的差別以及它們各自的優(yōu)勢(shì)、劣勢(shì)，對(duì)“決策計(jì)算社會(huì)科學(xué)”未來的把握就可能出現(xiàn)偏差。基于此，有必要對(duì)不同的技術(shù)取向給出一些初步思考。①

這里將具體討論兩個(gè)問題。一是“決策計(jì)算社會(huì)科學(xué)”的技術(shù)取向是以基于“模仿”的機(jī)器學(xué)習(xí)為主，還是以基于“模擬”的技術(shù)為主但也加上機(jī)器學(xué)習(xí)？ 二是“決策計(jì)算社會(huì)科學(xué)”是主要依賴大數(shù)據(jù)，還是綜合運(yùn)用不同數(shù)據(jù)？

顯然，要想對(duì)可能的決策問題進(jìn)行計(jì)算，就需要預(yù)測(cè)和推演。因此，本文不討論完全不以預(yù)測(cè)和推演為目標(biāo)（或者中間目標(biāo)）的計(jì)算社會(huì)科學(xué)。目前大部分社會(huì)科學(xué)雜志發(fā)表的屬于計(jì)算社會(huì)科學(xué)的研究，都不是以預(yù)測(cè)和推演為目標(biāo)的，而仍舊是以傳統(tǒng)的因果推斷（causal inference）為目標(biāo)的。這些研究和傳統(tǒng)的計(jì)量社會(huì)科學(xué)的研究沒有根本區(qū)別，只是在數(shù)據(jù)的結(jié)構(gòu)、規(guī)模和運(yùn)用的算法上有差別。② 它們的目標(biāo)仍然是確立某些要素對(duì)某些結(jié)果的影響。這些研究也許能幫助我們預(yù)測(cè)某些行為和結(jié)果，特別是相對(duì)線性的行為和結(jié)果，但這些研究都不以預(yù)測(cè)和推演為目標(biāo)，更不以支持復(fù)雜的決策為目標(biāo)。而本文將主要討論以預(yù)測(cè)和推演行為或結(jié)果為目標(biāo)的計(jì)算社會(huì)科學(xué)。

（一） “模仿”還是“模擬”？

本文認(rèn)為，“決策計(jì)算社會(huì)科學(xué)”有兩個(gè)大的技術(shù)取向：以“模仿”為目標(biāo)的機(jī)器學(xué)習(xí)和以“模擬”為目標(biāo)的計(jì)算模擬。① 基于決策問題的特殊需求，未來的“決策計(jì)算社會(huì)科學(xué)”應(yīng)該以模擬技術(shù)為主要技術(shù)取向，但又融合模仿技術(shù)。

1. 作為模仿的機(jī)器學(xué)習(xí)

傳統(tǒng)的計(jì)量社會(huì)科學(xué)主要依賴因果推斷，而不是推演和預(yù)測(cè)。因果推斷的核心基礎(chǔ)之一是統(tǒng)計(jì)學(xué)，機(jī)器學(xué)習(xí)的核心基礎(chǔ)之一同樣是統(tǒng)計(jì)學(xué)，因此機(jī)器學(xué)習(xí)也是最早被用于計(jì)算社會(huì)科學(xué)的工具之一。

新興的深度學(xué)習(xí)和早期的機(jī)器學(xué)習(xí)密不可分。但是，學(xué)界的一個(gè)趨勢(shì)還是將（狹義的）深度學(xué)習(xí)和（狹義的）機(jī)器學(xué)習(xí)區(qū)分開來。② 今天的深度學(xué)習(xí)可以認(rèn)為是自2006年杰弗里·辛頓（Geoffrey Hinton）等人推出無監(jiān)督深度置信網(wǎng)絡(luò)訓(xùn)練方法之后發(fā)展出來的機(jī)器學(xué)習(xí)。③ 在同一時(shí)期，計(jì)算機(jī)硬件快速發(fā)展，數(shù)據(jù)規(guī)模也不斷擴(kuò)大，深度神經(jīng)網(wǎng)絡(luò)開始廣受歡迎。2012年，深度學(xué)習(xí)開始大爆發(fā)，卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、進(jìn)化神經(jīng)網(wǎng)絡(luò)（ENN）等模型的優(yōu)勢(shì)逐漸顯現(xiàn)，并且在模式識(shí)別、信息檢索、自然語言處理等多個(gè)領(lǐng)域的應(yīng)用都取得了重大突破。

在根本意義上，機(jī)器學(xué)習(xí)都是基于模仿，然后超越人類的計(jì)算和推理能力。從經(jīng)典統(tǒng)計(jì)到機(jī)器學(xué)習(xí)，都要經(jīng)歷由訓(xùn)練集到預(yù)測(cè)集的過程。訓(xùn)練集主要用來訓(xùn)練模型，這部分工作主要依賴歷史數(shù)據(jù)。而如果要檢驗(yàn)?zāi)Ｐ偷挠行裕嗽谟?xùn)練集內(nèi)訓(xùn)練之外，還需要在預(yù)測(cè)集中檢驗(yàn)?zāi)Ｐ偷挠行?。而在預(yù)測(cè)集中，既可以是基于已知的歷史數(shù)據(jù)“預(yù)測(cè)”歷史上已經(jīng)發(fā)生的行為和事件，也可以是基于推定的（projected）未來數(shù)據(jù)預(yù)測(cè)未來的行為和事件。

在基于模仿然后超越人類的計(jì)算和推理能力方面，計(jì)算社會(huì)科學(xué)在多個(gè)領(lǐng)域都取得了顯著進(jìn)展。比如，深度學(xué)習(xí)技術(shù)在自然語言處理方面的應(yīng)用取得了很大的進(jìn)步。而知識(shí)圖譜則將復(fù)雜的領(lǐng)域知識(shí)通過信息處理、數(shù)據(jù)挖掘、知識(shí)計(jì)量和圖形繪制，試圖發(fā)掘人腦無法發(fā)現(xiàn)的關(guān)聯(lián)甚至規(guī)律性模式。此外，圖像識(shí)別也是一個(gè)重要的深度學(xué)習(xí)的應(yīng)用領(lǐng)域。

對(duì)戰(zhàn)略行為的預(yù)測(cè)，傳統(tǒng)社會(huì)科學(xué)的一個(gè)主要工具是博弈論，具有代表性的是布魯斯·布爾諾·德·梅斯奎塔（Bruce Bueno de Mesquita）所做的工作。① 梅斯奎塔的模型是基于期望效用（expected utility）的相對(duì)簡(jiǎn)單的模型。盡管他的模型有多個(gè)行為體，但是在求解的時(shí)候，他還是不得不將多個(gè)行為體的博弈簡(jiǎn)化成為兩個(gè)行為體的博弈，因?yàn)橐坏┒嘤趦蓚€(gè)行為體，整個(gè)模型的均衡在數(shù)學(xué)處理方面將非常難解。不僅如此，其模型還包含非常多的主觀賦值。因此，該模型到底有多少實(shí)用價(jià)值并不確定。從這方面的文獻(xiàn)追蹤來看，繼承這個(gè)技術(shù)路徑的學(xué)者并不多，而學(xué)界對(duì)基于博弈論來預(yù)測(cè)行為的批評(píng)也一直都沒有停止過。②

從某種意義上說，深度強(qiáng)化學(xué)習(xí)似乎天生就是為智能決策服務(wù)的。深度強(qiáng)化學(xué)習(xí)通過結(jié)合深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)，讓智能體在訓(xùn)練中試錯(cuò)，通過獎(jiǎng)勵(lì)和懲罰反饋神經(jīng)網(wǎng)絡(luò)，從而得到更好的策略模型，然后根據(jù)當(dāng)前狀態(tài)判斷應(yīng)該采取的行為。因此，有學(xué)者認(rèn)為，計(jì)算社會(huì)科學(xué)就是基于大量數(shù)據(jù)，通過技術(shù)獲得關(guān)于人類的更加精細(xì)的行為模式（pattern），并且基于此構(gòu)建相關(guān)理論的科學(xué)。① 應(yīng)當(dāng)說，機(jī)器學(xué)習(xí)技術(shù)在分布相對(duì)穩(wěn)定、跨時(shí)可比性高的行為方面的努力已經(jīng)卓有成效。但在復(fù)雜且不穩(wěn)定的戰(zhàn)略性行為的預(yù)測(cè)方面，機(jī)器學(xué)習(xí)技術(shù)的成功應(yīng)用案例還是罕見的。事實(shí)上，目前深度強(qiáng)化學(xué)習(xí)的主要應(yīng)用都是針對(duì)個(gè)體水平的行為決策，如基于用戶畫像和模式識(shí)別的購物廣告投放、社交媒體內(nèi)容推薦等等。

基于機(jī)器學(xué)習(xí)技術(shù)對(duì)社會(huì)結(jié)果進(jìn)行預(yù)測(cè)的比較典型的努力是基于歷史事件數(shù)據(jù)以及新聞數(shù)據(jù)來預(yù)測(cè)政治不穩(wěn)定，如政變、革命、內(nèi)戰(zhàn)等。② 在數(shù)據(jù)上，除了歷史事件數(shù)據(jù)以及新聞數(shù)據(jù)，還包括結(jié)構(gòu)因素以及外部沖擊事件，比如石油危機(jī)、金融危機(jī)的數(shù)據(jù)等。在算法和模型上，這些努力均注重多種算法和模型的混合。由奧斯陸和平研究所（PRIO）的赫瓦德· 赫格里（H?vard Hegre）等人主持開發(fā)的政治暴力早期預(yù)警系統(tǒng)（Political ViolenceEarly Warning System，ViEWS）是這一類努力的最雄心勃勃的項(xiàng)目之一。③類似的項(xiàng)目還包括杰克·A.戈德斯通（Jack A.Goldstone）等人的“政治不穩(wěn)定”（Political Instability Task Force，PITF）項(xiàng)目，以及《和平研究雜志》2017年的特刊文章。① 總體來說，學(xué)界認(rèn)為這些對(duì)社會(huì)結(jié)果進(jìn)行預(yù)測(cè)的努力，其效果并不好。②

造成這一結(jié)果的核心原因至少有3個(gè)。首先，目前的研究通常主要基于結(jié)構(gòu)性因素。結(jié)構(gòu)性因素的變化相對(duì)緩慢，因此這些因素構(gòu)成的模型最多只能告訴我們某個(gè)國家和地區(qū)的穩(wěn)定性如何，卻并不能給出及時(shí)和精確的預(yù)測(cè)或預(yù)警。③ 其次，社會(huì)系統(tǒng)是一個(gè)演化的系統(tǒng)④，而基于機(jī)器學(xué)習(xí)的預(yù)測(cè)的核心假定之一是社會(huì)系統(tǒng)是相對(duì)線性的。另外，基于深度學(xué)習(xí)技術(shù)的預(yù)測(cè)社會(huì)結(jié)果的努力，其過程中的黑箱成分更多，也即它沒有太多的社會(huì)科學(xué)理論和實(shí)證基礎(chǔ)作為支撐。① 而這對(duì)于以預(yù)測(cè)戰(zhàn)略行為和結(jié)果為目標(biāo)的努力來說，還是有很大缺陷。最后是一個(gè)純技術(shù)性問題，因?yàn)榛谏疃葘W(xué)習(xí)技術(shù)的預(yù)測(cè)社會(huì)結(jié)果的努力通常都基于歷史數(shù)據(jù)，特別是新聞數(shù)據(jù)。而基于自動(dòng)字段提取技術(shù)得到的數(shù)據(jù)集往往有不少數(shù)據(jù)質(zhì)量問題，同樣會(huì)加劇這方面的技術(shù)問題，盡管最近火爆的語言大模型肯定會(huì)有所幫助。②

2. 計(jì)算模擬（computational simulation）

模擬是計(jì)算社會(huì)科學(xué)的另一個(gè)技術(shù)取向。模擬的目標(biāo)是模擬兩個(gè)及以上不同行為體的行為以及這些行為的相互作用而導(dǎo)致的涌現(xiàn)性結(jié)果。最早的模擬大致包括格斗模擬和軍事演習(xí)。格斗模擬主要用于提升單兵的戰(zhàn)斗力（與戰(zhàn)斗機(jī)飛行員的格斗訓(xùn)練類似），而軍事演習(xí)（沙盤、兵棋推演，直到實(shí)兵實(shí)彈的演練）則主要用于提升整體的戰(zhàn)斗力和優(yōu)化戰(zhàn)術(shù)部署。因此，從模擬的目標(biāo)可以反推，模擬方能夠以改變自身和對(duì)手的行為來改變結(jié)果。

計(jì)算機(jī)到來后，就有了計(jì)算（機(jī)）模擬。計(jì)算模擬技術(shù)本身也有很多種。因?yàn)樯鐣?huì)結(jié)果都是由行為體的行為以及這些行為的相互作用在一定的環(huán)境下造就的，因此，本文認(rèn)為，ABM 可能是最適合模擬基于戰(zhàn)略行為的涌現(xiàn)性社會(huì)結(jié)果的一個(gè)技術(shù)路徑。③

首先，模擬更關(guān)心社會(huì)結(jié)果，或者說是由行為與行為的相互作用在一定的環(huán)境下達(dá)成的結(jié)果。相比來說，博弈論模型中通常只能推演兩個(gè)或至多3個(gè)行為體的行為，而ABM 則可以容納多個(gè)行為體，并能夠推演這些行為體的復(fù)雜行為選擇。

其次，也是最為關(guān)鍵的，ABM 是一種由下至上的模擬技術(shù)。ABM 試圖捕捉在一定的環(huán)境下，由行為體的行為以及它們的相互作用而造就的涌現(xiàn)性的、更高層次的社會(huì)結(jié)果。① 因此，ABM 特別適合以通過模擬來預(yù)測(cè)結(jié)果為目標(biāo)的研究。

再次，基于ABM 的模擬，不僅可以模擬對(duì)比不同情境，而且可以回溯結(jié)果的成因（類似于圍棋的復(fù)盤），從而大大降低黑箱的成分。因此，ABM 特別適合基于對(duì)結(jié)果的推演來反推行為體的多種行為。

這里還需要特別指出，ABM 與傳統(tǒng)的沙盤推演及兵棋推演也有很大的不同。傳統(tǒng)的沙盤推演、兵棋推演都是基于相對(duì)固定的場(chǎng)景（從行為體到規(guī)則、到環(huán)境），而且轉(zhuǎn)換情境的成本相對(duì)高昂。ABM 則具有高度的可適應(yīng)性，可以非常方便地遷移到不同的情境，而且成本相對(duì)低。更重要的是，ABM 中的行為體完全可以有獨(dú)立面對(duì)特定狀況的行為決定權(quán)，而沙盤、兵棋通常都是一方的指揮官指揮所有的下級(jí)單位行為體。

ABM 有3個(gè)核心要素：行為體、環(huán)境、行為規(guī)則。ABM 中的行為體可以是個(gè)人、社會(huì)群體（企業(yè)或其他群體）、政黨、政府或者其他任何研究者感興趣的行為體，只要這些行為體是基于某些規(guī)則做出決定的就可以。換句話說，這些行為體的行為不是完全隨機(jī)的。系統(tǒng)內(nèi)的行為體可以有各種特質(zhì)，包括人口學(xué)特征（性別、年齡、族群等）、社會(huì)經(jīng)濟(jì)特質(zhì)（比如婚姻狀態(tài)、收入水平、從事的行業(yè)等）、政治傾向（比如黨派）。這些特征都有可能影響行為體的行為?；谶@些特質(zhì)和其他數(shù)據(jù)，研究人員可以通過社會(huì)科學(xué)的研究或機(jī)器學(xué)習(xí)來提取行為體的某些行為規(guī)則。之后，行為體在系統(tǒng)中的行為以及它們的相互作用將造就出涌現(xiàn)性和更高層次的社會(huì)結(jié)果。通過多次且每一次模擬運(yùn)算進(jìn)程都不同的模擬，加入隨機(jī)事件和沖擊以及不同的非線性干擾，ABM 將能夠看到這些行為體的行為的相互作用造就的社會(huì)結(jié)果是否具有一定的穩(wěn)定性。如此，ABM 就能讓研究者去考察社會(huì)結(jié)果的生成過程及其背后的因素和機(jī)制，而且這個(gè)過程可操縱和回溯。而這一能力是其他許多技術(shù)都不具備的。

最早的ABM 系統(tǒng)可以追溯到托馬斯·C.謝林（Thomas C.Schelling）著名的關(guān)于居住的種族隔離的研究。① 但在相當(dāng)長(zhǎng)的時(shí)間里，ABM 都只能用來演示某些可能的結(jié)果以及檢驗(yàn)?zāi)承┛赡艿囊蛩睾蜋C(jī)制的可靠性，而并沒有在以預(yù)測(cè)和推演為目標(biāo)的社會(huì)科學(xué)中有太多應(yīng)用。② 其中一個(gè)主要的限制是計(jì)算能力：如果要模擬接近真實(shí)情形的社會(huì)結(jié)果的生成，通常需要很大的計(jì)算量。因此，在2000年之后，計(jì)算能力的日益強(qiáng)大，特別是云計(jì)算的出現(xiàn)，使得ABM 終于有了可以大顯身手的機(jī)會(huì)。目前，ABM 已經(jīng)被用來探索許多不同的問題領(lǐng)域，從恐怖主義到社會(huì)流動(dòng)，到經(jīng)濟(jì)社會(huì)動(dòng)態(tài)，到復(fù)雜社會(huì)網(wǎng)絡(luò)，包括恐怖網(wǎng)絡(luò)和毒品網(wǎng)絡(luò)。③

3. 兩個(gè)技術(shù)取向區(qū)別及優(yōu)劣勢(shì)比較

機(jī)器學(xué)習(xí)和ABM 這兩大技術(shù)取向有許多重要的差別。這些差別一定意義上解釋了它們面臨的不同挑戰(zhàn)，包括它們的應(yīng)用范圍。這些差別主要表現(xiàn)為七個(gè)大的方面。

第一，核心基礎(chǔ)。機(jī)器學(xué)習(xí)的核心基礎(chǔ)是統(tǒng)計(jì)學(xué)習(xí)。ABM 的基礎(chǔ)則更為多元，統(tǒng)計(jì)學(xué)習(xí)只是ABM 的基礎(chǔ)之一。

第二，方程的形式與實(shí)現(xiàn)成本。在機(jī)器學(xué)習(xí)中，方程的核心目的是單一的，即通過方程中的某些參數(shù)來直接捕捉結(jié)果。因此，機(jī)器學(xué)習(xí)的核心方程幾乎都是一個(gè)形式：y=f（X ）+ε。其中，y 為預(yù)測(cè)結(jié)果變量，ε 為誤差項(xiàng)，X通常是多個(gè)解釋變量的集合。即便是針對(duì)不同的問題領(lǐng)域，絕大部分機(jī)器學(xué)習(xí)模型的核心差別其實(shí)也不大。因此，一旦一個(gè)機(jī)器學(xué)習(xí)的算法被發(fā)展出來，其后的技術(shù)實(shí)現(xiàn)就變得相對(duì)容易了。這背后的一部分原因是機(jī)器學(xué)習(xí)對(duì)社會(huì)科學(xué)理論和實(shí)證以及專家知識(shí)的依賴性較低。

相比而言，ABM 系統(tǒng)中不同方程的目的不同。一個(gè)ABM 系統(tǒng)通常包括多個(gè)方程及其參數(shù)，用于刻畫行為體、行為及行為規(guī)則、行為體與行為體之間的相互作用規(guī)則、行為體與環(huán)境的相互作用規(guī)則，以及最終如何驅(qū)動(dòng)結(jié)果。很顯然，這些不同方程幾乎不可能有固定形式。因此，ABM 的技術(shù)實(shí)現(xiàn)比較復(fù)雜。在ABM 的建模過程中，需要參照和引入社會(huì)科學(xué)的既有理論和實(shí)證結(jié)果，包括專家知識(shí)，而不能只是讓機(jī)器去從大數(shù)據(jù)中自我學(xué)習(xí)。因此，針對(duì)不同問題的ABM 模型通常需要非常不同的設(shè)計(jì)。換句話說，ABM的技術(shù)實(shí)現(xiàn)沒有一個(gè)簡(jiǎn)單的通用規(guī)則。因此，相比基于機(jī)器學(xué)習(xí)來說，ABM的技術(shù)實(shí)現(xiàn)會(huì)更加費(fèi)時(shí)費(fèi)力，特別是構(gòu)建模型的過程可能需要更多輪的試錯(cuò)。①

第三，機(jī)器學(xué)習(xí)的結(jié)果（y）都是數(shù)值。ABM 的結(jié)果不是某個(gè)數(shù)值，而是某個(gè)狀態(tài)，盡管該狀態(tài)可以用某些數(shù)值去刻畫。

第四，結(jié)果與方程的關(guān)系。在機(jī)器學(xué)習(xí)中，方程均試圖直接捕捉結(jié)果，即便是一組方程也如此。相比之下，ABM 的結(jié)果不能被任何一個(gè)方程，甚至被所有的方程加在一起而直接捕捉，因?yàn)榻Y(jié)果是系統(tǒng)的涌現(xiàn)性結(jié)果。

第五，模型的改進(jìn)與社會(huì)科學(xué)的關(guān)系。機(jī)器學(xué)習(xí)模型的改進(jìn)主要依賴數(shù)據(jù)量和數(shù)據(jù)質(zhì)量的提升來訓(xùn)練模型，努力減少誤差項(xiàng)ε，然后依據(jù)多個(gè)解釋變量的集合X ，來預(yù)測(cè)結(jié)果變量y。因此，機(jī)器學(xué)習(xí)通常高度依賴更多和更加完善的歷史數(shù)據(jù)，并通過收集、處理文本、圖片和視頻等大規(guī)模原始資料為機(jī)器學(xué)習(xí)模型提供更多、更干凈的數(shù)據(jù)集?？傊?，絕大部分機(jī)器學(xué)習(xí)的模型改進(jìn)對(duì)社會(huì)科學(xué)的借鑒不多。不過，隨著業(yè)界逐漸意識(shí)到有人工介入的有監(jiān)督機(jī)器學(xué)習(xí)至少對(duì)于某些領(lǐng)域的機(jī)器學(xué)習(xí)模型的改進(jìn)不可或缺，機(jī)器學(xué)習(xí)對(duì)社會(huì)科學(xué)的理論和實(shí)證的依賴在未來可能會(huì)上升。

ABM 模擬也需要將模擬結(jié)果與歷史結(jié)果進(jìn)行比對(duì)來不斷改進(jìn)模型，之后再用這些模型來預(yù)測(cè)未來的某些結(jié)果。但是，對(duì)ABM 模型的改進(jìn)不僅需要依賴數(shù)據(jù)的數(shù)量和質(zhì)量的提升，還必須基于對(duì)社會(huì)科學(xué)理論和實(shí)證結(jié)果的更好的把握。

第六，不同層次的數(shù)據(jù)整合（integration）。一般來說，在計(jì)量社會(huì)科學(xué)中，不同層次的變量之間的整合或者相互作用可以由多層次模型（hierarchical models）中的交互項(xiàng)來捕捉。在機(jī)器學(xué)習(xí)的算法中，基于決策樹的模型可以被認(rèn)為是一種交互項(xiàng)的算法。不過，決策樹給出的結(jié)果卻并不代表不同層次的數(shù)據(jù)整合，因而其結(jié)果也不容易被理解。而在其他的統(tǒng)計(jì)機(jī)器學(xué)習(xí)算法（如xgboost）以及神經(jīng)機(jī)器學(xué)習(xí)中，交互項(xiàng)的使用更少。因此，總體來說，即便是在基于多層次模型的機(jī)器學(xué)習(xí)中，不同層次的數(shù)據(jù)之間的整合也相對(duì)較低。

相比之下，ABM 從一開始就建立在整合不同層次數(shù)據(jù)的理念之上。ABM 的核心理念就是通過讓多個(gè)行為體在中觀和宏觀環(huán)境下選擇行為，然后讓這些行為相互作用，并與環(huán)境相互作用，然后來驅(qū)動(dòng)最終的涌現(xiàn)性結(jié)果。因此，ABM 能夠更好地整合不同層次的數(shù)據(jù)。

第七，社會(huì)系統(tǒng)是否演化？ 機(jī)器學(xué)習(xí)的技術(shù)實(shí)現(xiàn)基于一個(gè)通用的原則，即基于訓(xùn)練集數(shù)據(jù)（包含結(jié)果變量和解釋變量），不斷優(yōu)化模型，之后用優(yōu)化的模型來預(yù)測(cè)未來的某些結(jié)果變量。因此，盡管機(jī)器學(xué)習(xí)本身允許模型的不斷優(yōu)化，但機(jī)器學(xué)習(xí)的基本假定是社會(huì)系統(tǒng)大體是線性的。也就是說，機(jī)器學(xué)習(xí)不太容納社會(huì)系統(tǒng)的演化。

相比來說，從一開始ABM 就明確承認(rèn)社會(huì)系統(tǒng)本身會(huì)演化，而且明確試圖去捕捉系統(tǒng)的演化。從技術(shù)上，ABM 也可以非常容易地容納非線性、非單向的行為和環(huán)境的變化;而且不僅行為體以及他們的行為和行為規(guī)則可以演化（包括基于自主學(xué)習(xí)的演化），整個(gè)系統(tǒng)的環(huán)境也同樣可以演化。事實(shí)上，最早的幾個(gè)ABM 應(yīng)用案例，從謝林的“自動(dòng)隔離”模型，到羅伯特·?？怂沽_德（Robert Axelrod）的“合作的演化”，都是以模擬演化結(jié)果的研究。①

4. 未來的發(fā)展方向： 整合了機(jī)器學(xué)習(xí)的計(jì)算模擬

如上所述，ABM 的3個(gè)核心要素是行為體、環(huán)境、行為規(guī)則。確立行為體、環(huán)境、行為規(guī)則的基礎(chǔ)是統(tǒng)計(jì)和歷史描述性知識(shí)。而機(jī)器學(xué)習(xí)在大規(guī)模數(shù)據(jù)提取和處理上，擁有傳統(tǒng)社會(huì)科學(xué)所完全不能擁有的能力。因此，整合了機(jī)器學(xué)習(xí)的計(jì)算模擬是未來的發(fā)展方向之一，而ABM 則具有幾乎無限的整合機(jī)器學(xué)習(xí)能力。具體來說，機(jī)器學(xué)習(xí)對(duì)于描述ABM 系統(tǒng)中的行為體的特征、環(huán)境以及行為規(guī)則都有重要幫助。① 另外，早期的ABM 中的行為體不能自我學(xué)習(xí)、自我演化，隨著機(jī)器學(xué)習(xí)特別是深度學(xué)習(xí)技術(shù)的到來，ABM中的行為體的特征和行為規(guī)則完全可以自我演化。深思公司（Deepmind）發(fā)展的基于強(qiáng)化學(xué)習(xí)的“奪旗游戲”就是這樣一種嘗試性的努力。②

不過，盡管將機(jī)器學(xué)習(xí)和ABM 結(jié)合起來的思想很早就有（大致的技術(shù)實(shí)現(xiàn)路徑見圖1）③，但進(jìn)展并不明顯，特別是真正將兩者結(jié)合起來并用于解決真實(shí)世界中的問題的嘗試還不多見。可以認(rèn)為，這樣的整合可能有三個(gè)層次，或者說是分三步走。

第一個(gè)層次，主要是利用機(jī)器學(xué)習(xí)，幫助ABM 系統(tǒng)中的行為體、環(huán)境、行為規(guī)則進(jìn)行調(diào)參和優(yōu)化。目前已經(jīng)發(fā)表的研究成果主要集中在這一個(gè)層次，但尚未應(yīng)用于解決真實(shí)世界中的問題。

第二個(gè)層次，以第一個(gè)層次為基礎(chǔ)，基于機(jī)器學(xué)習(xí)，讓ABM 中的行為體特征和行為規(guī)則都可以自我學(xué)習(xí)、自我演化。目前的研究離該層次還有相當(dāng)?shù)木嚯x。

第三個(gè)層次，在第一和第二個(gè)層次的基礎(chǔ)上，讓ABM 對(duì)環(huán)境的刻畫都能夠自我學(xué)習(xí)、自我演化，進(jìn)而從深度和廣度上讓ABM 能夠更好地捕捉真實(shí)的世界。目前的研究離這個(gè)層次還有非常大的距離。

（二） “全數(shù)據(jù)計(jì)算”，而不僅僅是“大數(shù)據(jù)計(jì)算”

如前所述，在絕大部分人的理解中，計(jì)算社會(huì)科學(xué)就是基于大數(shù)據(jù)的社會(huì)科學(xué)。事實(shí)上，拉澤爾等人在2009年的《計(jì)算社會(huì)科學(xué)》一文中幾乎把“大數(shù)據(jù)（科學(xué)）”等同于“計(jì)算社會(huì)科學(xué)”。① 對(duì)于這樣的一個(gè)立場(chǎng)，許多傳統(tǒng)的社會(huì)科學(xué)家并不認(rèn)可。① 本文亦對(duì)這樣的立場(chǎng)持保留意見。

本文認(rèn)為，基于“全數(shù)據(jù)計(jì)算”才是“決策計(jì)算社會(huì)科學(xué)”的正確方向。因?yàn)闆Q策計(jì)算需要的是“全數(shù)據(jù)”思維，而不僅僅是“大數(shù)據(jù)”思維。也就是說，大數(shù)據(jù)只是一部分的數(shù)據(jù)，而不是全部的數(shù)據(jù)。全數(shù)據(jù)包含了大數(shù)據(jù)。

“全數(shù)據(jù)”思維是指首先要確立大致需要什么樣的數(shù)據(jù)，然后才能夠用相關(guān)數(shù)據(jù)解決一個(gè)復(fù)雜決策問題的思維方式。因此，“全數(shù)據(jù)”思維首先強(qiáng)調(diào)的是數(shù)據(jù)對(duì)解決一個(gè)決策問題的必要性和大致充分性，而不是一味強(qiáng)調(diào)數(shù)據(jù)的多少，或者說是數(shù)據(jù)維度越多越好，數(shù)據(jù)規(guī)模越大越好。換句話說，“全數(shù)據(jù)”思維是從需要解決的問題出發(fā)，而不是從數(shù)據(jù)本身出發(fā)。從這個(gè)意義上說，“全數(shù)據(jù)”思維也可以說是“充分?jǐn)?shù)據(jù)”思維。

因此，“全數(shù)據(jù)”思維首先要回答的是“解決某一問題需要什么數(shù)據(jù)”的問題。② 很多時(shí)候，要解決一個(gè)復(fù)雜決策問題，僅僅依靠大數(shù)據(jù)是不夠的，還需要和其他基礎(chǔ)的人口、經(jīng)濟(jì)、政治等數(shù)據(jù)集合起來。僅靠大數(shù)據(jù)可能只能解決一些小的決策問題。事實(shí)上，如果不從需要解決的問題出發(fā)，研究者可能都不會(huì)去收集某些數(shù)據(jù)，甚至不知道某些數(shù)據(jù)是存在和可收集的。當(dāng)然，研究者還需要對(duì)運(yùn)用大數(shù)據(jù)輔助重要決策保持一定的警惕，因?yàn)榇髷?shù)據(jù)很容易被假數(shù)據(jù)和假信息污染。

“全數(shù)據(jù)”思維其次要回答的是“不同的數(shù)據(jù)有哪些不同的用處”的問題。比如，我們通常會(huì)認(rèn)為，宏觀和中觀的數(shù)據(jù)對(duì)大格局的把握更加有幫助。而像社交媒體信息、酒店信息和電話號(hào)碼等微觀數(shù)據(jù)，如果準(zhǔn)確，則有助于我們對(duì)某些特定的個(gè)體和群體行為作出更加準(zhǔn)確的預(yù)判。也就是說，不同數(shù)據(jù)有不同作用，要恰當(dāng)?shù)鼐C合運(yùn)用以解決不同問題。

總之，面對(duì)具體的復(fù)雜決策問題，研究者需要不同的數(shù)據(jù)組合、不同的基礎(chǔ)數(shù)據(jù)和不同的大數(shù)據(jù)。因此，“全數(shù)據(jù)”思維不是事先給定要解決一個(gè)具體復(fù)雜決策問題的數(shù)據(jù)范圍，而是需要研究者根據(jù)具體的研究問題來探索不同的數(shù)據(jù)來源組合。面對(duì)具體的復(fù)雜決策問題，研究者既要以既有的社會(huì)科學(xué)的理論、實(shí)證研究和數(shù)據(jù)積累為基礎(chǔ)，又要了解新大數(shù)據(jù)的來源以及處理技術(shù)，只有這樣才能充分利用這些不同的資源。

三、 模擬決策： 問題與示例

要想達(dá)成“以計(jì)算為基礎(chǔ)的科學(xué)的復(fù)雜決策”這一目標(biāo)，研究者必須用社會(huì)科學(xué)的思維特別是社會(huì)科學(xué)的問題意識(shí)來規(guī)制計(jì)算社會(huì)科學(xué)。那么，計(jì)算社會(huì)科學(xué)到底能夠幫助我們解決哪些決策者經(jīng)常面臨的問題？ 本文認(rèn)為，計(jì)算社會(huì)科學(xué)在以下幾類問題的決策上將大有用武之地。一是對(duì)國家來說，計(jì)算社會(huì)科學(xué)能夠?qū)ζ渌麌业幕菊巫呦蛱貏e是該國的國內(nèi)政治穩(wěn)定等問題做出預(yù)測(cè);二是對(duì)企業(yè)特別是大型跨國企業(yè)來說，計(jì)算社會(huì)科學(xué)能夠?qū)ν顿Y對(duì)象國的基本政治經(jīng)濟(jì)走向作出預(yù)測(cè)，并就如何確定競(jìng)爭(zhēng)戰(zhàn)略、如何進(jìn)行選址等問題的決策提供參考;三是對(duì)個(gè)人來說，計(jì)算社會(huì)科學(xué)能夠協(xié)助個(gè)人就旅游、買房等試錯(cuò)成本相對(duì)高的問題做出決策。所有這些決策都不僅僅需要數(shù)據(jù)的支持，還需要社會(huì)科學(xué)的思維以及理論和實(shí)證積累。以下就國家層面提供兩個(gè)具體案例，以說明計(jì)算社會(huì)科學(xué)如何為科學(xué)決策提供新的思路。

（一） 選舉預(yù)測(cè)

預(yù)測(cè)選舉結(jié)果并基于這些預(yù)測(cè)調(diào)整策略，是每一個(gè)政黨、候選人以及利益相關(guān)國家需要面對(duì)的最重要的決策問題之一。傳統(tǒng)的選舉預(yù)測(cè)主要依賴民意調(diào)查或者是在綜合不同民意調(diào)查的基礎(chǔ)上進(jìn)行相關(guān)數(shù)據(jù)處理，而基于社交媒體的大數(shù)據(jù)，原理上也是民意調(diào)查。但是，民意調(diào)查（以及社交媒體的大數(shù)據(jù)）有4個(gè)無法解決的偏誤：抽樣偏誤（特別是在需要分層抽樣的情形下），被調(diào)查者中的回答者的自我選擇偏誤，回答者的有意誤導(dǎo)回答，個(gè)人的支持偏好不一定會(huì)變成真正的選票（如投票率問題以及自然災(zāi)害或恐怖襲擊等突發(fā)事件）。①

為此，復(fù)旦大學(xué)復(fù)雜決策分析中心的研究團(tuán)隊(duì)發(fā)展了一個(gè)完全不依賴于選舉前民意調(diào)查，而是基于ABM 計(jì)算機(jī)模擬的選舉預(yù)測(cè)平臺(tái)。同樣重要的是，該預(yù)測(cè)平臺(tái)也不依賴于社交媒體的大數(shù)據(jù)。在“劍橋分析”（CambridgeAnalytica） 爆出丑聞之前②，研究團(tuán)隊(duì)就已經(jīng)對(duì)運(yùn)用大數(shù)據(jù)特別是社交媒體的大數(shù)據(jù)來預(yù)測(cè)選舉結(jié)果保持了警惕。因?yàn)榇髷?shù)據(jù)很容易被假數(shù)據(jù)和假信息污染，正如特朗普當(dāng)選和英國“脫歐”兩個(gè)事件告訴我們的那樣。換句話說，互聯(lián)網(wǎng)上相當(dāng)多的信息是假消息或者是故意誤導(dǎo)的信息。雖然針對(duì)如何處理假消息已經(jīng)發(fā)展出一些識(shí)別和稀釋其影響的算法，但數(shù)據(jù)的真實(shí)可靠始終是影響大數(shù)據(jù)預(yù)測(cè)準(zhǔn)確性的重要因素。

具體而言，基于社會(huì)科學(xué)家的研究和某些特定數(shù)據(jù)，研究團(tuán)隊(duì)構(gòu)建出了一個(gè)能夠模擬選舉結(jié)果的ABM 模擬平臺(tái)?；贏BM 模擬的選舉預(yù)測(cè)的實(shí)現(xiàn)分為六大步驟。

第一，基于公開平臺(tái)收集歷史數(shù)據(jù)。主要包括人口普查數(shù)據(jù)（人口的年齡分布、性別、教育程度、收入水平、從事行業(yè)、宗教信仰等），選舉前一年和選舉年的經(jīng)濟(jì)社會(huì)基本情況數(shù)據(jù)（經(jīng)濟(jì)增長(zhǎng)率、通貨膨脹率、犯罪率等），歷史上選舉實(shí)際參選人的特質(zhì)，以及實(shí)際選舉結(jié)果數(shù)據(jù)。最終的數(shù)據(jù)集包括近50個(gè)指標(biāo)?；谡螌W(xué)對(duì)選舉的既有研究，研究團(tuán)隊(duì)認(rèn)為這些數(shù)據(jù)應(yīng)該基本可以滿足預(yù)測(cè)選舉結(jié)果的需求，因此達(dá)到了全數(shù)據(jù)。

第二，構(gòu)建行為體，即選民。主要基于人口普查數(shù)據(jù)，在計(jì)算機(jī)模擬系統(tǒng)里隨機(jī)生成實(shí)際人數(shù)的選民。隨機(jī)生成的每一個(gè)選民都擁有一些特定的特征組合（比如男性、41～60歲、高中教育、從事制造業(yè)等等），但是整體的選民群體仍舊滿足宏觀統(tǒng)計(jì)分布（比如，男性為49.8%，女性為50.2%）。

第三，基于歷史選舉結(jié)果數(shù)據(jù)，通過簡(jiǎn)單的回歸分析，獲得不同特征的選民可能的投票傾向（比如，男性顯著傾向于支持某個(gè)黨派），并給出粗糙的投票傾向區(qū)間。特別需要強(qiáng)調(diào)的是，這些粗糙的投票傾向區(qū)間并不需要特別準(zhǔn)確，因?yàn)楹罄m(xù)的ABM 模擬運(yùn)算能夠篩選出能較好地重復(fù)出歷史投票結(jié)果的模型。

第四，讓這些選民基于他們的投票傾向在系統(tǒng)中投票。投票規(guī)則由3組方程描述。每一次模擬都會(huì)隨機(jī)生成不同的選民群體，但是整體的選民群體仍然滿足宏觀統(tǒng)計(jì)分布。

第五，通過模擬多次投票（100次至300次不等），基于歷史的選舉結(jié)果數(shù)據(jù)，篩掉不能得到歷史選舉結(jié)果（在一定的誤差范圍內(nèi)）的模型。其間會(huì)經(jīng)過至少兩輪篩選。第一輪的篩選閾值為10%的絕對(duì)誤差，第二輪為5%，第三輪為2.5%～3%。其中會(huì)加入選舉周期、政治丑聞沖擊、候選人特征等。最終剩下的模型和歷史選舉結(jié)果的誤差在2.5%～3%。通常來說，第一輪的模型在幾千萬到一億多之間（選民的特征組合，而為了計(jì)算的可行性，用1∶10的比例來進(jìn)行實(shí)際模擬）。經(jīng)過兩到三輪篩選，最終剩下的模型數(shù)量?jī)H為幾十個(gè)到幾百個(gè)不等。顯然，這些模型能夠在比較小的誤差范圍內(nèi)重現(xiàn)歷史上的多次選舉結(jié)果，一定是確實(shí)捕捉到了促成這些歷史選舉的最終結(jié)果的某些投票規(guī)則。

第六，用經(jīng)過了篩選的模型（幾十個(gè)到幾百個(gè)不等），基于下一輪選舉的推導(dǎo)數(shù)據(jù)（比如可預(yù)測(cè)的人口變化數(shù)據(jù)、經(jīng)濟(jì)增長(zhǎng)數(shù)據(jù)等等），讓選民在系統(tǒng)內(nèi)進(jìn)行模擬投票，預(yù)測(cè)下一輪選舉結(jié)果。研究團(tuán)隊(duì)提前公布的預(yù)測(cè)結(jié)果是這些模型給出的結(jié)果的平均值。

從2016年起，中心已經(jīng)連續(xù)5次比較精準(zhǔn)地預(yù)測(cè)了中國臺(tái)灣地區(qū)的地方領(lǐng)導(dǎo)人選舉（2016年、2020年）、中國臺(tái)灣地區(qū)的縣市選舉（2018年）、美國參議院選舉（2018年）以及2020年的美國總統(tǒng)選舉（6個(gè)州）。團(tuán)隊(duì)公布的是相對(duì)得票率，而不僅僅是誰輸誰贏。在迄今為止的6次預(yù)測(cè)中，團(tuán)隊(duì)的預(yù)測(cè)得票結(jié)果和實(shí)際的選舉得票結(jié)果的差別（誤差）最低為不到1%，最高也僅為6%。① 不僅如此，基于ABM 的選舉預(yù)測(cè)還能夠提前幾個(gè)月就給出這樣的預(yù)測(cè)。而這樣的預(yù)測(cè)是基于民意調(diào)查或者社交媒體的預(yù)測(cè)完全不可能實(shí)現(xiàn)的。最后，基于ABM 的選舉模擬預(yù)測(cè)還能夠大致給出某些突發(fā)事件對(duì)最終選舉結(jié)果的沖擊的范圍。

在最新的一次預(yù)測(cè)中，研究團(tuán)隊(duì)于北京時(shí)間2020年11月1日12點(diǎn)（美國東部時(shí)間10月31日零點(diǎn)）發(fā)布了對(duì)美國總統(tǒng)大選在6個(gè)州的獲得票數(shù)比例的預(yù)測(cè)。② 最終的選舉結(jié)果表明，該預(yù)測(cè)是成功的。經(jīng)過多次選舉預(yù)測(cè)的檢驗(yàn)，我們有理由相信，基于基礎(chǔ)數(shù)據(jù)建模和大規(guī)模計(jì)算模擬的選舉預(yù)測(cè)的技術(shù)不僅是可行的，而且是一個(gè)更為有效的技術(shù)路徑。除此之外，ABM 模擬結(jié)果還能夠幫助我們更加精準(zhǔn)地理解選舉行為和選舉政治的隱藏動(dòng)力學(xué)，即反饋增進(jìn)社會(huì)科學(xué)研究。

（二） 打擊毒品網(wǎng)絡(luò)

對(duì)南美毒品網(wǎng)絡(luò)和美國毒品販運(yùn)的計(jì)算模擬是學(xué)術(shù)界最近的一個(gè)非常有益的研究。③ 自從美國總統(tǒng)尼克松在1971年宣布“向毒品宣戰(zhàn)”之后，美國一直試圖阻斷或者大幅削弱南美洲原產(chǎn)地和美國市場(chǎng)之間的販運(yùn)網(wǎng)絡(luò)。但是經(jīng)過幾十年的努力，“向毒品宣戰(zhàn)”的效果卻非常不理想。事實(shí)上，盡管美國投入了大量的人力、物力、財(cái)力用于打擊毒品走私，但是美國的毒品零售價(jià)一直在下降（意味著毒品供應(yīng)一直在穩(wěn)定增長(zhǎng)），且整個(gè)西半球的毒品走私的地理區(qū)域從1996年的200多萬平方英里擴(kuò)展到了2017年的700多萬平方英里。①

為找到“向毒品宣戰(zhàn)”未達(dá)理想效果的原因，美國多所高校的研究團(tuán)隊(duì)共同開發(fā)了一個(gè)基于地理信息系統(tǒng)、整合了復(fù)雜社會(huì)網(wǎng)絡(luò)的ABM 模擬平臺(tái)，即“毒販邏輯”（NarcoLogic）模擬平臺(tái)，用來模擬毒販在時(shí)空中應(yīng)對(duì)阻斷攻擊的決策，并以這些決策與美國的打擊措施之間的互動(dòng)，探究阻斷無效的根本原因。

該模擬平臺(tái)整合了多個(gè)理論觀點(diǎn)、實(shí)證研究、媒體報(bào)道，以及學(xué)者們?cè)谠摰貐^(qū)多年的實(shí)地調(diào)查研究。參數(shù)和驗(yàn)證過程以現(xiàn)有最完整和權(quán)威的可卡因非法流動(dòng)數(shù)據(jù)為基礎(chǔ)。該模擬再現(xiàn)了毒販與阻斷力量之間的“貓和老鼠”游戲在時(shí)空下的動(dòng)態(tài)變化?；谀M可視化，該模擬平臺(tái)還直觀地呈現(xiàn)了毒品販運(yùn)網(wǎng)絡(luò)的結(jié)構(gòu)和功能，刻畫了販毒者和執(zhí)法機(jī)關(guān)之間“斗智斗勇”所產(chǎn)生的涌現(xiàn)性結(jié)果。

該模擬平臺(tái)包含3類行為體：販毒網(wǎng)絡(luò)（更具體地說是南美的“毒品卡特爾”）、轉(zhuǎn)運(yùn)網(wǎng)絡(luò)（或者說是毒品批發(fā)和零售行為體，這些行為體本身顯然也是小型的網(wǎng)絡(luò)，但是他們可以和不同的“毒品卡特爾”合作）以及攔截者（特別是美國緝毒署）。每一個(gè)行為體都有一些特定的特征或?qū)傩裕@些屬性可以用數(shù)據(jù)加以刻畫。具體來說，販毒網(wǎng)絡(luò)有8個(gè)屬性，轉(zhuǎn)運(yùn)網(wǎng)絡(luò)有15個(gè)屬性，攔截行為體有4個(gè)屬性。這個(gè)模擬平臺(tái)的環(huán)境則有9個(gè)不同的屬性。系統(tǒng)中每一個(gè)行為體的行為都會(huì)視其他行為體的行為及環(huán)境因素來進(jìn)行決策。而這些不同的決策由4個(gè)簡(jiǎn)潔的方程刻畫。

該平臺(tái)模擬了兩個(gè)不同的大場(chǎng)景。一個(gè)場(chǎng)景是不同的販毒網(wǎng)絡(luò)和轉(zhuǎn)運(yùn)網(wǎng)絡(luò)相互監(jiān)測(cè)、相互滲透，甚至相互通氣。換句話說，整個(gè)美洲的販毒網(wǎng)絡(luò)和轉(zhuǎn)運(yùn)網(wǎng)絡(luò)都在一個(gè)更大的網(wǎng)絡(luò)中決策與行動(dòng)。另一個(gè)大場(chǎng)景則是不同的販毒網(wǎng)絡(luò)和轉(zhuǎn)運(yùn)網(wǎng)絡(luò)各自為戰(zhàn)。通過比較，研究人員發(fā)現(xiàn)，基于網(wǎng)絡(luò)行為體的模型表現(xiàn)更好。這表明，不僅每一個(gè)相對(duì)獨(dú)立的毒品走私團(tuán)伙是一個(gè)社會(huì)網(wǎng)絡(luò)，而且整個(gè)美洲的毒品販運(yùn)體系是一個(gè)大型網(wǎng)絡(luò)。這背后的邏輯不僅體現(xiàn)了販毒集團(tuán)自上向下尋求平衡風(fēng)險(xiǎn)和收益，同時(shí)體現(xiàn)了販毒集團(tuán)和轉(zhuǎn)運(yùn)網(wǎng)絡(luò)有全局觀：他們不僅僅是從局部來考慮行動(dòng)。這個(gè)模擬的另一個(gè)重要發(fā)現(xiàn)是：為躲避打擊，在一定時(shí)間內(nèi)，毒品走私集團(tuán)的走私地域會(huì)變得更加彌散，走私方式更趨靈活和暴力。

基于ABM 模擬，NarcoLogic能夠幫助美國緝毒部門對(duì)不同的毒品政策情境及其對(duì)販運(yùn)者行為的可能影響，以及與反毒品戰(zhàn)爭(zhēng)的軍事化有關(guān)的許多附帶損害進(jìn)行更加系統(tǒng)的評(píng)估，從而能夠幫助美國的緝毒部門制定更加有效的反毒品措施。不僅如此，該研究還通過模擬發(fā)現(xiàn)，不同販毒集團(tuán)并不是完全獨(dú)立的行為體，而是在一個(gè)大型網(wǎng)絡(luò)中既有競(jìng)爭(zhēng)又有協(xié)同的行為體。因此，美國的緝毒行為也必須從局部和全局這兩個(gè)層面出發(fā)，才能有效地進(jìn)行攔截。

四、 基于計(jì)算社會(huì)科學(xué)，建設(shè)有中國特色的科學(xué)決策支持體系

以上的討論表明，計(jì)算社會(huì)科學(xué)確實(shí)有可能給決策科學(xué)中的科學(xué)決策帶來一些嶄新的解決辦法，從而為傳統(tǒng)上主要依賴專家意見的科學(xué)決策帶來巨大的變革。

主要依賴專家解讀和判斷的傳統(tǒng)的決策咨詢是前信息革命時(shí)代的產(chǎn)物。由于眾多數(shù)據(jù)的缺失和缺乏足夠的計(jì)算能力，決策咨詢?cè)诤芏鄷r(shí)候只能依賴于專家的判斷。這種傳統(tǒng)的決策咨詢幾乎不可能有效地幫助現(xiàn)代國家和企業(yè)應(yīng)對(duì)高度復(fù)雜且變化快速的環(huán)境。因此，隨著數(shù)據(jù)收集能力和處理能力的大幅提升，世界主要國家都在投入大量的資源來建設(shè)基于數(shù)據(jù)和計(jì)算或者說是基于計(jì)算社會(huì)科學(xué)的決策咨詢體系，以能夠有效應(yīng)對(duì)高度復(fù)雜且變化快速的環(huán)境。

在基于計(jì)算社會(huì)科學(xué)的戰(zhàn)略咨詢體系這一領(lǐng)域，美國居于領(lǐng)先地位。在計(jì)算社會(huì)科學(xué)到來之前，美國的核心決策支持體系以及一些重要部門就已經(jīng)進(jìn)入了計(jì)算時(shí)代。比如，最開始由美國空軍支持的著名的蘭德公司（RAND Corporation）一直都在開發(fā)基于計(jì)算的決策支持系統(tǒng)。事實(shí)上，世界上第一個(gè)人工智能項(xiàng)目“邏輯理論家”（The Logic Theorist）就是由蘭德公司支持研發(fā)的。① 類似機(jī)構(gòu)還有隸屬于美國海軍的海軍分析中心（Centerfor Naval Analysis，CNA）。

更為重要的是，自20世紀(jì)六七十年代起，美國軍方就通過其隸屬于國防部的國防高級(jí)研究計(jì)劃署（Defense Advanced Research Projects Agency，DARPA）一直在支持這類研究開發(fā)。經(jīng)過幾十年的積累和探索，2000年之后，美國國防部推出了新一代基于計(jì)算社會(huì)科學(xué)的整合危機(jī)早期預(yù)警系統(tǒng)（Integrated Crisis Early Warning System，ICEWS）。除了美國的情報(bào)系統(tǒng)之外，參與該系統(tǒng)研發(fā)的大學(xué)包括哈佛大學(xué)、賓州州立大學(xué)、馬里蘭大學(xué)、喬治·梅森大學(xué)等。盡管整合危機(jī)早期預(yù)警系統(tǒng)還有待改進(jìn)，但它已經(jīng)在美國應(yīng)對(duì)不同地區(qū)和國家可能出現(xiàn)的危機(jī)、反恐以及支持阿富汗和伊拉克的軍事行動(dòng)中都發(fā)揮了重要作用。美國軍方還支持了提出計(jì)算社會(huì)科學(xué)的拉澤爾的很多研究。② 顯然，美國軍方對(duì)這方面的發(fā)展一直都非常關(guān)注。③

美國政府支持的另一項(xiàng)研發(fā)是美國國務(wù)院下屬的重建與穩(wěn)定聯(lián)合辦公室（Office of the Coordinator for Reconstruction and Stabilization，S/CRS）的“國家重建和穩(wěn)定”（Project of State Reconstruction and Stabilization，PSRS）項(xiàng)目。2011年，該辦公室變成了美國國務(wù)院的沖突與穩(wěn)定行動(dòng)署（Bureau ofConflict and Stabilization Operations，BCSO）。沖突與穩(wěn)定行動(dòng)署支持的“國家重建和穩(wěn)定”項(xiàng)目主要是針對(duì)美國的某些盟國或者美國侵略過的國家有可能出現(xiàn)動(dòng)亂之后的重建和穩(wěn)定。參與該項(xiàng)目研發(fā)的機(jī)構(gòu)包括斯坦福大學(xué)、加州大學(xué)圣地亞哥分校、布魯金斯學(xué)會(huì)等。該項(xiàng)目的研究為美國在伊拉克和阿富汗以及一些非洲國家的重建和穩(wěn)定行動(dòng)提供了重要的戰(zhàn)略戰(zhàn)術(shù)咨詢。除美國之外，另一些發(fā)達(dá)國家也都在從事類似的研發(fā)工作。

總之，信息收集功能以及信息處理能力是任何一個(gè)決策支持體系的基本能力。就中國而言，目前的決策支持體系只具備基本的信息收集能力和相對(duì)初級(jí)的信息處理能力，總體缺乏嚴(yán)格意義上的計(jì)算支持，更談不上復(fù)雜的計(jì)算模擬。因此，我國迫切需要建設(shè)一個(gè)基于計(jì)算社會(huì)科學(xué)的戰(zhàn)略咨詢體系，即構(gòu)建一個(gè)集社會(huì)科學(xué)、數(shù)據(jù)技術(shù)、計(jì)算機(jī)模擬、機(jī)器學(xué)習(xí)及人工智能為一體的技術(shù)平臺(tái)。與其他的關(guān)鍵技術(shù)一樣，這樣的技術(shù)平臺(tái)亦將成為國家核心能力的重要組成部分。該技術(shù)平臺(tái)最終應(yīng)具備以下基礎(chǔ)技術(shù)能力。

第一，能夠整合數(shù)據(jù)、算法和算力。只有能夠整合這3個(gè)要素的技術(shù)平臺(tái)才可能是真正有用的技術(shù)平臺(tái)。當(dāng)然，針對(duì)不同類型的復(fù)雜決策問題，平臺(tái)肯定會(huì)有所不同。第二，能夠整合專家知識(shí)和判斷，并能推演他們不同的理解和判斷是否正確?；谟?jì)算社會(huì)科學(xué)的戰(zhàn)略咨詢體系，不是拋棄國別與問題專家的判斷，而是使他們的知識(shí)的效用最大化，減少重大決策對(duì)專家判斷的依賴程度，甚至幫助專家提升他們的理解和判斷能力，從而可以更好地支持決策。

基于以上兩項(xiàng)基礎(chǔ)性能力，在應(yīng)用層面，這些技術(shù)平臺(tái)還需要具備以下3個(gè)特征。第一，廣適性。一旦這樣的技術(shù)平臺(tái)被開發(fā)出來，研究者只需擁有某些特定國家的有關(guān)數(shù)據(jù)（包括情報(bào)數(shù)據(jù)），就能對(duì)這個(gè)國家有可能面臨的高烈度戰(zhàn)略風(fēng)險(xiǎn)進(jìn)行評(píng)估預(yù)測(cè)，并且推演國家不同應(yīng)對(duì)措施的效果。第二，即時(shí)性。平臺(tái)最終應(yīng)該能夠自動(dòng)抓取最新數(shù)據(jù)，并據(jù)此進(jìn)行計(jì)算（包括模擬），從而能夠讓國家盡早掌握重大跡象和動(dòng)向，規(guī)避風(fēng)險(xiǎn)。第三，一定時(shí)空內(nèi)的精確性和實(shí)時(shí)性。人類社會(huì)的高度復(fù)雜性和人類的意識(shí)意味著人類不大可能在人類社會(huì)中實(shí)現(xiàn)分秒不差的預(yù)測(cè)，但是，我們發(fā)展的這些技術(shù)平臺(tái)最終應(yīng)能夠?qū)崿F(xiàn)對(duì)某些高烈度風(fēng)險(xiǎn)的行為和事件在一定時(shí)空內(nèi)的預(yù)測(cè)，并且能夠模擬防范手段，從而為提升國家的應(yīng)對(duì)能力提供一定的知識(shí)保障。

要發(fā)展這樣的體系，當(dāng)然離不開國家和社會(huì)的投入和支持，具體措施至少應(yīng)該包括以下六個(gè)方面。第一，國家必須從長(zhǎng)治久安的戰(zhàn)略高度深刻認(rèn)識(shí)到計(jì)算社會(huì)科學(xué)對(duì)戰(zhàn)略決策造成的廣泛和深遠(yuǎn)的沖擊。和高性能芯片一樣，“決策計(jì)算社會(huì)科學(xué)”是國家硬實(shí)力的關(guān)鍵維度之一，國家必須高度重視。第二，逐漸提高國家對(duì)決策咨詢的科學(xué)化要求，從需求側(cè)提升對(duì)基于計(jì)算社會(huì)科學(xué)的決策咨詢的需求，逐步提高以計(jì)算社會(huì)科學(xué)為基礎(chǔ)進(jìn)行推演和判定的咨詢報(bào)告的占比。第三，基于高度的戰(zhàn)略重視，加大國家對(duì)計(jì)算社會(huì)科學(xué)的研究投入，特別是加大對(duì)以預(yù)測(cè)和推演為目標(biāo)的研究與開發(fā)的支持力度。第四，在相關(guān)人才的培養(yǎng)和學(xué)術(shù)團(tuán)隊(duì)建設(shè)上，應(yīng)更加鼓勵(lì)跨學(xué)科的學(xué)術(shù)培養(yǎng)體系和協(xié)作平臺(tái)，盡快將計(jì)算社會(huì)科學(xué)確立為與學(xué)位掛鉤的交叉學(xué)科或者專業(yè)。第五，計(jì)算社會(huì)科學(xué)的發(fā)展離不開大規(guī)模數(shù)據(jù)，更離不開數(shù)據(jù)及算法的共享。目前大規(guī)模數(shù)據(jù)的持有者主要是企業(yè)和政府，國家應(yīng)該盡快要求企業(yè)共享那些不涉及用戶隱私的數(shù)據(jù)（比如隱去了用戶個(gè)人信息的出行數(shù)據(jù)、消費(fèi)數(shù)據(jù)等），并鼓勵(lì)不同政府機(jī)構(gòu)和研究機(jī)構(gòu)建立數(shù)據(jù)、算法和模型的共享資源平臺(tái)。第六，鼓勵(lì)相關(guān)民營(yíng)企業(yè)加大研發(fā)投入，加強(qiáng)校企聯(lián)合。

中國的計(jì)算社會(huì)科學(xué)還有很長(zhǎng)的路要走，但中國是少數(shù)擁有足夠人力、物力（特別是科技能力）、財(cái)力來大力發(fā)展基于計(jì)算社會(huì)科學(xué)的戰(zhàn)略咨詢體系的經(jīng)濟(jì)體之一。當(dāng)然，要達(dá)成這樣的目標(biāo)，既需要數(shù)據(jù)技術(shù)和計(jì)算能力，也需要從既有的社會(huì)科學(xué)中汲取必要的理論和實(shí)證成果。換句話說，我們需要真正地將社會(huì)科學(xué)與計(jì)算機(jī)技術(shù)和數(shù)據(jù)技術(shù)結(jié)合起來。因此，計(jì)算社會(huì)科學(xué)與決策科學(xué)的結(jié)合并不是要取代專家知識(shí)，相反，社會(huì)科學(xué)家頭腦里的知識(shí)對(duì)于計(jì)算社會(huì)科學(xué)的進(jìn)步是不可或缺的基礎(chǔ)。① 社會(huì)科學(xué)家應(yīng)該和計(jì)算機(jī)科學(xué)家、數(shù)據(jù)科學(xué)家一起，與政府以及企業(yè)攜起手來，為中國的科學(xué)決策乃至整個(gè)中國的決策科學(xué)的進(jìn)一步科學(xué)化而共同努力。

五、 結(jié)語

可以想象，在未來的國際競(jìng)爭(zhēng)中，完全不依賴數(shù)據(jù)和技術(shù)的傳統(tǒng)預(yù)判決策模式將會(huì)面臨巨大的劣勢(shì)。

孫子曰：“故上兵伐謀，其次伐交，其次伐兵，其下攻城?！庇衷唬骸拔糁茟?zhàn)者，先為不可勝。以待敵之可勝。不可勝在己，可勝在敵。故善戰(zhàn)者，能為不可勝，不能使敵必可勝。故曰：勝可知，而不可為?！噬茟?zhàn)者，立于不敗之地，而不失敵之?dāng)∫病Ｊ枪蕜俦葎俣笄髴?zhàn)，敗兵先戰(zhàn)而后求勝?！雹僭谙喈?dāng)長(zhǎng)的時(shí)間里，這樣的境界只能是理想，且基本只能是依靠主帥和軍師的天賦。而在計(jì)算社會(huì)科學(xué)已經(jīng)蓬勃興起的今天，盡管“主帥”和“軍師”的判斷依舊重要，但許多不確定性已經(jīng)可以通過計(jì)算社會(huì)科學(xué)來大大降低。

基于此，中國的決策支持體系需要轉(zhuǎn)變思想，更加堅(jiān)定地?fù)肀Ъ夹g(shù)，不能只依賴主要基于專家判斷的傳統(tǒng)的決策咨詢模式。國家需要從戰(zhàn)略技術(shù)的角度支持基于計(jì)算社會(huì)科學(xué)的決策科學(xué)的發(fā)展，而發(fā)展基于計(jì)算社會(huì)科學(xué)的決策科學(xué)也必將推動(dòng)中國社會(huì)科學(xué)自身的進(jìn)步。