發布時間：2019-01-04所屬分類：科技論文瀏覽：1次
摘 要： 日趨復雜的經濟管理的現實需求，促使當今的理論研究正步入深化行為分析的新時代。本文從新的視角，以行為的精深分析為主線，側重在本質關聯的層面上探討人工智能(AI)、機器學習以及深度學習和強化學習等高新技術的發展動因、人文行為特征和可能對傳統計量實
日趨復雜的經濟管理的現實需求，促使當今的理論研究正步入深化行為分析的新時代。本文從新的視角，以行為的精深分析為主線，側重在本質關聯的層面上探討人工智能(AI)、機器學習以及深度學習和強化學習等高新技術的發展動因、人文行為特征和可能對傳統計量實證造成的沖擊與挑戰，試圖通過異質行為根源、社會網絡結構上的傳導機理和路徑選擇等層面上的一體化貫通分析，尋求在更好地解釋宏觀復雜現象等方面取得突破的可能性，以及在行為分析建模與傳統方法的對比中展望經濟計量方法的發展前景。
關鍵詞:人工智能,機器學習,計量實證,行為分析
人工智能(AI)與高新技術及產業發展的又一波浪潮來襲，發動著一場空前的由思維到行動、由自然科學到社會科學的全方位變革，對科技和社會發展的理論研究與應用實踐造成強烈的沖擊。然而，有人為AI的發展歡呼雀躍，也有人為人類前途命運憂心忡忡;有對機器蠻力不屑一顧者，也有對人類失去優越感而沮喪彷徨者，不一而已[1]。
已有的相關研究大都是從技術、應用及產業發展等角度分門別類地分析探討[2-3]。而本文則將從經濟管理的理論源頭上、在人類行為的本質屬性層面上考察AI與機器學習等高新技術的特點及其對經濟分析中的計量實證研究所帶來的沖擊、挑戰和機遇，具體探討AI迅猛發展的主要動因及其與人類行為的關系，如何能以深化行為分析為主軸，貫通AI和機器學習等與計量實證的發展，將它們切實地融合提升。
沿AI—機器學習—計量實證的創新發展這一主線、在深化行為分析的本質層面上逐步展開，本文各部分的內容大致安排如下:第一部分簡要地論述AI的發展動因及對人類智慧和行為的模仿與推升;第二部分主要介紹和探討機器學習的原理延伸及其所蘊含的人文行為特性;最后的第三部分試圖給出基于異質行為分析的微宏觀一體化建模原理和流程、概要介紹初步的“通宏洞微”應用案例，并展望未來AI、機器學習等與計量實證的協同共進。
一、人工智能發展的階段性動因與對人類行為的模仿提升
一般認為，人工智能是人類綜合利用高科技(機、電、光、材、生、數、腦、文等學科領域)來延伸自身的感知器官、增強思維和體能的一類方式或技術的統稱，是人類智慧在當今時代的一種新的表現形式;AI源于和服務于人類的全面發展，側重于技術性地模擬、延伸人類思維和人體機能，或許還能虛擬地創設人類的“全新”功能，但它始終掩蓋不了作為人類智慧的附屬物、二手貨和山寨品的印痕。
回顧AI艱難曲折、波瀾起伏的發展歷程，從其總體上呈現的銳不可當的迅猛之勢中，還可透視出潛藏著的以行為本征為模板的對人類智慧和行動的大尺度模仿。
(一)AI的本質特征與階段性發展動因
符號主義與聯結主義是人工智能的發展中從不同視角形成的兩個流派。世界上萬事萬物的存在和演變，都有其內在的邏輯，而這些邏輯反映到人類認知中可以通過符號形式貫穿起來。宏偉的歐幾里得幾何理論大廈，就是在不言自明的公理體系的基礎上完全由邏輯構造出來，嚴整唯美、無懈可擊，這為人類后來的科學發展和技術進步提供了標準的范式和深邃的啟示，也為當下AI的興起和騰飛奇幻般地預置了思維模板和實現路徑。
AI中的符號主義學派，就是基于人與自然的對接點，側重于將人對自然界和社會的認知，以符號和形式化的方式影射到可推理的理論世界中，主要代表就是機器定理證明、演繹推理方式和可自動化的算法等;從認知觀念上來說，符號主義側重于對時點特征的個性分析，映射和孕育了一套專用符號集操作系統:元素、運算支撐點密碼和算法規則等，將人類與自然交互過程中的感/認知、思維、決策、行動等用符號和形式化邏輯方式貫穿，具體就是用機器語言編寫指令和程序，來操控終端設備，以實現預期目的。而如此的對應轉化，順應了時代特征和實踐需求，推動了AI一個時期的蓬勃發展。
AI的另一支撐點是聯結主義，其基本思想和原理是模擬人類大腦的神經元網絡的結構和機能(也應包括大腦通過神經中樞系統對身體其他部位的指令、控制和協調及反饋)，與真實世界中的社會網絡結構和可能存在的種種場景交互:初等神經元對于簡單模式敏感，高級神經元對于復雜模式敏感，神經網絡結構又神奇般地將對不同類信號的敏感及處理方式組合起來，生物結構的聯系和對應方式是極其深奧玄妙并且其敏感度和復雜模式的類型、程度受內在特有規律的支配，并與外部關聯。
這證明了大腦網絡和神經中樞系統具有簡單模式—復雜模式混合的有機協調功能，也啟發了計算機科學家發明人工神經網絡的思路，內在地規約了技術實現路徑。雖然現已發展出深度學習和強化學習等，但人類大腦中神經元細胞的成分、構造、分布、裂變、演化、組聯等有機的生物機理，對外界條件變化的反應、敏感、連通和傳導交互模式等，在神經網絡結構上的信息處理和綜合協調功能，對AI技術來說，還是很大的謎，遠未揭開。
應該看到，AI發展更重要和更關鍵的是，分布關聯式技術取向必須要與人類多元化、個性化和社會網絡化的發展趨勢高度吻合和共融，更好地順應人類社會更高層級的發展需求。從AI本質特征的視角來看，其每一發展階段的主要形態、技術動因和產生的社會效應等，與相應年代的生產力發展水平及社會需求，都有其必然的內在關聯。
(二)AI對人類行為屬性的模仿與提升
人類的行為屬性，既有先天稟賦，又有后天習得，本性是天賦內生、又經受了后天磨礪，而AI自始至終是要靠外生賦予，其功能和運行都在受機器指令支配。人類社會的全面發展，從內在因素來說，是人性的完善和升華，人工智能其實是對人性的一種自我挑戰、考驗和升華。人之初到底是“性本善”還是“性本惡”，或許這類關于人性本源的爭議也在影響AI領域。
類似地，AI是善是惡，是最終“融入”還是“叛變”人類，也取決于人類自身。如果真有那么一天，人類被AI所“終結”，那么，真正的罪魁禍首必將也是人類天性中的自私、貪婪與邪惡等，AI充其量只是一種工具和手段、一種表現形式而已，只是人性基礎上的選擇性功能強化和效率提高。
所以，說到底，AI的發展是由人類行為屬性決定的，人性和人類的自我控制，也是AI發展繞不開的根本問題，AI不可能徹底改變人性，但卻能以其特有的功能來檢驗、確證和包容人性，校準人類社會的發展方向。
由于社會構成和文明進步階段性的影響，同一時代或同一文明中的人往往會擁有某種類同的人性，社會群體中的共性同人與人之間的差異性共存，具有分布式一集群式計算邏輯的AI的發展，其生物學和社會學基礎是人類社會行為內在的普遍性與統一性的融合。類似地，將AI與互聯網+、物聯網、大數據、區塊鏈和比特幣等這些不斷涌現出來的新技術概念的熱詞新詞聯系起來看，就不難明白AI的這一波高潮為什么會如此猛烈，為什么能在中國產生更大的影響?這是與中國的稟賦特色、文化傳統、行為習慣以及社會經濟發展狀況密切相關的。
二、機器學習的人文行為習性
(一)行為分析視角下的機器學習
機器學習(machinelearning，ML;亦稱統計學習)是一門跨多領域的交叉學科，涉及統計學、概率論、計算數學、逼近論、凸分析、計算機科學、數據科學、算法復雜度理論，以及行為科學等。學習是人類具有的一種重要智能行為，ML是人工智能的核心，是使計算機具有智能的根本途徑和基本方式，是專門研究計算機怎樣模擬或實現人類的學習行為，重新組織已有的知識結構使之不斷改善自身性能，以獲取新的知識或技能[4];主要使用歸納、綜合而不只是演繹邏輯，其應用遍及人工智能的諸多領域，近年來也受到經濟管理和人文社會科學其他分支領域的高度關注，如:大數據處理、數據挖掘、自然語言處理;語音和手寫識別、生物特征識別、多功能搜索引擎、計算機視覺、情景模擬、智能仿生算法;金融監管、公共管理與政策分析、復雜決策行為分析;醫學診斷、DNA序列測序，以及棋藝、網游、戰略游戲和機器人運用等。
(二)基于深化行為分析的深度學習與強化學習
深度學習(deeplearning，DL)的概念源于人工神經網絡的研究，主要是模仿人類大腦的學習推理過程，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。其深度的含義是指一種具有多隱層的多層感知器的學習結構，這可以更深層地考慮大腦信號從輸入到輸出的路徑長度和方法的不規則性與多層網絡結構。
三、人工智能技術融入計量實證帶來的變革和飛躍
在完全競爭的市場經濟背景下，形成了以新古典為代表的現代經濟學理論體系，相應地發展出以概率統計為基礎的計量實證方法和技術工具。
然而，如何適應當今日趨復雜的經濟管理的現實需求，在計量實證研究中融入人工智能和機器學習等亟待開發、極具成長潛力的新的分析技術和工具?若要真正地拓展和實現計量實證的跨越式發展，就需要從觀察、描述、分析、建模、推演、應用、檢驗和提升等各個環節有實質性的轉變:一方面要用大數據、AI和可計算思維等為深化行為分析和提升社會科學研究方法插上現代高科技的翅膀;另一方面要為數據科學、信息網絡技術和高性能計算等在社會科學研究中的應用賦予人文靈魂，基于微觀真實主體的關鍵行為特征，與社會群體分布結構和演化過程相應的個量生成總量的內在機理、可行機制及加總方式，跨界跨學科地構建微觀宏觀一體化的計算實驗平臺，來考察分析各類非均衡、非對稱、非常態的宏觀異象和復雜決策典型化事實。
大數據、AI和機器學習的原理邏輯和技術功能，使人們能獲得真實世界到理論世界的全息映射，進而在理論世界對真實世界中的人和事進行復盤推演，以便檢驗理論、提升實證、評估政策和校準行為。
展望經濟實證分析由經驗、計量到計算的發展前景，由于研究對象的本質屬性決定和研究方法的不斷改進，以深化行為分析為基點和主軸，從各類真實經濟現象的深層根源出發，傳統的計量實證必然要吸收、融合并被注入AI和機器學習以及大數據等有鮮明時代特征的高科技手段與工具，促使經濟研究的實證分析方法進入一個全新的發展階段:如非均衡視角、非線性分析、非參數建模、分布式計算思維方式和技術工具的引用;多因混態數據的分類處理、建模和因果分析;微觀宏觀一體化的計算實驗平臺;考慮縱向異質性的高頻數據分析;工具變量選取與心理閾值的對接等觀念和手段的全面提升，具體在高維回歸、結構化參數估計、局部穩健與機器學習相結合得到雙重穩健估計量等方面的積極有益的嘗試[8-9]。
以上種種實證方法能使經濟分析更具針對性和實效性，更具人文特色。而從深化行為分析揭示復雜經濟和社會發展的本質特征的視角看，未來在人文社會科學研究中，AI和機器學習等與計量實證方法的結合，更需要堅持人本導向、突出人文特色，基于行為大數據、賦予鮮活的人文靈魂、勇于開辟新的方向和路徑，以創立能深入行為內核的認知統計學、量子經濟學等新興分支為理論方法基礎。
拓展和構建新的計量實證體系;要敢于正視由異質非線性的微觀行為特征到非均衡、非經典分布的總量生成機理，進一步明確提供有力支撐的科技工具與經濟學和人文社會科學結合時的本質和重點，找準能更加針對行為的起始點、對接點、發力點和關鍵點，打開行為黑箱，撩開理性面紗，撥開數據迷霧，從行為根源上尋求經濟社會運行的內在機理和真正的驅動力，以及人類面臨復雜現象時的決定因素和決策密碼。
未來只要能很好地與AI和大數據等融合，經濟理論和實證分析就會不再為完全理性、有限(非)理性的無謂爭論所困擾，不再為社會經濟運行的機理迷宮所茫然，不再為復雜情景下的臨界抉擇所糾結，不再為計量實證的本質缺陷所窘迫，有力地助推理論和實證沿深化行為分析的路徑更深地根植于生存的環境和土壤、更接現實問題的地氣，有更廣泛的適用范圍，展示其更加可信的解釋力和更高參考價值的預見性。
參考文獻:
[1]顧險峰.人工智能的歷史回顧和發展現狀[J].自然雜志，2016(3):157-166.
[2]CUENL.Humansvs.AI:thehistoryandfutureofartificialintelligence[N].InternationalBusinessTimes，2017-06-26.
[3]周伯文.AI不是為了模仿人，而是為了服務人[N/OL].新華每日電訊，2018-06-12，http://www.sohu.com/a/235217191_117503.
[4]ALPAYDINE.Introductiontomachinelearning[M].London:TheMITPress，2010.
[5]BUSONIUL，BABUSKAR，DESCHUTTERB，etal.Reinforcementlearninganddynamicprogrammingusingfunctionapproximators[M].Florida:CRCPress，2010.
[6]王國成.計算社會科學引論———從微觀行為到宏觀涌現[M].北京:中國社會科學出版社，2015.
[7]GALLEGATIM，PALESTRINIA，RUSSOA.Introductiontoagent-basedeconomics[M].London:AcademicPress，2017.
人工智能期刊推薦：模式識別與人工智能主要發表和報道模式識別、人工智能、智能計算機及智能系統等方面研究成果與進展。本刊面向國內外各高等院校、研究機構和企業的科研人員、教師、工程技術人員及研究生和高年級大學生。
SCISSCIAHCI
