万物互联时代的“算法”崇拜与资源配置变革

姜太碧

[摘要]随着万物互联时代的来临，人类资源配置将被各种人工智能“算法”①所取代。万物互联产生的数据将成为社会资源的重要形态，也是支撑人工智能“算法”的重要基础。数据资源的安全、所有权归属、开发利用效率以及保密等重要议题，将成为民族学、经济学、社会学和心理学等相关学科关注和研究的新热点。我国是一个统一的多民族国家，如何将丰富的民族多样化资源转化为支持万物互联资源网络协同优化配置人工智能“算法”的数据，需要从民族历史、文化、生物、信息处理技术等相关学科做深入的理论和实证研究。在万物互联时代，因资源配置方式与配置机制发生变革，经济学一般不再直接求解资源最优配置的策略集，更多是从理论和实证方面研究资源配置中人工智能“算法”的构造原理、构造条件与影响因素。万物互联时代，社会和谐秩序的构建，需要政府建立和维护万物互联网络的安全防护体系，并对资源配置中人工智能技术演变路径作规范和指引。

[关键词]万物互联;人工智能;算法;资源配置变革

中图分类号：C912.4文献标识码：A文章编号：1674-9391（2018）06-0072-08

250万年前从非洲人属开始演化并出现最早的石器开始，到200万年前演化为不同人种，再到20万年前智人在东非的演化，[1]397其整个历程相较于已有45亿年历史的地球而言，智人出现只是短暂的一瞬。但从智人统治地球以来，人类社会变革飞速发展，先后经历了认知革命、农业革命、科学革命、工业革命、现代信息革命等各重要阶段，且各阶段出现的时间距今也越来越短②，不仅如此，各阶段技术内容仍在不断升级换代，使得人类文明进程越来越快，技术爆炸频率也越来越高。如今人类社会大致处于第六次信息革命③阶段，互联网、移动互联网、云计算、大数据、人工智能等与现代通信技术的有机结合，大大提高了人类社会的生产协作效率，也改变了人类社会的组织方式。可以预见，未来通过移动互联网、工业互联网、物联网、智慧城市、智能机器等人工智能技术，与不断升级的现代通讯技术结合且相互连通形成万物互联网④时，将会创造出庞大而快速的数据流，这些数据流在大数据、云计算、人工智能等技术的帮助下形成为“算法”，届时人类社会的资源配置将在很大程度上被程序化的“算法”所取代，一切抉择都听“算法”的，由“算法”说了算，出现明显的“算法”崇拜。[2]351-353到那时，不仅当今经济学研究的微观基础会基于“数据与数据对话”构建新的理论分析框架，[3]涉及的具体理论问题和现实问题也会发生新的变革，[4-6]而且人类社会的组织方式、社会形态与社会关系都将面临重构。未来已来，只是尚未流行。[7]面对未来未雨绸缪，是全人类共同的责任。为此，本文拟对万物互联时代在“算法”崇拜下，因资源配置变革引起的人类经济社会变革和相关学科研究内容可能的变化做一些前瞻性思考，以期引起大家对相关问题的关注和研究。

一、数据将是万物互联时代社会资源的重要形态

石油、钢铁、金属矿藏等有形资产无疑是当今社会的重要经济资源和战略物资。然而在万物互联社会中，除了现有社会经济发展中的有形资产外，万物互联产生的海量数据及数据流等无形资产也必将成为重要的生产资源形态，犹如工业时代的石油资源一样不可或缺。不仅这些数据及数据流本身是一种资源，而且通过大数据和人工智能技术对数据进行挖掘、加工、处理分析还能产生新的数据资源，然后在充分占有数据的基础上，通过各种人工智能“算法”决定资源的配置方向、配置形态和配置的各种选择集合。

万物互联时代的数据及数据流包含了各种各样的信息类别⑤，主要表现为以下几类：

一是已存在或发生的各种统计信息。包括各种物质和非物质资源的存量和消耗量统计、各次产业的生产和消费统计、各种产品和服务的生产与市场需求统计等信息。这类信息将构成未来数据资源中的基础数据。基础数据资源的变动，一方面取决于人类社会的需求发生增减变化，另一方面依赖于科学技术水平提升，开发新的资源或创造新的需求变动等。

二是通过各种技术手段和终端获取的声音、图片、指纹、二维码、条形码等非数字化信息。传统信息统计加工，一般擅长对数字化信息的处理，较难实现非数字化信息的处理。但在未来万物互联时代，很多信息恰恰是通過各种技术手段和终端获取的声音、图片、指纹、二维码、条形码等非数字化信息。加工、处理非数字化信息资源，只能依靠未来先进的信息处理技术。非数字化信息也是支撑人工智能“算法”的重要数据来源。

三是通过搜索引擎、移动设备、传感器、社交媒体、定位系统等获取的现期即时信息。当互联网进入到移动互联网阶段时，互联网已呈现出“时空错开、同步并联、客户拉动、实时评价”[3]177等典型的互联功能。在该功能作用下，人们能快速、方便地获得大量现期即时信息。这些现期即时信息数据，如果体现在消费上不仅会拉平阶梯式消费结构，快速缩小城乡消费差距，也能直接催生依托互联网生存的相关产业，引导资源配置方向。可以预见，随着移动通讯技术的更新升级，大规模免费wifi（如巴塞罗那、慕尼黑、伦敦以及国内一些城市已经着手在将路灯改造成免费的wifi热点）、5G以及6G网络使用时代的到来，如Siri、微软小冰等依赖联网工作的人工智能就会得到更快的发展;免费网络还可作为智能家居互联的媒介以推动物联网的发展;同时免费网络和流量速度的提升，不仅会促进经营音频软件的媒体（如喜马拉雅、蜻蜓FM等）进一步发展，还会加速催生能呈现更加丰富信息内容的视频自媒体（如快手、抖音、趣头条、火山视频等），[8]以及虚拟现实社会的构建。

四是通过万物互联，并利用云平台、云计算、机器深度学习等人工智能技术和生物基因工程技术等进行充分挖掘、加工生成的各种潜在和未来信息。这些信息无疑将重组和颠覆诸多领域和产业。据《21世纪经济》报道，2018智能科技与产业国际合作论坛发布的《电子信息产业对外贸易发展报告》显示，改革开放初期，中国电子信息产品进出口规模不足1亿美元，2017年已达到1.36万亿美元，在过去40年的改革开放过程中，增长了1.35万倍。美国芯片制造商高通CEO史蒂夫·莫伦科夫2018年11月7日-9日在浙江乌镇举行的第五届世界互联网大会上指出：预计2035年5G将在广泛行业中创造价值高达123万亿美元的商品和服务。[9]在未来电子信息产业中，仅是“人工智能+5G”的结合就可以变革非常多的行业。例如，“人工智能+5G”有助于工业物联网建设，提高制造业效率，同时依据互联网大数据挖掘更多潜在客户需求。因为在信息不对称的传统工业时代，因生产厂家无法低成本地了解每一个客户的需求，一般采用一刀切的办法把需求最多的性能组合到一起生产一款产品，以期靠规模优势降低成本，这种生产模式不可避免带来产品积压、增加库存，同时对小众化和个性化的市场需求却难以满足。在万物互联初期，人与人、人与企业、企业与企业都可以实现低成本连接，原来小众化、个性化的市场需求将被有效放大，倒逼企业生产方式由原来大规模流水线式的刚性生产模式转为少量、个性化定制的柔性生产模式，实现企业以销定产、减少库存甚至零库存的初级智能制造。当各种可穿戴设备、智能家居、智能医疗等进一步深度连接、数据共享时，不仅能满足消费者的个性化使用和审美欣赏需求，还能根据消费者的身体健康状况生产定制个性化的功能性产品，并通过云工厂等更高维的产业组织形态和生产服务化的管理理念，真正实现更高级形式的智能制造。又比如，人工智能在自动驾驶上的运用会减少交通事故，重组汽车生产服务行业。据美国国家公路交通安全管理局2012统计，全美致死车祸中有31%是滥用酒精、30%是超速、21%是驾驶分心，但如果所有驾驶工作完全交由计算机管理，将会减少约90%的道路伤亡。[10]21人工智能对汽车制造业及服务业的影响表现在，一方面通过无人驾驶人工智能技术降低整个社会对汽车的需求量，另一方面增加社会对汽车租赁服务市场的需求。现在一辆汽车的平均使用时间只有15%，85%的时间是放在停车场或车库里，[8]如果根据人工智能“算法”引导，不仅能实现自动无人驾驶，还可大幅提高整个社会车辆利用效率，减少社会汽车拥有总量。由智能汽车租赁程序“算法”管理社会对汽车的供给与需求已有雏形，如现实中的Uber、滴滴和专车等就是其典型代表。随着未来无人驾驶时代来临，不仅通过人工智能“算法”将实现自动管理社会对汽车的供求，减少道路伤亡以及其他乘车安全事故，还会在一定程度上减少环境污染等。

综上，万物互联时代因万物互联产生的数据流，通过人工智能“算法”对数据流进行挖掘、加工、处理后，将直接决定资源配置方向、产业形态与产业组织方式。到那时，社会对数据资源的争夺将异常激烈。因此，数据资源的安全、所有权归属、分割、转让、开发应用效率以及保密等将成为民族学、经济学、社会学和心理学等相关学科关注和研究的新热点。下面选择相关学科涉及的有关问题做简要分析。

第

一、关于数据资源的安全问题。在数据资源的安全上，需要考虑支撑人工智能“算法”的数据来源是否可靠和不带种族或民族偏见等。2015年6月，谷歌照片应用“算法”错误地将黑人分类为“大猩猩”而引起轩然大波，究其原因在于谷歌给照片搜索提供的数据库是带有种族或民族偏见的图片数据，这显然不是人工智能“算法”本身的偏见，恰恰是给人工智能“算法”提供数据的人的偏见，因此我们该怎样为人工智能“算法”提供不带种族歧视、符合人类道德、维护人类正义等安全标准的数据，这就需要民族学、社会学从民族特征与民族融合、社会伦理与社会道德等多角度做深入的理论和实证研究，以便为人工智能“算法”提供有利于构建人类不同种族和民族和谐社会秩序的“安全”数据。在应用层面，如IBM、Airbnb等全球知名公司已在努力采取措施，确保本公司人工智能产品“算法”不会出现类似的偏差和安全问题。

第

二、关于数据资源的权属问题。在互联网社会中，对于网中的人，不仅是互联网数据的消费者，也是互联网数据的生产者。当消费与生产统一时，用传统的产权理论如何分析网络经济协同效应中的合作行为？如果用传统理论不能解释现实网络经济行为，理论上又该从哪些方面创新？

第

三、关于数据资源的开发利用效率问题。对这类问题主要涉及两方面研究：一是宏观层面的社会资源配置效率，即在数据就是资源的网络社会中，分析数据资源的丰富程度如何影响社会产品和服务供求的多样性和可能性。我国是一个统一的多民族国家，各民族自然、历史、语言文化、宗教信仰、社会习俗、生物遗传信息等资源都极为丰富，如何有效地将丰富的民族多样化资源转化为支持资源网络协同优化配置人工智能“算法”的数据，以获取产品和服务供求的多样性与可能性？同時在数据收集、加工、处理中如何体现各民族资源的多样性和独特性等？这就需要从民族历史、文化、社会、经济、生物、信息处理技术等相关学科做深入的理论和案例研究。二是微观层面的企业数据开发效率，即从经济角度分析企业对数据资源的开发利用效率。例如，互联网企业一般利用实验收集数据来探索如何提高用户交互体验以及广告投放效率等，为此经济学实证研究中的因果分析对其实验设计与解释就非常关键，如双重差分、工具变量、断点回归等实证分析方法都有可能用来分析互联网企业的实验效果。

第四、关于数据资源的保密问题。在数据就是资源和利益的网络社会中，如何保护个人隐私、国家安全甚至如何维系人类生存的伦理道德等重要问题，需要从法理、人类社会伦理等角度去思考相关理论与技术问题。

二、资源配置研究内容的变化

众所周知，经济学主要是研究资源配置的。作为主流经济学的新古典经济学，在研究资源配置和产业组织时，是基于“理性”“自利”等严格假设下求解资源配置的均衡问题。但经济学对“理性”的定义一般是基于决策者对已发生事件信息进行收集、整理，同时对隐藏信息和有待确认信息的甄别则通过与之关联的因果分析和推论获得[3]186。尽管主流经济学家在此基础上建立的资源配置均衡模型，根据其信息获取的完备性和方式也在不断修正和完善⑥，但至今始终没有形成比较符合实际的解释资源配置一般均衡问题的满意成果。其主要原因在于现代主流经济学中符合“理性”“自利”假设的信息获取方式和内容完整程度等均与实际有一定差距，对于隐藏信息、正在发生的现期即时信息和未来信息，一般都简化为基于某些假设条件下一定程度上的因果推论，这种信息组合不可能满足资源合理有效配置所要求的完备信息特征。因此，现实世界中的资源配置行为，常常表现出有违主流经济学的“理性”“自利”假设条件，出现“非理性”“非自利（或利他）”“跟随”等行为特征，而这些行为特征正是“非主流”的行为经济学不断挑战主流经济学“理性经济人假设体系”公理化地位的主要内容。

行为经济学认为，人类行为中的“非理性”“非自利”与“理性”“自利”一样，都是通过漫长自然选择内化为人类心智中的自然禀赋，是人性中的重要组成部分，并不是一种“随机现象”，也不能仅仅作为“随机误差项”处理。人类行为选择中的“非理性”“非自利”特征，不仅仅在各种现实博弈实验中得以验证，而且通过脑神经经济学已找到了慈善捐赠、不公平厌恶、信任、时间偏好不一致等一系列人类“非理性”“非自利”行为的脑区存在与脑神经机制，甚至基因经济学家还进一步利用人类基因科学的大数据研究成果，通过计算史前13个“狩猎-采集”子群的基因均值（0.81）和中位值（0.76），结果显示个体基因差异均远远大于不存在族群竞争的赖特均衡值（0.02）水平，这说明人类在漫长演化过程中始终存在不同族群间的激烈竞争，面对竞争压力因而导致人类利他行为扩散。这是迄今为止经济学从基因层面找到的阐释人类行为“非理性”“非自利”的有力科学证据。[11]这些发现也间接说明，人类行为不仅是对已经存在的过去信息进行“理性”“自利”判断选择后的结果，而且也是对根植于人类长期演化自然选择内化为人类心智中“非理性”“非自利”的遗传信息加工处理后的结果，正是这些潜在的隐藏信息，增加了人类行为选择的诸多可能性。此外，有的学者还注意到网络经济中的“随大流”或“跟风”等现象也与传统经济分析中的“理性”有区别，人们在网络社会中的行为选择不能仅仅根据经济学对经济人理性行为的判断，还要考虑心理学、社会学、民族学等因素的影响。[4]11

由此可推见，即使面对已经存在的历史信息，我们在收集和加工处理时，都会面临技术手段局限无法考虑所有可能存在的信息，更不用说对现期即时信息、隐藏信息和未来信息等进行快速获取和加工处理了，自然也难以实现资源有效配置一般均衡的满意结果。面对未来万物互联时代创造的庞大数据流，资源配置所需的信息海量而复杂，信息丰富程度几乎可能接近合理配置资源所要求的完备信息，届时一般人类大脑已难以胜任根据现有经济学分析方法计算资源合理有效配置的均衡解，人类资源配置行为和决策将交给基于各种“算法”组成的人工智能来安排，经济学一般不再直接研究资源最优配置的策略集，更多是从理论和实证方面研究资源配置中人工智能“算法”的构造原理、构造条件与影响因素。