萬物互聯時代的“算法”崇拜與資源配置變革

姜太碧

[摘要]隨著萬物互聯時代的來臨，人類資源配置將被各種人工智能“算法”①所取代。萬物互聯產生的數據將成為社會資源的重要形態，也是支撐人工智能“算法”的重要基礎。數據資源的安全、所有權歸屬、開發利用效率以及保密等重要議題，將成為民族學、經濟學、社會學和心理學等相關學科關注和研究的新熱點。我國是一個統一的多民族國家，如何將豐富的民族多樣化資源轉化為支持萬物互聯資源網絡協同優化配置人工智能“算法”的數據，需要從民族歷史、文化、生物、信息處理技術等相關學科做深入的理論和實證研究。在萬物互聯時代，因資源配置方式與配置機制發生變革，經濟學一般不再直接求解資源最優配置的策略集，更多是從理論和實證方面研究資源配置中人工智能“算法”的構造原理、構造條件與影響因素。萬物互聯時代，社會和諧秩序的構建，需要政府建立和維護萬物互聯網絡的安全防護體系，并對資源配置中人工智能技術演變路徑作規范和指引。

[關鍵詞]萬物互聯;人工智能;算法;資源配置變革

中圖分類號：C912.4文獻標識碼：A文章編號：1674-9391（2018）06-0072-08

250萬年前從非洲人屬開始演化并出現最早的石器開始，到200萬年前演化為不同人種，再到20萬年前智人在東非的演化，[1]397其整個歷程相較于已有45億年歷史的地球而言，智人出現只是短暫的一瞬。但從智人統治地球以來，人類社會變革飛速發展，先后經歷了認知革命、農業革命、科學革命、工業革命、現代信息革命等各重要階段，且各階段出現的時間距今也越來越短②，不僅如此，各階段技術內容仍在不斷升級換代，使得人類文明進程越來越快，技術爆炸頻率也越來越高。如今人類社會大致處于第六次信息革命③階段，互聯網、移動互聯網、云計算、大數據、人工智能等與現代通信技術的有機結合，大大提高了人類社會的生產協作效率，也改變了人類社會的組織方式?？梢灶A見，未來通過移動互聯網、工業互聯網、物聯網、智慧城市、智能機器等人工智能技術，與不斷升級的現代通訊技術結合且相互連通形成萬物互聯網④時，將會創造出龐大而快速的數據流，這些數據流在大數據、云計算、人工智能等技術的幫助下形成為“算法”，屆時人類社會的資源配置將在很大程度上被程序化的“算法”所取代，一切抉擇都聽“算法”的，由“算法”說了算，出現明顯的“算法”崇拜。[2]351-353到那時，不僅當今經濟學研究的微觀基礎會基于“數據與數據對話”構建新的理論分析框架，[3]涉及的具體理論問題和現實問題也會發生新的變革，[4-6]而且人類社會的組織方式、社會形態與社會關系都將面臨重構。未來已來，只是尚未流行。[7]面對未來未雨綢繆，是全人類共同的責任。為此，本文擬對萬物互聯時代在“算法”崇拜下，因資源配置變革引起的人類經濟社會變革和相關學科研究內容可能的變化做一些前瞻性思考，以期引起大家對相關問題的關注和研究。

一、數據將是萬物互聯時代社會資源的重要形態

石油、鋼鐵、金屬礦藏等有形資產無疑是當今社會的重要經濟資源和戰略物資。然而在萬物互聯社會中，除了現有社會經濟發展中的有形資產外，萬物互聯產生的海量數據及數據流等無形資產也必將成為重要的生產資源形態，猶如工業時代的石油資源一樣不可或缺。不僅這些數據及數據流本身是一種資源，而且通過大數據和人工智能技術對數據進行挖掘、加工、處理分析還能產生新的數據資源，然后在充分占有數據的基礎上，通過各種人工智能“算法”決定資源的配置方向、配置形態和配置的各種選擇集合。

萬物互聯時代的數據及數據流包含了各種各樣的信息類別⑤，主要表現為以下幾類：

一是已存在或發生的各種統計信息。包括各種物質和非物質資源的存量和消耗量統計、各次產業的生產和消費統計、各種產品和服務的生產與市場需求統計等信息。這類信息將構成未來數據資源中的基礎數據?；A數據資源的變動，一方面取決于人類社會的需求發生增減變化，另一方面依賴于科學技術水平提升，開發新的資源或創造新的需求變動等。

二是通過各種技術手段和終端獲取的聲音、圖片、指紋、二維碼、條形碼等非數字化信息。傳統信息統計加工，一般擅長對數字化信息的處理，較難實現非數字化信息的處理。但在未來萬物互聯時代，很多信息恰恰是通過各種技術手段和終端獲取的聲音、圖片、指紋、二維碼、條形碼等非數字化信息。加工、處理非數字化信息資源，只能依靠未來先進的信息處理技術。非數字化信息也是支撐人工智能“算法”的重要數據來源。

三是通過搜索引擎、移動設備、傳感器、社交媒體、定位系統等獲取的現期即時信息。當互聯網進入到移動互聯網階段時，互聯網已呈現出“時空錯開、同步并聯、客戶拉動、實時評價”[3]177等典型的互聯功能。在該功能作用下，人們能快速、方便地獲得大量現期即時信息。這些現期即時信息數據，如果體現在消費上不僅會拉平階梯式消費結構，快速縮小城鄉消費差距，也能直接催生依托互聯網生存的相關產業，引導資源配置方向。可以預見，隨著移動通訊技術的更新升級，大規模免費wifi（如巴塞羅那、慕尼黑、倫敦以及國內一些城市已經著手在將路燈改造成免費的wifi熱點）、5G以及6G網絡使用時代的到來，如Siri、微軟小冰等依賴聯網工作的人工智能就會得到更快的發展;免費網絡還可作為智能家居互聯的媒介以推動物聯網的發展;同時免費網絡和流量速度的提升，不僅會促進經營音頻軟件的媒體（如喜馬拉雅、蜻蜓FM等）進一步發展，還會加速催生能呈現更加豐富信息內容的視頻自媒體（如快手、抖音、趣頭條、火山視頻等），[8]以及虛擬現實社會的構建。

四是通過萬物互聯，并利用云平臺、云計算、機器深度學習等人工智能技術和生物基因工程技術等進行充分挖掘、加工生成的各種潛在和未來信息。這些信息無疑將重組和顛覆諸多領域和產業。據《21世紀經濟》報道，2018智能科技與產業國際合作論壇發布的《電子信息產業對外貿易發展報告》顯示，改革開放初期，中國電子信息產品進出口規模不足1億美元，2017年已達到1.36萬億美元，在過去40年的改革開放過程中，增長了1.35萬倍。美國芯片制造商高通CEO史蒂夫·莫倫科夫2018年11月7日-9日在浙江烏鎮舉行的第五屆世界互聯網大會上指出：預計2035年5G將在廣泛行業中創造價值高達123萬億美元的商品和服務。[9]在未來電子信息產業中，僅是“人工智能+5G”的結合就可以變革非常多的行業。例如，“人工智能+5G”有助于工業物聯網建設，提高制造業效率，同時依據互聯網大數據挖掘更多潛在客戶需求。因為在信息不對稱的傳統工業時代，因生產廠家無法低成本地了解每一個客戶的需求，一般采用一刀切的辦法把需求最多的性能組合到一起生產一款產品，以期靠規模優勢降低成本，這種生產模式不可避免帶來產品積壓、增加庫存，同時對小眾化和個性化的市場需求卻難以滿足。在萬物互聯初期，人與人、人與企業、企業與企業都可以實現低成本連接，原來小眾化、個性化的市場需求將被有效放大，倒逼企業生產方式由原來大規模流水線式的剛性生產模式轉為少量、個性化定制的柔性生產模式，實現企業以銷定產、減少庫存甚至零庫存的初級智能制造。當各種可穿戴設備、智能家居、智能醫療等進一步深度連接、數據共享時，不僅能滿足消費者的個性化使用和審美欣賞需求，還能根據消費者的身體健康狀況生產定制個性化的功能性產品，并通過云工廠等更高維的產業組織形態和生產服務化的管理理念，真正實現更高級形式的智能制造。又比如，人工智能在自動駕駛上的運用會減少交通事故，重組汽車生產服務行業。據美國國家公路交通安全管理局2012統計，全美致死車禍中有31%是濫用酒精、30%是超速、21%是駕駛分心，但如果所有駕駛工作完全交由計算機管理，將會減少約90%的道路傷亡。[10]21人工智能對汽車制造業及服務業的影響表現在，一方面通過無人駕駛人工智能技術降低整個社會對汽車的需求量，另一方面增加社會對汽車租賃服務市場的需求?，F在一輛汽車的平均使用時間只有15%，85%的時間是放在停車場或車庫里，[8]如果根據人工智能“算法”引導，不僅能實現自動無人駕駛，還可大幅提高整個社會車輛利用效率，減少社會汽車擁有總量。由智能汽車租賃程序“算法”管理社會對汽車的供給與需求已有雛形，如現實中的Uber、滴滴和專車等就是其典型代表。隨著未來無人駕駛時代來臨，不僅通過人工智能“算法”將實現自動管理社會對汽車的供求，減少道路傷亡以及其他乘車安全事故，還會在一定程度上減少環境污染等。

綜上，萬物互聯時代因萬物互聯產生的數據流，通過人工智能“算法”對數據流進行挖掘、加工、處理后，將直接決定資源配置方向、產業形態與產業組織方式。到那時，社會對數據資源的爭奪將異常激烈。因此，數據資源的安全、所有權歸屬、分割、轉讓、開發應用效率以及保密等將成為民族學、經濟學、社會學和心理學等相關學科關注和研究的新熱點。下面選擇相關學科涉及的有關問題做簡要分析。

第

一、關于數據資源的安全問題。在數據資源的安全上，需要考慮支撐人工智能“算法”的數據來源是否可靠和不帶種族或民族偏見等。2015年6月，谷歌照片應用“算法”錯誤地將黑人分類為“大猩猩”而引起軒然大波，究其原因在于谷歌給照片搜索提供的數據庫是帶有種族或民族偏見的圖片數據，這顯然不是人工智能“算法”本身的偏見，恰恰是給人工智能“算法”提供數據的人的偏見，因此我們該怎樣為人工智能“算法”提供不帶種族歧視、符合人類道德、維護人類正義等安全標準的數據，這就需要民族學、社會學從民族特征與民族融合、社會倫理與社會道德等多角度做深入的理論和實證研究，以便為人工智能“算法”提供有利于構建人類不同種族和民族和諧社會秩序的“安全”數據。在應用層面，如IBM、Airbnb等全球知名公司已在努力采取措施，確保本公司人工智能產品“算法”不會出現類似的偏差和安全問題。

第

二、關于數據資源的權屬問題。在互聯網社會中，對于網中的人，不僅是互聯網數據的消費者，也是互聯網數據的生產者。當消費與生產統一時，用傳統的產權理論如何分析網絡經濟協同效應中的合作行為？如果用傳統理論不能解釋現實網絡經濟行為，理論上又該從哪些方面創新？

第

三、關于數據資源的開發利用效率問題。對這類問題主要涉及兩方面研究：一是宏觀層面的社會資源配置效率，即在數據就是資源的網絡社會中，分析數據資源的豐富程度如何影響社會產品和服務供求的多樣性和可能性。我國是一個統一的多民族國家，各民族自然、歷史、語言文化、宗教信仰、社會習俗、生物遺傳信息等資源都極為豐富，如何有效地將豐富的民族多樣化資源轉化為支持資源網絡協同優化配置人工智能“算法”的數據，以獲取產品和服務供求的多樣性與可能性？同時在數據收集、加工、處理中如何體現各民族資源的多樣性和獨特性等？這就需要從民族歷史、文化、社會、經濟、生物、信息處理技術等相關學科做深入的理論和案例研究。二是微觀層面的企業數據開發效率，即從經濟角度分析企業對數據資源的開發利用效率。例如，互聯網企業一般利用實驗收集數據來探索如何提高用戶交互體驗以及廣告投放效率等，為此經濟學實證研究中的因果分析對其實驗設計與解釋就非常關鍵，如雙重差分、工具變量、斷點回歸等實證分析方法都有可能用來分析互聯網企業的實驗效果。

第四、關于數據資源的保密問題。在數據就是資源和利益的網絡社會中，如何保護個人隱私、國家安全甚至如何維系人類生存的倫理道德等重要問題，需要從法理、人類社會倫理等角度去思考相關理論與技術問題。

二、資源配置研究內容的變化

眾所周知，經濟學主要是研究資源配置的。作為主流經濟學的新古典經濟學，在研究資源配置和產業組織時，是基于“理性”“自利”等嚴格假設下求解資源配置的均衡問題。但經濟學對“理性”的定義一般是基于決策者對已發生事件信息進行收集、整理，同時對隱藏信息和有待確認信息的甄別則通過與之關聯的因果分析和推論獲得[3]186。盡管主流經濟學家在此基礎上建立的資源配置均衡模型，根據其信息獲取的完備性和方式也在不斷修正和完善⑥，但至今始終沒有形成比較符合實際的解釋資源配置一般均衡問題的滿意成果。其主要原因在于現代主流經濟學中符合“理性”“自利”假設的信息獲取方式和內容完整程度等均與實際有一定差距，對于隱藏信息、正在發生的現期即時信息和未來信息，一般都簡化為基于某些假設條件下一定程度上的因果推論，這種信息組合不可能滿足資源合理有效配置所要求的完備信息特征。因此，現實世界中的資源配置行為，常常表現出有違主流經濟學的“理性”“自利”假設條件，出現“非理性”“非自利（或利他）”“跟隨”等行為特征，而這些行為特征正是“非主流”的行為經濟學不斷挑戰主流經濟學“理性經濟人假設體系”公理化地位的主要內容。

行為經濟學認為，人類行為中的“非理性”“非自利”與“理性”“自利”一樣，都是通過漫長自然選擇內化為人類心智中的自然稟賦，是人性中的重要組成部分，并不是一種“隨機現象”，也不能僅僅作為“隨機誤差項”處理。人類行為選擇中的“非理性”“非自利”特征，不僅僅在各種現實博弈實驗中得以驗證，而且通過腦神經經濟學已找到了慈善捐贈、不公平厭惡、信任、時間偏好不一致等一系列人類“非理性”“非自利”行為的腦區存在與腦神經機制，甚至基因經濟學家還進一步利用人類基因科學的大數據研究成果，通過計算史前13個“狩獵-采集”子群的基因均值（0.81）和中位值（0.76），結果顯示個體基因差異均遠遠大于不存在族群競爭的賴特均衡值（0.02）水平，這說明人類在漫長演化過程中始終存在不同族群間的激烈競爭，面對競爭壓力因而導致人類利他行為擴散。這是迄今為止經濟學從基因層面找到的闡釋人類行為“非理性”“非自利”的有力科學證據。[11]這些發現也間接說明，人類行為不僅是對已經存在的過去信息進行“理性”“自利”判斷選擇后的結果，而且也是對根植于人類長期演化自然選擇內化為人類心智中“非理性”“非自利”的遺傳信息加工處理后的結果，正是這些潛在的隱藏信息，增加了人類行為選擇的諸多可能性。此外，有的學者還注意到網絡經濟中的“隨大流”或“跟風”等現象也與傳統經濟分析中的“理性”有區別，人們在網絡社會中的行為選擇不能僅僅根據經濟學對經濟人理性行為的判斷，還要考慮心理學、社會學、民族學等因素的影響。[4]11

由此可推見，即使面對已經存在的歷史信息，我們在收集和加工處理時，都會面臨技術手段局限無法考慮所有可能存在的信息，更不用說對現期即時信息、隱藏信息和未來信息等進行快速獲取和加工處理了，自然也難以實現資源有效配置一般均衡的滿意結果。面對未來萬物互聯時代創造的龐大數據流，資源配置所需的信息海量而復雜，信息豐富程度幾乎可能接近合理配置資源所要求的完備信息，屆時一般人類大腦已難以勝任根據現有經濟學分析方法計算資源合理有效配置的均衡解，人類資源配置行為和決策將交給基于各種“算法”組成的人工智能來安排，經濟學一般不再直接研究資源最優配置的策略集，更多是從理論和實證方面研究資源配置中人工智能“算法”的構造原理、構造條件與影響因素。