以综合集成方法论突破社会科学认知局限

　　以大数据为核心支撑的新一轮科技革命,为社会科学研究提供了系统扫描、动态跟踪、因果挖掘和总体逼近等技术突破的可能性,并可能引发社会科学研究范式的系统性、根本性变革;而变革的方向将可能更倾向于基于社会理论与社会现实问题,主动性地挖掘多元数据基础,搭建社会主体间的联系网络;更倾向于充分利用人机结合的综合集成模式,溯及社会现象的本源和逻辑传导机制,对社会科学研究对象进行精准量化的结构解析、动态预测和模拟推演。

　　“社会科学”通常被定位于关于社会事物的本质及其规律的科学,是应用科学方法研究人类社会现象的学科门类。科学化是社会科学的基础内涵,这要求社会科学应同自然科学一样具有客观性、可检验性和系统性的科学特征。一百多年来,社会科学呈现出显著的自然科学化趋势,包括数理分析、统计学、计量学、系统论、运筹学乃至实验工具在内的一系列自然科学领域的研究方法,先后被引入社会科学研究领域,为社会科学客观化、定量化和精准化进程提供了技术支撑,改变了社会科学的研究体系和研究范式,极大推动了社会科学的发展。

　　社会科学研究既有范式

　　存在认知局限

　　同物理学、化学等自然科学类似,社会科学很多领域的研究都会依据观察到的社会现象提出某种理论或学说,然后从实证角度通过数据分析等方式加以验证(佐证)。然而,社会科学领域很多理论学说的提出虽然源于(科学)社会调查,但不可避免地存在随机性失控、非观测信息、模型过度简化、假设前提过于严格等问题,实证环节的佐证工作也由此会受到结论有偏或非一致等情形的困扰。这意味着,在社会科学研究既有范式下,研究体系的随机性、模糊性和主观性难以从根本上消除或得到有效解决;相应的研究结果也难以用类似自然科学的范式进行校核、验证和确认(Verification,Validation & Accreditation,VVA)。由此形成社会科学研究既有范式对经济社会现象认知方面难以逾越的局限性(或认知鸿沟)。

　　社会科学研究认知局限(认知鸿沟)产生的根源,首先是作为社会科学研究对象的人类社会活动,确切地说源于人类社会活动的复杂适应性特征。不同于自然界由量级跃迁、涌现而形成的复杂系统,人类社会活动的复杂适应性有其独特之处,具体来说集中表现为以下几方面。

　　一是属性异质导致的社会复杂性。宏观的社会表现本质上来源于微观层面个体属性的累积。而现实中微观个体的属性千差万别,总量相同的社会群体,其内部的分布格局可能完全不同。采用典型个体分析模式或总量分析模式的传统研究方法,摒弃了社会现象的微观异质化本源,无法保障研究的精确性,甚至有效性。

　　二是行为异质导致的社会复杂性。能动性表现是人的本质特征,社会现象都不可避免地涉及人类的行为特征及其引发的结果,对行为进行定量刻画是社会科学研究的必需要点。人类行为通常是自身属性、经济环境和历史因素综合交织的复杂映射,不同个体行为模式各不相同,即使控制条件下的同一个体,其行为模式也存在较大不确定性。传统忽视行为变化或者单一化行为特征的研究模式,难以刻画不同群体应对冲击和适应环境的决策机制和决策结果。

　　三是交互网络导致的社会复杂性。马克思主义认为,人是社会关系的总和。微观个体在社会关系网络中不断发生属性或行为的交互,微观属性与行为的累积形成宏观社会现象,而宏观社会现象的变动反过来再次影响微观个体的行为趋向和属性特征。社会系统建立在微观、宏观的一致性框架基础上,而传统研究往往忽略社会团体中的微观个体的交互反馈,或可能将社会现象中的宏观主体与微观个体割裂处置,导致其难以适应社会科学系统量化的需求。

　　四是动态适应导致的社会复杂性。人类社会自诞生以来,便处于不断演化的进程之中。事实上,作为智能性主体,人类改造环境和适应环境的行为反应,最终促使社会群体具有了行为和决策的适应性特征,并由此形成社会整体状态的不断演进。所谓的社会均衡状态,是相对意义的,是易被破坏的甚至无法达到的。社会研究应尝试采用基于动态和演化的研究方法,尤其是社会环境中的不确定性外生冲击,更强化了自适应性研究的必要性。

　　社会科学研究对象的复杂性意味着系统的无解或难解,而其适应性意味着系统的实时变迁和动态演化。或者说,人类社会现象几乎不会有确定性映射关系、可计算的函数形式、明确不变的影响因素,因此也就不会有确定的闭合解。再考虑到无偏和有效数据资料的缺失,社会科学研究既有范式在认知方面存在较大局限性,而这种认知局限折射的则是其背后方法论上的某些局限。当代社会科学研究既有范式是借鉴并移植现代自然科学研究方法和范式而逐步形成的,在方法论层面以还原论为主体,同时也兼具整体论的成分。然而,作为科学研究的方法论,无论是还原论还是整体论,在处理复杂巨系统的不确定性和演化性问题时都存在严重障碍,而基于人类社会活动的特有的复杂性根源,现有研究方法甚至在精准量化和微观结构解析方面也存在严重缺陷。

　　以综合系统集成方法论

　　应对人类社会复杂性

　　为更为准确有效地把握人类社会活动的复杂适应性特征,真正搭建起社会科学和自然科学相互融合的桥梁,有必要对基础性重构社会科学研究方法论的问题进行学术探讨。有机引入系统论(System Approach)的方法体系,可能是社会科学研究有效把握人类社会活动复杂适应性特征的重要途径。迄今为止,学界在这方面的探索仍不多见,而钱学森先生倡导的“综合集成研究方法论”则是该领域最富有建树的思想理论。20世纪70年代末,钱学森明确指出,“我们所提倡的系统论,既不是整体论,也非还原论,而是整体论与还原论的辩证统一”。这一系统论思想已逐步发展成为钱学森的综合系统集成思想。

　　钱学森先生主张把专家体系、信息与知识体系以及计算机体系有机结合起来,构成一个高度智能化的人机结合与融合体系,把人的思维及思维的成果,人的经验、知识、智慧以及各种情报、资料和信息集成起来,使多方面的定性认识和必要的定量认识充分、有机地结合起来。20世纪80年代至90年代,以马宾、戴汝为、于景元、顾基发等为代表的学者,率先开展了综合集成的探索性研究。然而,上述研究受限于当时模型技术和数据资料条件限制,并未取得实质性进展。2008年,中国社会科学院再次启动社会科学综合集成研究,成为国内该领域最近一次大规模系统化的学术探索工作。该研究提出,利用互联网海量数据并基于分布式计算系统,对社会科学问题进行大规模计算机微观模拟实验,希冀用数据和计算技术解决社会科学复杂适应性难题。然而,上述理念的提出在当时具有超前性,甚至也并未引起自然科学界的共鸣,直到2012年大数据概念兴起后才逐步引发国内业界的广泛关注。

　　信息技术发展

　　带来社会科学研究革命

　　以大数据为核心支撑的新一轮科技革命,为社会科学研究提供了系统扫描、动态跟踪、因果挖掘和总体逼近等技术突破的可能性,并可能引发社会科学研究范式的系统性、根本性变革;而变革的方向将可能更倾向于基于社会理论与社会现实问题,主动性地挖掘多元数据基础,搭建社会主体间的联系网络;更倾向于充分利用人机结合的综合集成模式,溯及社会现象的本源和逻辑传导机制,对社会科学研究对象进行精准量化的结构解析、动态预测和模拟推演。

　　事实上,大数据与高性能计算技术为解决社会系统的复杂适应性问题提供了高效的信息挖掘和处理手段;将在社会治理的诸多方面发挥重要作用。然而,当前社会科学研究与新兴技术的结合却流于形式,前者的学科体系并不完全地支持和接纳后者,而后者同样没有为前者打开革命性的进步空间。综合集成研究成为联通大数据时代社会科学研究学科升级的有效途径,也成为新时代新发展理念在社会科学研究领域的具体体现。

　　从新时代社会发展需求的视角看,运用综合集成的理论构架,不能仅限于既有理论的加总、海量数据的集合和多元技术的叠加,更应强调其系统性和有机性的本质特征。为推动社会科学与新兴技术手段以及国家治理现代化目标的相互融合,综合集成研究必须做出重大理论创新并对结构化目标进行细化。在新时代,中国社会科学综合集成研究应重点完成以下四大建设目标:第一,建立社会科学工程化研究机制和体系;第二,构建数据驱动的社会科学研究新范式;第三,研制基于微观的社会科学模拟模型系统;第四,搭建从人机结合到智能化的社会科学研究平台。

　　新时代的综合集成研究应遵循钱学森先生最初的设计构想,以专家智慧为主导,建立人机结合的研究模式。其中,计算机着重于数据采集、处理和信息挖掘,并为专家决策提供模拟环境和研讨平台;而专家则基于其知识体系和逻辑体系,对平台信息进行识别,对平台环境进行控制,从而实现科学决策。与此同时,社会科学研究手段不应长期滞后于自然科学,而综合集成模式应率先向智能化的社会科学研究迈进。首先,在借助大数据分析技术对专家决策经验进行梳理基础上,建立自适应的归纳和演绎算法,模拟解析专家决策的逻辑。其次,形成渐进性替代专家智慧的人工智能决策机制,打开社会科学中量化分析与预测的学术“黑箱”。最后,面向决策者,提供社会系统的仿真沙盘,使决策者可以在不断逼近真实环境的仿真平台上进行治理方案的比较分析和动态推演,实现“社会经济发展重大现实问题的多维超精准评价”。

　　(本文系国家社科基金重点项目“综合集成模拟实验平台的设计与构建研究”(18AJL006)、国家社科基金重点项目“数字经济对中国经济发展的影响研究”(18AZD006)阶段性成果)

　　(作者单位:中国社会科学院数量经济与技术经济研究所)

编辑整理：警戒线杂志社官方网站：www.qnyshzzs.com