人工社会研究为社会决策提供参考

作者：梁玉成

来源：《中国社会科学报》2013年6月7日总第460期

【核心提示】基于ABM的人工社会研究虽刚刚起步，但我们有理由预期，在不远的未来，大多社会政策的制定、社会规则的改变都会预先在ABM的人工社会中测试其可能的社会后果，从而避免无法预料的严重社会后果。

基于自主行动者建模（Agent Based Model，以下简称“ABM”）的核心概念是“自主行动者”。自主行动者是具有认知、决策判断和行动能力的个体。在研究中，研究者根据所要研究的现象，在模型中设置不同的行动者，并根据需要设定不同的角色，赋予其特定的认知能力、先赋的资源禀赋以及判断流程和行动模式；然后足够数量的自主行动者被放置在一个人工建构的世界中，随着时间的演进，各自不断地重复“外部认知、策略判断、展开行动”的过程，从而通过行动者之间以及行动者与世界之间的不断互动，得到特定现象的演化历程及结果。

　　首先用于居住隔离研究

　　基于自主行动者模型最早的案例来自马里兰大学经济学家托马斯·谢林（Thomas Schelling）的居住隔离模型。谢林从1960年代起就对美国的种族居住隔离问题感兴趣，他发现美国社区的种族分布呈现出“U”形的极化现象，要么都是黑人，要么都是白人，很少能找到中间状态。因此，他试图建立一个模型来解释这一现象。他首先假定只有两个种族——X和O，且在初始时期X和O均匀混居。如果人们有某种程度的种族偏好（这一程度即“阈值”），那么当一个人发现他居所周围居住的非本种族的人数过多，超过了他的阈值，他会选择搬家。在第一个时间点里，每个人都会对自己的居住环境进行判断，然后决定是否搬家，并采取行动；在第二个时间点，某个在第一个时间点不需要搬家的人，可能会出现他旁边的同种族的人由于阈值较高而搬走了，使得旁边搬来了非本种族的人，从而导致居住环境的异种族数量增加而差异超过了他能容忍的阈值，于是决定搬家；有可能由于他的搬离又影响到别人……经过多次迭代，最后出现了百分之百的种族居住隔离。

　　ABM研究者爱普斯坦（Joshua M. Epstein）这样定义ABM方法所研究的问题：“ABM是通过无中心的、局部的、异质性的自主行动个体，来研究社会规律如何显现。”这一方法使我们可以从外部去观察人类世界：在一个研究者设计出的世界中，自主行动者们在一个给定的起点出发，表现出其在什么样的规则作用下行动，最后演化成宏观的社会现象。

　　克服定量与定性方法各自缺陷

　　定性方法、定量方法作为社会科学研究的两种基本方法，都存在着不足。定性研究在概念定义和逻辑演绎上难以做到严密；定量方法由于数据收集和观察上的限制，存在很多难以克服的问题，而ABM方法能克服以上弱点。一是异质性。在一般量化模型中，全部个案被自变量划分为不同的类型，自变量和因变量取值一样的个案，就属于同质的个案。然而，世界上没有两个人是一样的，文化背景不同，交往对象不同、并且随着时间的演进，过去的自己和现在的自己也不同，传统的量化研究无法充分体现这些异质性。二是自主性。每个个体行动者都是具有自主性的，并不存在一个外在的绝对中心控制着行动者；微观的个体和宏观的外部环境存在着交互作用和反馈，并随着时间而演进。三是局部性的交互作用。个体对于社会的认知往往源于其所处的社会空间，影响他的也往往只及于其所处社会空间周围的个体，而个体与其他个体之间只具有局部性的交互作用。这又导致了第四个议题，即有限理性。个体由于不能得到整个社会全部的信息，其获得信息的边界、计算能力的边界，都导致个体的有限理性。五是个体行动者和社会的学习能力。无论个体行动者还是社会，都会不断地从已有的经历中学习和进化，从而不断提高其处理问题的能力。

　　鉴于此，爱普斯坦提出了ABM的经典定义，即将具有异质性的自主行动者放置在一个特定的社会空间中，允许他们在其自身可及的社会空间中，依据设定的规则交互作用，然后发展出宏观的社会现象。这样，一个基于ABM的人工社会出现。在这个人工社会中，我们可以观察自主行动者们是如何不断互动，最后达到动态均衡，从而实现社会秩序的；或者如何不能达到我们期望的均衡，从而出现社会溃败。爱普斯坦认为，如果一个社会现象不能在人工社会中通过ABM中的自主行动者生长出来，那就意味着我们并没有真正了解这一现象所包含的机制。

　　再举一个例子。考虑这样一个问题：在有足够的沟通机会的情况下，人们能否对某一议题达成共识？如是否赞成安乐死。设定最赞成1分，最反对0分。Guillaume Deffuant在关于沟通的ABM中设定自主行动者们按照以下两条原则行事：1.任意两个行动者，如果他们之间的差异（以下简称“d”）小于0.5，则可以沟通；如果d大于0.5则不可以沟通。2.沟通的效果将是双方各自向对方的态度靠拢，如每次缩小5%的差异。Deffuant创造了1000个自主行动者，在d等于0.5的情况下他们随机选择对象进行两两沟通，在多次迭代即有充分沟通机会的情况下得到图1，证明在态度差异为0.5的情况下人们能保持沟通，这会使得人们的意见能够逐渐走向统一，最终达成共识。而如果将d设为0.2，再次模拟，则最后得到图2，即态度差异较大的人相互不沟通，人们只和意见接近的人沟通，这使得沟通的效果逐渐呈现出极化的趋势，最终形成互相对立的两极。

　　该研究给我们的启示是，持不同立场的人们即使态度截然相反，也需要进行沟通，这样才有达成共识的可能；如果仅立场接近的人才能沟通，最后就会形成左右对立的局面。事实上，Deffuant的研究在将d设定为0.07时，最终形成了7个互不兼容的集团。

　　人工社会研究可用于社会政策制定

　　20世纪90年代末以来，随着计算机的普及和计算能力的提高，基于ABM的人工社会研究终于进入快速发展阶段。如爱普斯坦在2002年提出关于社会骚乱的ABM模型，被用于研究非洲出现的种族大屠杀、巴勒斯坦的抵抗运动及2011年8月发生在伦敦的骚乱等，均取得令人惊叹的结论。

　　基于ABM方法，研究者创造出人工社会，通过对其中的自主行动者设定一定规则，使研究者能够建造和观察社会，安排和引导社会中的自主行动者，从而获得不同制度安排下的社会运行状态和社会后果。基于爱普斯坦的社会骚乱模型的种族大屠杀的研究显示，即使每10人就分配一名维和士兵，种族大屠杀依然不能得以幸免，仅仅是时间上的推迟而已，近年来联合国的维和史就印证了这一点。由此可见，基于ABM的人工社会研究，使我们有机会一窥特定社会现象所产生的预料不到的后果。

　　由于采用社会实验来验证各类政策的效果往往有难以克服的缺陷，当前我们关于社会与政策的研究仍然停留在数据收集和模型推演上。基于ABM的人工社会研究虽刚刚起步，但我们有理由预期，在不远的未来，大多社会政策的制定、社会规则的改变都会预先在ABM的人工社会中测试其可能的社会后果，从而避免无法预料的严重社会后果；更进一步，ABM还将有助于社会政策的制定者去规避大投入带来的小回报，寻找小投入可带来大回报的社会政策。

　　（作者单位：中山大学社会学与人类学学院）