【摘要】人工智能幾經(jīng)沉浮，終于在60年之后迎來(lái)了新的黃金發(fā)展期。計(jì)算社會(huì)科學(xué)是一門因數(shù)據(jù)而生的學(xué)科，人工智能將成為其重要的研究工具。同時(shí)，計(jì)算社會(huì)科學(xué)也將推動(dòng)人工智能“了解智能”。在新的時(shí)代背景下，把人工智能和計(jì)算社會(huì)科學(xué)結(jié)合起來(lái)發(fā)展，勢(shì)在必行。但是，這將產(chǎn)生數(shù)據(jù)層、算法層、應(yīng)用層和生態(tài)系統(tǒng)四個(gè)方面的挑戰(zhàn)，本文將對(duì)這些挑戰(zhàn)進(jìn)行分析，并提出相應(yīng)的解決方案，旨在通過(guò)“技術(shù)+制度”的方式，進(jìn)一步推動(dòng)人工智能和計(jì)算社會(huì)科學(xué)向前邁進(jìn)。

【關(guān)鍵詞】人工智能? 計(jì)算社會(huì)科學(xué)? 數(shù)據(jù)? 算法? 生態(tài)系統(tǒng)

【中圖分類號(hào)】 TP18? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)識(shí)碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2019.20.004

引言

人工智能的發(fā)展。目前，學(xué)術(shù)界公認(rèn)人工智能的提出肇始于1956年的達(dá)特茅斯會(huì)議。經(jīng)歷了60余年沉浮，人工智能發(fā)展再攀高峰。從計(jì)算模式的角度來(lái)思考人工智能發(fā)展過(guò)程，可以發(fā)現(xiàn)，計(jì)算機(jī)模式幾乎每15年就會(huì)發(fā)生一次重大變革。1950年，首臺(tái)計(jì)算機(jī)出現(xiàn);1965年，大型機(jī)進(jìn)入人們視野;1980年，個(gè)人電腦開(kāi)始普及;1995年，互聯(lián)網(wǎng)創(chuàng)造了“地球村”;2010年，云計(jì)算與大數(shù)據(jù)重新定義數(shù)據(jù)價(jià)值;2015年，“智能萬(wàn)物互聯(lián)”的概念被提出。在此期間，人工智能于1956年被提出，并以“符號(hào)主義”的形式走進(jìn)人們視野;20世紀(jì)80年代，“聯(lián)結(jié)主義”展示出強(qiáng)大生命力;在互聯(lián)網(wǎng)時(shí)代，統(tǒng)計(jì)學(xué)習(xí)理論得到發(fā)展，誕生了SVM等經(jīng)典模型。但是，直至云計(jì)算與大數(shù)據(jù)締造的大數(shù)據(jù)時(shí)代，人工智能才真正開(kāi)始應(yīng)用于實(shí)踐，形成了人工智能潮流。這與前期的理論積累和以深度學(xué)習(xí)為代表的人工智能算法、大數(shù)據(jù)時(shí)代的數(shù)據(jù)規(guī)模以及云計(jì)算帶來(lái)的強(qiáng)大算力密不可分。

那么，到底什么是人工智能呢？提出“機(jī)器學(xué)習(xí)（machine learning）”一詞的Arthur L. Smuel認(rèn)為，[1]人工智能旨在使機(jī)器通過(guò)學(xué)習(xí)人的智能來(lái)解決復(fù)雜問(wèn)題。所以，人工智能具有了解智能和實(shí)踐智能兩層內(nèi)涵。其中，前者指真正了解人類解決復(fù)雜問(wèn)題的智能過(guò)程;后者指機(jī)器能夠重現(xiàn)大腦在給定場(chǎng)景下的活動(dòng)。由于前者，人工智能是一個(gè)典型的交叉學(xué)科問(wèn)題，具體涉及計(jì)算機(jī)科學(xué)、數(shù)學(xué)、神經(jīng)科學(xué)、認(rèn)知學(xué)等。而依據(jù)后者，即機(jī)器重現(xiàn)大腦的程度，可以將人工智能的發(fā)展分為弱人工智能、強(qiáng)人工智能和超人工智能三個(gè)階段。其中，弱人工智能可以在特定場(chǎng)景下完成基礎(chǔ)的角色性任務(wù)，如根據(jù)圖片對(duì)失蹤兒童本人進(jìn)行識(shí)別;強(qiáng)人工智能則用于實(shí)現(xiàn)隨場(chǎng)景遷移的智能，如根據(jù)失蹤兒童照片找到其父母;而超人工智能則指超越于人類的智能。目前，強(qiáng)人工智能的應(yīng)用并不常見(jiàn)，而超人工智能尚未真正出現(xiàn)，所以，我們正處于弱人工智能階段。因此，本文的人工智能指“弱人工智能”。

雖然人工智能歷經(jīng)沉浮，迎來(lái)了新的黃金發(fā)展期。但是其本身存在“實(shí)現(xiàn)智能過(guò)程非智能”的問(wèn)題，即實(shí)現(xiàn)機(jī)器學(xué)習(xí)等人工智能的手段依舊大量依靠人工。在機(jī)器學(xué)習(xí)系統(tǒng)中，[2]真正的機(jī)器學(xué)習(xí)代碼僅占很小一部分，而大部分工作都消耗在環(huán)境配置、數(shù)據(jù)采集、數(shù)據(jù)驗(yàn)證、機(jī)器學(xué)習(xí)資源管理、特征提取、過(guò)程管理工具、分析工具、服務(wù)基礎(chǔ)設(shè)施和監(jiān)測(cè)上。而且隨著相關(guān)應(yīng)用的落地，人們也會(huì)產(chǎn)生一些疑問(wèn)：人工智能可以學(xué)習(xí)人的顯性知識(shí)，但應(yīng)當(dāng)如何學(xué)習(xí)常識(shí)等隱性知識(shí)以及知識(shí)抽象等能力呢？人工智能收集的個(gè)人信息可以應(yīng)用于公安系統(tǒng)，從而保障人身安全，但同時(shí)個(gè)人隱私又應(yīng)當(dāng)如何保護(hù)呢？因此，政府不僅通過(guò)“國(guó)家新一代人工智能開(kāi)放創(chuàng)新平臺(tái)白名單”等形式大力鼓勵(lì)相關(guān)技術(shù)研發(fā)，也出臺(tái)了《新一代人工智能治理原則》等進(jìn)一步督促其健康發(fā)展。在人工智能潮流的背景之下，人們的生產(chǎn)和生活方式發(fā)生了很大變化，那么，計(jì)算社會(huì)科學(xué)又會(huì)迎來(lái)什么樣的挑戰(zhàn)和機(jī)遇呢？

計(jì)算社會(huì)科學(xué)的發(fā)展。后工業(yè)化時(shí)代的復(fù)雜社會(huì)問(wèn)題催生了計(jì)算社會(huì)科學(xué)的誕生。正是其所在的大數(shù)據(jù)時(shí)代使“我們的社會(huì)開(kāi)啟了一場(chǎng)可與印刷和互聯(lián)網(wǎng)帶來(lái)的革命相比肩的偉大旅程”。[3]2009年，David Lazer等多位科學(xué)家發(fā)表了題為《計(jì)算社會(huì)科學(xué)》（Computational Social Science[4]）的文章，成為計(jì)算社會(huì)科學(xué)這一交叉學(xué)科誕生的標(biāo)志。2012年，歐洲學(xué)者Conte R.等人發(fā)表的《計(jì)算社會(huì)科學(xué)宣言》（Manifesto of Computational Social Science[5]）更是計(jì)算社會(huì)科學(xué)領(lǐng)域的“宣言”。

計(jì)算社會(huì)科學(xué)[6]是一種基于系統(tǒng)科學(xué)、網(wǎng)絡(luò)科學(xué)、復(fù)雜性科學(xué)等科學(xué)理論，利用人工智能、數(shù)據(jù)挖掘等計(jì)算科學(xué)方法，以社會(huì)、經(jīng)濟(jì)等領(lǐng)域大數(shù)據(jù)作為研究對(duì)象，交叉融合各學(xué)科理論，為人類更深入地認(rèn)識(shí)社會(huì)、改造社會(huì)，解決政治、經(jīng)濟(jì)、文化等領(lǐng)域復(fù)雜社會(huì)問(wèn)題的理論和方法論體系。簡(jiǎn)而言之，計(jì)算社會(huì)科學(xué)是一門基于社會(huì)學(xué)原理，使用自然科學(xué)和信息科學(xué)工具，揭示社會(huì)發(fā)展規(guī)律，從而解決社會(huì)問(wèn)題的學(xué)科。

計(jì)算社會(huì)科學(xué)是復(fù)雜社會(huì)背景和大數(shù)據(jù)時(shí)代共同催生的產(chǎn)物。但在大數(shù)據(jù)和互聯(lián)網(wǎng)的春風(fēng)下，數(shù)據(jù)產(chǎn)生方式以及數(shù)據(jù)本身的特征將進(jìn)一步發(fā)生轉(zhuǎn)變，未來(lái)二三十年的人類社會(huì)將從大數(shù)據(jù)時(shí)代過(guò)渡到萬(wàn)物互聯(lián)時(shí)代，從而奠定智能社會(huì)的重要技術(shù)基礎(chǔ)。那么，計(jì)算社會(huì)科學(xué)將面臨哪些挑戰(zhàn)？又該如何實(shí)現(xiàn)這些挑戰(zhàn)的機(jī)遇化？為了充分利用萬(wàn)物互聯(lián)時(shí)代的技術(shù)基礎(chǔ)，計(jì)算社會(huì)科學(xué)又將如何變革？

人工智能與計(jì)算社會(huì)科學(xué)的相輔相成。毫無(wú)疑問(wèn)，進(jìn)一步發(fā)展的人工智能將成為未來(lái)智能社會(huì)科技的重要組成。那么，在當(dāng)前的人工智能潮流中，計(jì)算社會(huì)科學(xué)應(yīng)當(dāng)以什么姿態(tài)面對(duì)智能，又應(yīng)當(dāng)如何突破自身限制，繼續(xù)向前發(fā)展？在回答這個(gè)問(wèn)題之前，我們首先需要明確人工智能與計(jì)算社會(huì)科學(xué)之間的關(guān)系。

人工智能將成為計(jì)算社會(huì)科學(xué)的重要研究工具。如上所述，計(jì)算社會(huì)科學(xué)是一門典型的交叉學(xué)科：從理論基礎(chǔ)、研究對(duì)象、研究問(wèn)題，到研究工具，其每個(gè)環(huán)節(jié)都受益于其他學(xué)科的發(fā)展。計(jì)算社會(huì)科學(xué)扎根于傳統(tǒng)的社會(huì)學(xué)理論，基于大數(shù)據(jù)時(shí)代的豐富采樣和分析手段來(lái)研究和解決問(wèn)題。人工智能的出現(xiàn)，不僅豐富了計(jì)算社會(huì)科學(xué)的分析手段，還增強(qiáng)了其預(yù)測(cè)能力。如基于文本等內(nèi)容的網(wǎng)絡(luò)輿情分析就是人工智能推動(dòng)計(jì)算社會(huì)科學(xué)研究的典型案例。

計(jì)算社會(huì)科學(xué)將推動(dòng)人工智能“了解智能”。如前所述，人工智能的提出旨在使機(jī)器通過(guò)學(xué)習(xí)人類在特定場(chǎng)景下的智能來(lái)解決復(fù)雜問(wèn)題，具體包括了解智能和實(shí)踐智能兩方面。目前的人工智能僅處于弱人工智能階段。它面臨隱性知識(shí)無(wú)法得知和抽象能力無(wú)法學(xué)習(xí)等問(wèn)題，也無(wú)法像人類那樣進(jìn)行感性決策。而這些問(wèn)題的關(guān)鍵在于機(jī)器對(duì)世界的感知和理解無(wú)法達(dá)到人類水平。因此，要真正“了解智能”，就需要對(duì)人及其思維展開(kāi)進(jìn)一步研究。而計(jì)算社會(huì)科學(xué)正是一門研究人及其群體的典型學(xué)科。因此，計(jì)算社會(huì)科學(xué)將推動(dòng)人工智能“了解智能”。

經(jīng)過(guò)上述分析，可以發(fā)現(xiàn)，無(wú)論是人工智能還是計(jì)算社會(huì)科學(xué)，它們都存在進(jìn)一步發(fā)展的阻力或障礙。但是，人工智能可以成為計(jì)算社會(huì)科學(xué)的重要研究工具，而計(jì)算社會(huì)科學(xué)也將推動(dòng)人工智能“了解智能”。那么，如果將二者結(jié)合起來(lái)，是否會(huì)遇到新的挑戰(zhàn)？又應(yīng)當(dāng)如何面對(duì)這些挑戰(zhàn)呢？

挑戰(zhàn)

由于彼此之間相輔相成，因此可以考慮將人工智能作為計(jì)算社會(huì)科學(xué)的重要研究工具之一，而計(jì)算社會(huì)科學(xué)得到的相關(guān)結(jié)論也可以幫助人工智能在實(shí)踐智能之前“了解智能”。那么，二者結(jié)合起來(lái)之后是否會(huì)將各自的問(wèn)題放大，甚至產(chǎn)生新的問(wèn)題呢？按照人工智能的實(shí)踐過(guò)程，下面將根據(jù)問(wèn)題產(chǎn)生背景將人工智能浪潮中計(jì)算社會(huì)科學(xué)所面對(duì)的挑戰(zhàn)分為四層，即數(shù)據(jù)層、算法層、應(yīng)用層，以及三者共同構(gòu)成的生態(tài)系統(tǒng)。

以隱私為核心的數(shù)據(jù)層挑戰(zhàn)。數(shù)據(jù)既是人工智能得以廣泛應(yīng)用的重要基礎(chǔ)，也是計(jì)算社會(huì)科學(xué)誕生的背景和驅(qū)動(dòng)力所在?；跀?shù)據(jù)從產(chǎn)生到應(yīng)用的生命周期來(lái)看，數(shù)據(jù)層將面對(duì)數(shù)據(jù)收集時(shí)的壟斷問(wèn)題、數(shù)據(jù)分析和利用之前的融合問(wèn)題，以及貫穿整個(gè)數(shù)據(jù)生命周期的隱私問(wèn)題。

首先是數(shù)據(jù)壟斷。基于約3000萬(wàn)用戶的APP使用數(shù)據(jù)、162個(gè)維度的用戶畫像，以及近30萬(wàn)個(gè)APP信息，包括名稱、類別、開(kāi)發(fā)者、版本、權(quán)限、大小和評(píng)分等，我們得到了數(shù)據(jù)擁有者與收集者的隱私風(fēng)險(xiǎn)指數(shù)，并通過(guò)群體分析、組合分析和成因分析得到了區(qū)域、人群、行為等多角度的隱私風(fēng)險(xiǎn)分析結(jié)果。其中，數(shù)據(jù)收集者的隱私風(fēng)險(xiǎn)量化結(jié)果表明，10%的收集者獲取了99%的權(quán)限數(shù)據(jù)，形成了遠(yuǎn)超傳統(tǒng)“二八定律”的數(shù)據(jù)壟斷。而且這些數(shù)據(jù)壟斷者之間還在進(jìn)行著類似于2017年順豐菜鳥之爭(zhēng)的數(shù)據(jù)爭(zhēng)奪戰(zhàn)。如何評(píng)價(jià)現(xiàn)有的數(shù)據(jù)壟斷和數(shù)據(jù)爭(zhēng)奪戰(zhàn)？真正產(chǎn)生這些數(shù)據(jù)的用戶又應(yīng)當(dāng)如何維護(hù)自己的權(quán)益？

其次是大數(shù)據(jù)融合。從PC時(shí)代到互聯(lián)網(wǎng)時(shí)代，再到大數(shù)據(jù)時(shí)代，數(shù)據(jù)產(chǎn)生方式從被動(dòng)到主動(dòng)再到自動(dòng)，當(dāng)前數(shù)據(jù)也呈現(xiàn)出多源異構(gòu)、分布廣泛和動(dòng)態(tài)演化等特征，數(shù)據(jù)的關(guān)聯(lián)、交叉和融合更為迫切。價(jià)值挖掘是大數(shù)據(jù)應(yīng)用的重要驅(qū)動(dòng)力。而“大數(shù)據(jù)價(jià)值鏈”[7]則反映了大數(shù)據(jù)所含價(jià)值的挖掘過(guò)程。具體而言，其是一個(gè)“離散數(shù)據(jù)集成化數(shù)據(jù)知識(shí)理解普適機(jī)理凝練解釋客觀現(xiàn)象、回歸自然”的螺旋式上升過(guò)程，每個(gè)環(huán)節(jié)都是大數(shù)據(jù)的一次增值。那具體應(yīng)當(dāng)如何實(shí)現(xiàn)呢？

最后是數(shù)據(jù)隱私。數(shù)據(jù)獲取、分析和運(yùn)用中，必然會(huì)帶來(lái)隱私問(wèn)題。與傳統(tǒng)隱私問(wèn)題相比，大數(shù)據(jù)隱私的來(lái)源和波及范圍更廣，相應(yīng)產(chǎn)生的影響也更為深遠(yuǎn)，尤其是個(gè)人隱私。其目前面臨的問(wèn)題與20世紀(jì)臭名昭著的塔斯基吉梅毒實(shí)驗(yàn)十分相似，都表現(xiàn)出BCD特征。第一，Beyond Users，即凌駕于用戶之上的目標(biāo)。大數(shù)據(jù)收集者不僅將數(shù)據(jù)用于改善用戶體驗(yàn)，也通過(guò)數(shù)據(jù)交易提高收益。而梅毒實(shí)驗(yàn)工作人員不惜以被試身體健康為代價(jià)，收集用于推動(dòng)梅毒研究的實(shí)驗(yàn)數(shù)據(jù)。第二，Cheap Service，即為用戶提供廉價(jià)服務(wù)。大數(shù)據(jù)收集者通過(guò)為用戶提供廉價(jià)的產(chǎn)品來(lái)獲取更為昂貴的個(gè)人數(shù)據(jù)。而梅毒實(shí)驗(yàn)工作人員則通過(guò)為被試提供廉價(jià)的食物來(lái)獲取更為昂貴的實(shí)驗(yàn)數(shù)據(jù)。第三，Deceptive Means，即通過(guò)欺騙性手段挖掘更多用戶價(jià)值。大數(shù)據(jù)收集者可能會(huì)向用戶申請(qǐng)其提供服務(wù)并不需要的權(quán)限。而梅毒實(shí)驗(yàn)工作人員為進(jìn)一步獲取實(shí)驗(yàn)數(shù)據(jù)，聲稱（實(shí)際并沒(méi)有）為被試提供醫(yī)療服務(wù)。

以公平為核心的算法層挑戰(zhàn)。算法是人工智能的核心所在，那么算法本身有沒(méi)有問(wèn)題呢？就算法的提出、訓(xùn)練、測(cè)試和最終應(yīng)用來(lái)看，公平問(wèn)題較為突出。心理學(xué)家亞當(dāng)斯的公平理論認(rèn)為，人們對(duì)公平的感知取決于社會(huì)或歷史比較;社會(huì)學(xué)領(lǐng)域強(qiáng)調(diào)同工同酬;而哲學(xué)家羅爾斯則寄希望于通過(guò)“無(wú)知之幕”下的社會(huì)契約論來(lái)實(shí)現(xiàn)公平?！缎乱淮斯ぶ悄苤卫碓瓌t》中將“公平公正”列為原則之一，指出人工智能發(fā)展應(yīng)促進(jìn)公平公正，保障利益相關(guān)者的權(quán)益，促進(jìn)機(jī)會(huì)均等。通過(guò)持續(xù)提高技術(shù)水平，改善管理方式，在數(shù)據(jù)獲取、算法設(shè)計(jì)、技術(shù)開(kāi)發(fā)、產(chǎn)品研發(fā)和應(yīng)用過(guò)程中消除偏見(jiàn)和歧視。

筆者認(rèn)為人工智能算法中的公平主要包括兩個(gè)涵義：第一，面向數(shù)據(jù)集公平，即在算法相同的前提下，基于相似的數(shù)據(jù)集可以訓(xùn)練出相似的模型。第二，面向數(shù)據(jù)個(gè)體公平，即對(duì)于訓(xùn)練好的模型而言，輸入相似的數(shù)據(jù)個(gè)體可以得到相似的輸出結(jié)果。但實(shí)際應(yīng)用并非如此。由于現(xiàn)實(shí)社會(huì)的復(fù)雜性，人天生帶有偏見(jiàn)，而這些偏見(jiàn)會(huì)被有意識(shí)或無(wú)意識(shí)地帶入訓(xùn)練數(shù)據(jù)標(biāo)注中;再加上訓(xùn)練數(shù)據(jù)規(guī)模和質(zhì)量的差異，很容易導(dǎo)致測(cè)試結(jié)果的不同;在這些因素的共同作用下，最終模型就會(huì)帶有偏見(jiàn)，進(jìn)而將這種偏見(jiàn)體現(xiàn)在實(shí)踐應(yīng)用的每個(gè)數(shù)據(jù)個(gè)體上。因此，理想情況下，公平的人工智能可以足夠反映客觀現(xiàn)實(shí)，即面向數(shù)據(jù)集公平;同時(shí)，也可以做到糾正主觀偏見(jiàn)，即面向數(shù)據(jù)個(gè)體公平。

以研究方法論為核心的應(yīng)用層挑戰(zhàn)。人工智能可以提高計(jì)算社會(huì)科學(xué)的數(shù)據(jù)挖掘和預(yù)測(cè)等能力，但其研究方法論在根本上決定了這個(gè)學(xué)科能夠走多遠(yuǎn)。計(jì)算社會(huì)科學(xué)固然可以推動(dòng)人工智能對(duì)人類智能的“了解”，但最終效果依舊有賴于計(jì)算社會(huì)科學(xué)本身對(duì)人類的認(rèn)知。因此，要真正發(fā)揮人工智能與計(jì)算社會(huì)科學(xué)的綜合效應(yīng)，應(yīng)當(dāng)從計(jì)算社會(huì)科學(xué)的研究方法論入手。

計(jì)算社會(huì)科學(xué)是一門典型的交叉學(xué)科，它以前所未有的廣度、深度和規(guī)模大量收集和分析數(shù)據(jù)，并通過(guò)計(jì)算建模的方法實(shí)現(xiàn)社會(huì)—技術(shù)系統(tǒng)的行為預(yù)測(cè)，是科學(xué)研究范式從實(shí)驗(yàn)科學(xué)、理論科學(xué)發(fā)展到計(jì)算科學(xué)、探索科學(xué)的產(chǎn)物。誠(chéng)然，雖來(lái)自于自然科學(xué)，這四大科學(xué)研究范式在提出之后卻同時(shí)推動(dòng)了計(jì)算社會(huì)科學(xué)的發(fā)展。但是，計(jì)算社會(huì)科學(xué)和自然科學(xué)的研究對(duì)象具有本質(zhì)差異，前者面向人，后者面向物。從學(xué)科分類體系來(lái)看，計(jì)算社會(huì)科學(xué)是總體邏輯思維，自然科學(xué)是類型邏輯思維?？傮w邏輯思維關(guān)注獨(dú)立各異個(gè)案的整體分布，其認(rèn)為變異是社會(huì)現(xiàn)實(shí)的本質(zhì)，研究工作是從變異中尋求規(guī)律，以經(jīng)驗(yàn)為基礎(chǔ)，以量化為導(dǎo)向地去概括總體變異的系統(tǒng)模式。這種量化無(wú)法挖掘出普適規(guī)律來(lái)描述和解釋所有個(gè)體行為。類型邏輯思維則認(rèn)為應(yīng)該重點(diǎn)關(guān)注典型對(duì)象，只要理解了典型對(duì)象的規(guī)律，就可以將其概括并推廣到個(gè)體和具體問(wèn)題。因此，實(shí)證主義等社會(huì)科學(xué)向自然科學(xué)看齊的研究方法并不能從根本上適應(yīng)社會(huì)科學(xué)。計(jì)算社會(huì)科學(xué)需要在方法論上進(jìn)行革新。

以數(shù)據(jù)治理為核心的生態(tài)系統(tǒng)挑戰(zhàn)。在人工智能與計(jì)算社會(huì)科學(xué)相輔相成的背景下，我們稱數(shù)據(jù)層、算法層和應(yīng)用層均存在的問(wèn)題為生態(tài)系統(tǒng)的大數(shù)據(jù)治理挑戰(zhàn)?！爸卫怼保℅overnance）一詞最早起源于拉丁文“掌舵”（steering），起初用于“政府治理”。后受到企業(yè)認(rèn)同和重視，出現(xiàn)了“企業(yè)治理”。隨著IT資源和數(shù)據(jù)資源的不斷豐富，出現(xiàn)了“IT治理”和“數(shù)據(jù)治理”的概念。而“大數(shù)據(jù)治理”則是“數(shù)據(jù)治理”的延伸，同時(shí)又具有其獨(dú)特性。Sunil Sores認(rèn)為，[8]“大數(shù)據(jù)治理是廣義信息治理計(jì)劃的一部分，即制定與大數(shù)據(jù)有關(guān)的數(shù)據(jù)優(yōu)化、隱私保護(hù)與數(shù)據(jù)變現(xiàn)的政策”。但正如信息安全領(lǐng)域經(jīng)典的“七分靠管理，三分靠技術(shù)”所言，筆者認(rèn)為，“大數(shù)據(jù)治理”不應(yīng)僅具有政策內(nèi)涵，還應(yīng)包括相關(guān)技術(shù)手段。這里的大數(shù)據(jù)治理挑戰(zhàn)具體包括數(shù)據(jù)獲取，數(shù)據(jù)發(fā)布，數(shù)據(jù)權(quán)利、責(zé)任、角色和風(fēng)險(xiǎn)，利益相關(guān)者，以及外部影響五個(gè)方面。[9]

第一，即使是在大數(shù)據(jù)時(shí)代，數(shù)據(jù)也并非無(wú)源之水。數(shù)據(jù)獲取需要大量社會(huì)資源的持續(xù)投入。第二，數(shù)據(jù)既沒(méi)有專利完善的保護(hù)措施，也沒(méi)有論文發(fā)表的成熟機(jī)制，因此在發(fā)布方面存在數(shù)據(jù)投資、保存和應(yīng)用的制度和技術(shù)問(wèn)題。第三，當(dāng)數(shù)據(jù)成為重要資源，產(chǎn)學(xué)研政各界都將開(kāi)始圍繞數(shù)據(jù)展開(kāi)價(jià)值挖掘活動(dòng)。但如何將數(shù)據(jù)所有權(quán)、使用權(quán)、許可權(quán)等權(quán)利，數(shù)據(jù)維護(hù)和監(jiān)督等責(zé)任，以及數(shù)據(jù)泄露和不完整等帶來(lái)的一系列風(fēng)險(xiǎn)分配給不同角色卻依舊懸而未決。第四，數(shù)據(jù)的利益相關(guān)者包括企業(yè)、高校、科研機(jī)構(gòu)、學(xué)者、學(xué)生、圖書館、博物館、出版商、資助機(jī)構(gòu)以及政府單位等。如何在不同利益相關(guān)者之間分配數(shù)據(jù)采集和繁雜的數(shù)據(jù)監(jiān)護(hù)[10]任務(wù)，并進(jìn)一步構(gòu)建大數(shù)據(jù)時(shí)代的數(shù)據(jù)人才基礎(chǔ)設(shè)施？第五，從產(chǎn)生到投入實(shí)踐，數(shù)據(jù)面臨的外部影響主要包括經(jīng)濟(jì)與數(shù)據(jù)價(jià)值、數(shù)據(jù)產(chǎn)權(quán)和倫理觀三個(gè)方面的問(wèn)題。我們又應(yīng)當(dāng)如何緩解或解決這些新問(wèn)題呢？

綜上，將人工智能應(yīng)用于計(jì)算社會(huì)科學(xué)，并同時(shí)實(shí)現(xiàn)計(jì)算社會(huì)科學(xué)反哺人工智能，將會(huì)面臨數(shù)據(jù)層的數(shù)據(jù)壟斷、大數(shù)據(jù)融合和數(shù)據(jù)隱私問(wèn)題，算法層的公平問(wèn)題，應(yīng)用層的計(jì)算社會(huì)科學(xué)研究方法論問(wèn)題，以及整個(gè)生態(tài)系統(tǒng)都可能存在的大數(shù)據(jù)治理問(wèn)題。如何克服這些挑戰(zhàn)，從而真正發(fā)揮二者相輔相成的協(xié)同作用呢？

機(jī)遇

人工智能浪潮中的計(jì)算社會(huì)科學(xué)縱然面臨眾多挑戰(zhàn)，但同時(shí)，相關(guān)技術(shù)的發(fā)展和制度的完善也為二者的協(xié)同進(jìn)步奠定了基礎(chǔ)。下面將分別從數(shù)據(jù)層、算法層、應(yīng)用層和生態(tài)系統(tǒng)四個(gè)方面闡釋解決方案。

基于隱私保護(hù)的數(shù)據(jù)層解決方案。作為計(jì)算社會(huì)科學(xué)和人工智能的基礎(chǔ)，數(shù)據(jù)層面臨的挑戰(zhàn)主要包括數(shù)據(jù)壟斷甚至爭(zhēng)奪、大數(shù)據(jù)融合和數(shù)據(jù)隱私三方面。針對(duì)這些問(wèn)題，筆者建議從數(shù)據(jù)共享，大數(shù)據(jù)融合，以及隱私保護(hù)技術(shù)、聯(lián)邦學(xué)習(xí)和隱私保護(hù)制度著手進(jìn)行現(xiàn)狀改善。

首先是針對(duì)數(shù)據(jù)壟斷的數(shù)據(jù)共享。從歷史角度來(lái)看，數(shù)據(jù)已經(jīng)從“About Enterprise”轉(zhuǎn)變?yōu)椤癆bout People”，從而進(jìn)一步擴(kuò)大了數(shù)據(jù)生態(tài)的馬太效應(yīng)，以至于目前10%的數(shù)據(jù)收集者掌握著用戶99%的權(quán)限數(shù)據(jù)。導(dǎo)致這種現(xiàn)狀的另一原因是數(shù)據(jù)收集者之間的數(shù)據(jù)收集方法、云計(jì)算技術(shù)水平、分析方法，以及經(jīng)濟(jì)實(shí)力等方面存在較大差異?？蓮囊?guī)范數(shù)據(jù)收集和鼓勵(lì)數(shù)據(jù)共享兩個(gè)方面入手緩解該問(wèn)題。規(guī)范數(shù)據(jù)收集將在隱私保護(hù)部分做進(jìn)一步解釋，這里重點(diǎn)闡述鼓勵(lì)數(shù)據(jù)共享。一方面，組建數(shù)據(jù)共享中心。傳統(tǒng)意義上，數(shù)據(jù)共享意味著數(shù)據(jù)在不同使用者之間的物理拷貝和流通。但是，這種共享方式帶來(lái)的安全問(wèn)題較多;且數(shù)據(jù)存儲(chǔ)和計(jì)算等成本非常高，經(jīng)濟(jì)實(shí)力較弱的數(shù)據(jù)收集者依舊無(wú)法承擔(dān)。因此，可以考慮組建數(shù)據(jù)共享中心，其成員不僅可以使用中心的數(shù)據(jù)，也可以使用相關(guān)基礎(chǔ)設(shè)施和計(jì)算資源。另一方面，完善數(shù)據(jù)共享相關(guān)制度。目前，國(guó)內(nèi)已組建了貴州、上海等大數(shù)據(jù)交易中心，并推出了“數(shù)+12”戰(zhàn)略的數(shù)據(jù)交易生態(tài)等。不過(guò)，還應(yīng)當(dāng)針對(duì)掌握大量用戶數(shù)據(jù)的企業(yè)出臺(tái)相關(guān)數(shù)據(jù)共享的激勵(lì)和合規(guī)政策。

其次是大數(shù)據(jù)融合相關(guān)技術(shù)。單個(gè)數(shù)據(jù)源的價(jià)值有限，要進(jìn)一步實(shí)現(xiàn)價(jià)值提升，就必須進(jìn)行大數(shù)據(jù)融合。其獨(dú)特性與問(wèn)題包括：第一，割裂的多源異構(gòu)數(shù)據(jù)，如生物領(lǐng)域的基因組、蛋白質(zhì)和文獻(xiàn)等;第二，數(shù)據(jù)規(guī)模與數(shù)據(jù)價(jià)值之間的矛盾，即相關(guān)數(shù)據(jù)越多，可挖掘的知識(shí)越多，數(shù)據(jù)價(jià)值就越高，但相應(yīng)數(shù)據(jù)挖掘的難度也會(huì)更大;第三，跨媒體、跨語(yǔ)言的關(guān)聯(lián)，如圖片、音視頻與文本數(shù)據(jù)的關(guān)聯(lián);第四，實(shí)體和關(guān)系的動(dòng)態(tài)演化，如學(xué)者更換其所在單位;第五，知識(shí)的隱含性，如學(xué)者之間的“合作”關(guān)系可能暗含“師生”關(guān)系。作為大數(shù)據(jù)背景下的數(shù)據(jù)處理手段，“大數(shù)據(jù)融合”[11]用于從大數(shù)據(jù)中發(fā)現(xiàn)知識(shí)，并按照知識(shí)的語(yǔ)義邏輯關(guān)聯(lián)融合形成更接近人類思維的知識(shí)，是一種數(shù)據(jù)融合與知識(shí)融合雙環(huán)驅(qū)動(dòng)的大數(shù)據(jù)價(jià)值發(fā)現(xiàn)方法。其中數(shù)據(jù)融合包括模式對(duì)齊、實(shí)體鏈接、數(shù)據(jù)一致性和數(shù)據(jù)溯源;而知識(shí)融合則指知識(shí)抽象和建模、關(guān)系推理、深度知識(shí)發(fā)現(xiàn)，以及普適機(jī)理的剖析和歸納。

最后是數(shù)據(jù)隱私問(wèn)題。數(shù)據(jù)從“About Enterprise”轉(zhuǎn)變?yōu)椤癆bout People”帶來(lái)的第一個(gè)問(wèn)題就是隱私泄露。目前，可以從技術(shù)和制度兩方面進(jìn)行隱私保護(hù)。技術(shù)上主要包括基于擾動(dòng)的隱私保護(hù)技術(shù)、基于密碼學(xué)的隱私保護(hù)技術(shù)和基于分布式訓(xùn)練的聯(lián)邦學(xué)習(xí)技術(shù)。第一，基于擾動(dòng)的隱私保護(hù)技術(shù)指差分隱私、K匿名等，其計(jì)算效率高，目前已有成熟應(yīng)用。但是，這種隱私保護(hù)技術(shù)與決策可解釋性之間存在矛盾。一方面，為了保證決策可解釋性，就必須保證數(shù)據(jù)的準(zhǔn)確性，這樣很容易出現(xiàn)隱私泄露問(wèn)題;另一方面，要保護(hù)隱私，就一定會(huì)導(dǎo)致數(shù)據(jù)準(zhǔn)確性降低，決策可解釋性隨之降低。因此，如何在大數(shù)據(jù)隱私和決策可解釋性之間達(dá)到良好平衡，是一個(gè)亟待解決的問(wèn)題。第二，基于密碼學(xué)的隱私保護(hù)技術(shù)指同態(tài)加密、安全多方計(jì)算等，其安全性較高，數(shù)據(jù)可恢復(fù)，但效率較低，無(wú)法廣泛應(yīng)用。第三，基于分布式訓(xùn)練的聯(lián)邦學(xué)習(xí)技術(shù)，其旨在通過(guò)共享模型參數(shù)而非具體數(shù)據(jù)來(lái)完成機(jī)器學(xué)習(xí)訓(xùn)練過(guò)程。相比于集中訓(xùn)練方式，聯(lián)邦學(xué)習(xí)更適用于隱私保護(hù)場(chǎng)景，但其隱私攻擊既可能來(lái)自于服務(wù)端，也可能來(lái)自于其他惡意設(shè)備。而且目前仍處于起步階段，依舊存在通信帶寬受限、模型難收斂、強(qiáng)依賴于云服務(wù)等問(wèn)題。

從制度上來(lái)看，國(guó)內(nèi)外都已經(jīng)出臺(tái)了一系列隱私保護(hù)法律法規(guī)與條例。自2018年5月1日起，我國(guó)開(kāi)始實(shí)施《信息安全技術(shù)個(gè)人信息安全規(guī)范》;2018年5月25日，歐盟推出《通用數(shù)據(jù)保護(hù)條例》（General Data Protection Regulation，GDPR）;2018年11月2日，美國(guó)參議院公布新的隱私立法草案;2019年4月16日，舊金山通過(guò)了《停止秘密監(jiān)視》條例的修訂;2019年5月28日，國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布《數(shù)據(jù)安全管理辦法（征求意見(jiàn)稿）》;2019年6月17日，國(guó)家新一代人工智能治理專業(yè)委員會(huì)發(fā)布《新一代人工智能治理原則——發(fā)展負(fù)責(zé)任的人工智能》，并強(qiáng)調(diào)人工智能發(fā)展應(yīng)尊重和保護(hù)個(gè)人隱私。但是，隱私保護(hù)的美好愿景和現(xiàn)實(shí)生活中的大規(guī)模數(shù)據(jù)泄露之間存在根本矛盾，如Facebook數(shù)據(jù)泄露等事件一再出現(xiàn)。在這樣大規(guī)模數(shù)據(jù)泄露的背景之下，實(shí)現(xiàn)隱私保護(hù)是否真的可能？在未來(lái)會(huì)不會(huì)演變?yōu)闊o(wú)隱私（No Privacy）？

基于數(shù)據(jù)透明的算法層解決方案。根據(jù)前述分析可以發(fā)現(xiàn)，雖然算法公平問(wèn)題最終表現(xiàn)在決策階段，但成因可能在數(shù)據(jù)標(biāo)注、模型訓(xùn)練和測(cè)試等階段。因此，要解決公平問(wèn)題，就需要從數(shù)據(jù)和算法兩方面入手。相應(yīng)的計(jì)算機(jī)技術(shù)是數(shù)據(jù)透明。數(shù)據(jù)透明有廣義和狹義之分，廣義的數(shù)據(jù)透明包括狹義的數(shù)據(jù)透明和算法透明。其中，前者[12]指有效獲取數(shù)據(jù)在產(chǎn)生、處理及決策過(guò)程中所涉信息的能力;后者則指算法可解釋，即數(shù)據(jù)收集前，用戶需考慮個(gè)人數(shù)據(jù)將作何種用途;數(shù)據(jù)收集后，第三方需考慮數(shù)據(jù)來(lái)源的真實(shí)性;決策階段，要重點(diǎn)關(guān)注決策過(guò)程的可解釋性。

由于保證了數(shù)據(jù)利益相關(guān)者對(duì)數(shù)據(jù)的知情權(quán)等權(quán)利，以數(shù)據(jù)透明為基礎(chǔ)，可以建立和完善數(shù)據(jù)獲取和應(yīng)用的問(wèn)責(zé)機(jī)制、實(shí)現(xiàn)用戶控制。以數(shù)據(jù)生命周期為標(biāo)準(zhǔn)，可以將數(shù)據(jù)透明分為獲取透明、流通透明、使用透明和刪除透明。其中，獲取透明指基于訪問(wèn)控制的數(shù)據(jù)收集;流通透明指基于區(qū)塊鏈的數(shù)據(jù)共享和交易;使用透明包括算法透明和可驗(yàn)證性計(jì)算;而刪除透明則包含了覆蓋刪除和密碼學(xué)刪除。因此，當(dāng)大規(guī)模數(shù)據(jù)泄露不斷出現(xiàn)，隱私保護(hù)已不再現(xiàn)實(shí)，就可以使用數(shù)據(jù)透明來(lái)保證數(shù)據(jù)的合理運(yùn)用。

就算法透明而言，《新一代人工智能治理原則——發(fā)展負(fù)責(zé)任的人工智能》中提出了“安全可控”原則，即人工智能系統(tǒng)應(yīng)不斷提升透明性、可解釋性、可靠性、可控性，逐步實(shí)現(xiàn)可審核、可監(jiān)督、可追溯、可信賴。

綜上，建立數(shù)據(jù)透明的治理體系是解決人工智能時(shí)代隱私、效率和公平的關(guān)鍵，中國(guó)應(yīng)該先行一步。

基于新型研究范式的應(yīng)用層解決方案。計(jì)算社會(huì)科學(xué)從誕生到進(jìn)一步發(fā)展的成長(zhǎng)過(guò)程中曾受惠于四大科學(xué)研究范式。但是，由于與自然科學(xué)在研究對(duì)象、邏輯思維以及現(xiàn)實(shí)復(fù)雜性等方面存在本質(zhì)區(qū)別，其面臨的方法論挑戰(zhàn)日益嚴(yán)峻。當(dāng)下的計(jì)算社會(huì)科學(xué)能否實(shí)現(xiàn)新一輪的方法論革新，并將其上升為新型科學(xué)研究范式，實(shí)現(xiàn)科學(xué)研究范式轉(zhuǎn)移，進(jìn)而惠及其他交叉學(xué)科，乃至自然科學(xué)？答案是肯定的。后大數(shù)據(jù)時(shí)代的計(jì)算模式將成為未來(lái)社會(huì)的重要基礎(chǔ)設(shè)施。而智能萬(wàn)物互聯(lián)的信息技術(shù)將以更加豐富的方式描述現(xiàn)實(shí)世界，從而推動(dòng)社會(huì)學(xué)等領(lǐng)域的專家學(xué)者更加了解人類賴以生存的社會(huì)系統(tǒng)。同時(shí)，中國(guó)的城市化、網(wǎng)絡(luò)化等發(fā)展趨勢(shì)與萬(wàn)物互聯(lián)天然契合，將有望成為科學(xué)研究范式轉(zhuǎn)移實(shí)現(xiàn)的沃土。當(dāng)技術(shù)和社會(huì)背景同時(shí)發(fā)生變革，誕生于二者交織背景下的計(jì)算社會(huì)科學(xué)應(yīng)當(dāng)如何化挑戰(zhàn)為機(jī)遇？

一方面，計(jì)算社會(huì)科學(xué)應(yīng)當(dāng)充分把握與生俱來(lái)的技術(shù)和社會(huì)優(yōu)勢(shì)，在“技術(shù)推動(dòng)社會(huì)發(fā)展，社會(huì)豐富技術(shù)內(nèi)涵”的相輔相成機(jī)制中進(jìn)一步向前邁進(jìn)。在未來(lái)萬(wàn)物互聯(lián)和以城市化為中心的中國(guó)社會(huì)，社會(huì)科學(xué)將不再一味地依賴信息技術(shù)的發(fā)展。這里以萬(wàn)物互聯(lián)的重要技術(shù)基礎(chǔ)5G為例進(jìn)行闡釋。近來(lái)，5G技術(shù)的發(fā)展及其作用已經(jīng)被過(guò)分夸大，其未來(lái)發(fā)展不是帶寬問(wèn)題，而是內(nèi)涵問(wèn)題。可是，計(jì)算機(jī)信息技術(shù)只能滿足帶寬需求，因此，只有依靠計(jì)算社會(huì)科學(xué)，5G的內(nèi)涵才能進(jìn)一步得以豐富。

另一方面，計(jì)算社會(huì)科學(xué)不應(yīng)一味向自然科學(xué)看齊，而要基于對(duì)現(xiàn)實(shí)世界的準(zhǔn)確描述，構(gòu)建自己的理論框架，形成自己的方法論。根據(jù)前述內(nèi)容，我們有理由相信如果充分利用萬(wàn)物互聯(lián)時(shí)代的優(yōu)勢(shì)，同時(shí)從社會(huì)背景和現(xiàn)實(shí)需求出發(fā)進(jìn)一步豐富萬(wàn)物互聯(lián)的技術(shù)內(nèi)涵，進(jìn)而使二者相互促進(jìn)，以社會(huì)科學(xué)家為代表的學(xué)者們可能提出真正植根于社會(huì)科學(xué)的第五科學(xué)研究范式。新的研究范式將以大量社會(huì)科學(xué)活動(dòng)為積淀，旨在挖掘新社會(huì)需求，豐富新技術(shù)內(nèi)涵，在促進(jìn)交叉學(xué)科研究的同時(shí)，推動(dòng)社會(huì)前進(jìn)。

基于數(shù)據(jù)治理的生態(tài)系統(tǒng)解決方案。歷史地看，數(shù)據(jù)發(fā)展共有兩條主線。第一條是Data about Enterprise，數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)集成都是典型代表;進(jìn)入大數(shù)據(jù)時(shí)代之后，Data about People成為第二條主線，數(shù)據(jù)思維、數(shù)據(jù)智能與數(shù)據(jù)生態(tài)等名詞層出不窮?，F(xiàn)有數(shù)據(jù)生態(tài)的特殊性決定了數(shù)據(jù)確權(quán)、定價(jià)、交易等不能解決數(shù)據(jù)壟斷、隱私和公平等問(wèn)題。

人工智能和計(jì)算社會(huì)科學(xué)均因數(shù)據(jù)而蓬勃發(fā)展。正如在“大數(shù)據(jù)融合”挑戰(zhàn)中所闡釋的那樣，要真正從多元異構(gòu)、價(jià)值不一的數(shù)據(jù)中提取信息，并進(jìn)一步轉(zhuǎn)化為知識(shí)，就需在傳統(tǒng)數(shù)據(jù)分析工具的基礎(chǔ)上進(jìn)一步改進(jìn)，運(yùn)用大數(shù)據(jù)融合相關(guān)技術(shù)。但數(shù)據(jù)從產(chǎn)生到處理，到存儲(chǔ)，到進(jìn)一步價(jià)值提升，再到最終應(yīng)用等都會(huì)面臨數(shù)據(jù)產(chǎn)權(quán)等一系列相關(guān)問(wèn)題。而“數(shù)據(jù)治理”則旨在解決這一系列數(shù)據(jù)挑戰(zhàn)。

為了在充分挖掘數(shù)據(jù)價(jià)值的同時(shí)，尊重?cái)?shù)據(jù)相關(guān)權(quán)利，從而促進(jìn)科學(xué)研究進(jìn)步，推動(dòng)社會(huì)向前發(fā)展，在產(chǎn)學(xué)研政企等利益相關(guān)者之間建立合作共贏的數(shù)據(jù)共享模式、制定合理的規(guī)章制度非常必要。同時(shí)，需要推動(dòng)相關(guān)技術(shù)向前發(fā)展。惟其如此，才能在降低信息泄露風(fēng)險(xiǎn)、維護(hù)公平的同時(shí)，又保留數(shù)據(jù)價(jià)值。

總之，人工智能將成為計(jì)算社會(huì)科學(xué)的重要研究工具;同時(shí)，計(jì)算社會(huì)科學(xué)也將推動(dòng)人工智能“了解智能”。因此，計(jì)算社會(huì)科學(xué)應(yīng)當(dāng)在人工智能浪潮中充分提升其數(shù)據(jù)挖掘和預(yù)測(cè)能力;同時(shí)也可以為人工智能的發(fā)展貢獻(xiàn)力量。

注釋

[1]Samuel A L， "Artificial intelligence - a frontier of automation"， The Annals of the American Academy of Political and Social Science， 1962， 4（1）， pp. 173-177.

[2]Sculley D， Holt G， Golovin D， et al， "Hidden technical debt in machine learning systems"， International Conference on Neural Information Processing Systems， MIT Press， 2015.

[3][美]阿萊克斯·彭特蘭：《智慧社會(huì)》，汪小帆、汪容譯，杭州：浙江人民出版社，2015年，第19頁(yè)。

[4]Lazer D， Pentland A， Adamic L， et al， "Computational social science"， Science， 2009， 323（1）， pp. 721-723.

[5]Conte R， Gilbert N， Bonelli G， et al， "Manifesto of computational social science"， The European Physical Journal Special Topics， 2012， 214（1）， pp. 325-346.

[6]孟小峰、李勇、祝建華：《社會(huì)計(jì)算：大數(shù)據(jù)時(shí)代的機(jī)遇與挑戰(zhàn)》，《計(jì)算機(jī)研究與發(fā)展》，2013年第12期，第2483～2491頁(yè)。

[7][11]孟小峰、杜治娟：《大數(shù)據(jù)融合研究：?jiǎn)栴}與挑戰(zhàn)》，《計(jì)算機(jī)研究與發(fā)展》， 2016年第2期，第231～246頁(yè)。

[8][美]桑尼爾·索雷斯：《大數(shù)據(jù)治理》，匡斌譯，北京：清華大學(xué)出版社，2014年，第4頁(yè)。

[9]Christine L.Borgman， Big data， little data， no data： scholarship in the networked world， The MIT Press， 2015， pp. 271-288.

[10]Lord， Philip， and Alison M.，" E-science curation report： data curation for e-science in the UK： an audit to establish requirements for future curation and provision"， Digital Archiving Consultancy Limited， 2003.

[12]Elisa B， "Big data-security and privacy and transparency"， Privacy and Security in Big Data Ecosystem， Keynote， 2017.

責(zé) 編/張 曉