来源：郦全民.计算社会科学的哲学透视[J].河北学刊,2019,39(05):98-104.（节选）
摘要
计算社会科学是由技术驱动的社会研究新进路，侧重于用计算方法探究社会关系和社会互动中的模式。与传统社会科学相比，这一进路在本体论上预设社会实在是动态的信息—计算之网，从而超越了个体主义与整体主义之争，为社会现象的研究提供了新的方法论。
关键词：社会研究; 计算社会科学; 计算进路; 信息—计算之网
本文中，笔者试图从哲学视角阐述计算社会科学的产生背景和研究进路的特点，并探究其中的一些本体论和方法论问题。
一、社会研究的困难
当今世界上，与发达的自然科学和日新月异的技术相比，社会科学依然处于一种相当尴尬的地位。一方面，就对人类的重要性而言，社会科学一点儿也不亚于自然科学和各种新技术，甚至在一定意义上显得更为重要，因为人类目前面所临的诸多危机与人们对社会和自身缺乏客观的、足够的认识紧密相关。2010 年，由哈佛大学发起，一群社会科学家遴选出了社会科学十大问题，从中可以看出，解决这些问题对于人类社会的生存和发展是多么重要与迫切②。另一方面，社会科学始终处于相对落后的状态: 既没有产生像相对论那样能成功预言自然现象的理论，也没有出现像生物进化论那样具有强大的解释力和增殖力的学说; 甚至对其能否称得上“科学”，至今也存在争议。
问题在于，究竟是什么造成了社会科学的这种尴尬? 本文认为，这主要在于: 与自然现象相比，社会现象更难研究和分析。而造成困难的原因又是多重复杂的，概括地说，可归结为以下几个方面:
首先，是由于研究对象的复杂性———人类社会是一个具有自身特质的复杂系统。我们知道，系统是人们看待世界中事物的一种有效方式: 当认定一个事物由组元、结构和环境所构成，且其功能或行为取决于这些构成要素时，即把该事物看成了一个系统。与物理世界中的简单系统相比，人类社会的组元、结构和环境具有其复杂特殊性。这主要表现在，充当基本组元的个体不仅拥有自主选择和创造的能力，而且其行动可与他人或环境之间形成反馈。于是，个体之间相互作用的方式便会呈现出多样性和不确定性，而这又能促进个体自适应能力的增强，并进一步导致社会结构的复杂化。这一机制上的特性表明，许多社会现象是突现的，也就是说，并不能简单地通过对个体行为的研究加以把握。在人类社会内部，存在着类型不同和规模不等的各种子系统，其中，处于底层的子系统之间可通过相互作用形成更上层的系统。这样，突现的社会现象会在不同的尺度上发生: 小的如一段公路上并非因交通事件而引起的车堵，大的如波及全球的金融危机。
人类社会的复杂性，不仅体现在构成上，而且体现在进化过程中。综观人类文明进化史，不难发现，社会的进化是一个复杂性不断增加的过程。从机制上说，社会系统复杂性的增加主要在于人类在认识和改造自然的过程中，不停地发明个体或群体之间进行信息交往的工具，其中文字、印刷术、电话和互联网是最具代表性的发明。这些发明使得人类原本依赖自然媒介传播和保存信息的局限不断地被突破，终于建构起了一个跨时空的信息互动的动态网络，而我们正处于这样一个时代。在这个过程中，社会系统内部实现了从短程到长程的关联，而且关联的方式也变得多种多样，社会进化的速率越来越快，复杂性亦随之增加。
其次，与以物理学为典型的自然科学不同，社会科学具有反身性。在针对物理对象的认识过程中，虽然认知主体与对象之间不能绝然分离，但可作出相对的区分，且主体本身并不同时作为对象出现。这样，当研究一个物理对象时，主体可以选择公共可达的参照物( 如测量仪器) ，而获得的事实性知识因相对于该参照物，便具有主体间性和可检验性。这就可消除单个主体的认知偏见，以满足客观性的基本要求。与此相对照，在社会科学中，认知主体更为紧密地与认知对象发生关联，且其实现者———个体———实际上就是社会的组元。这样，主体的认知和行动不仅会影响甚至创造研究对象，而且反过来又会改变主体的状态，形成一种特殊的反身关系，进而产生循环效应。由于人生来便是社会的一员，自小到大处于一个不断社会化的过程中，因此，不同于那些可以外在于人或在人的尺度上无法直接感知的自然现象，对于社会现象，每个人均具有一种独特的、亲历的认知和体验。这种认知和体验，一方面建构起每个人理解社会的日常知识和价值观; 另一方面，由于其所获得的信息限于个体的视角和经历，因而总显得十分有限和不充分，这也就成为产生社会认知偏见的根源之一。而且，在社会认知和行动中，反身关系的存在又很容易导致个体的利益与认知过程相缠绕，这使得关于社会的认知偏见更难以消除。为了研究社会现象，诚然，研究者可以本着追求真理的信念而希望坚持方法论上的客观性，但由于其首先是作为社会中的个体而存在的，且研究过程中难以避免由反身性所带来的循环效应，因而要坚持这一原则，实际上很不容易。
再次，相对于自然科学而言，社会科学更易受到意识形态的控制或影响。在每个社会中，为了维系社会结构的稳定、实现设想的社会目标或满足特殊阶层的利益，总是存在着一些宣扬特定世界观和价值观的意识形态; 而处于统治地位的人群或个体也总会运用各种手段灌输符合自身利益的意识形态，以便让他人或自愿或强迫地接受。从实质上说，这样的意识形态属于信仰体系，其中往往包含着关于社会制度、社会观念等方面的价值导向。在社会科学研究中，认知的过程总是与价值评判紧密连接在一起，且研究成果也往往要服务于社会政策的指定，因此，那些并不基于科学所确立的意识形态就会对社会现象的客观认识造成障碍。
笔者认为，社会系统本身的复杂性、反身性所带来的个体认知偏见和意识形态的影响是造成社会研究困难的主要原因，而其所引起的困难又是双重的，包括经验和理论两个方面。
就经验而言，社会系统的复杂性导致获取数据的难度加大，而认知偏见和意识形态又会影响数据的选择、处理及分析。在这里，我们着重从研究方法上加以考虑。在很大程度上，以往自然科学的成功得益于聚焦简单系统或将复杂系统化为简单系统进行研究。对于简单系统，运用受控实验方法，我们不仅能获得刻画其属性或变化过程的数据，能控制其所处的条件来确定变量之间的因果关系，而且可以让理论或模型接受严格的经验检验。但是，对于社会系统这样的复杂对象，则难以采取类似于自然科学的受控实验方法。这不仅是因为在许多情况下对人的实验受到伦理的限制，而且即使能做这样的研究，个体的行为和社会环境也往往超出实验者的控制。由于展开受控实验的困难，在传统社会科学中，研究者在确定是抽样还是普查的前提下，通常采用个别访谈、问卷调查和参与观察等方法来获取关于研究对象的数据，再作统计学意义上的处理。然而，运用这些传统方法所获得的数据，基本上是关于个体( 或群体作为整体，如企业) 的属性和行为，或是关于个体之间固定的或静态的关系( 如亲属关系) ，而且通常是不连续测量的结果。很容易看出，这些数据尚不足以有效承载个体之间、个体与社会环境之间实时的、动态的互动信息，因而无法为描述和理解复杂的社会现象提供足够的经验支撑。
在理论方面，对于人类社会来说，虽然自然规律在基本层次上仍起着决定性作用，但由于个体的自主选择以及个体与社会环境之间复杂的互动关系的存在，社会系统形成了突现机制和自身运行的模式( 或规律) 。而这样的机制和模式与简单系统中的机制和规律相比，在复杂性和发现难度等方面存在很大的差别，以致原本在自然科学领域成功的方法( 如假说演绎法) 和数学工具( 如微分方程) 难以运用，也就增加了科学理论的建构和检验的难度。更为棘手的是，建构关于社会机制和社会发展的理论，在很大程度上会受到所处社会中意识形态的左右; 特别是，一旦这些社会理论与现存的意识形态相冲突，拥有权力的意识形态维护者就有可能禁止相关的研究，甚至会给理论创立者带来政治、经济和人身等方面的风险。因此，在现实中，建构科学的、客观的社会理论十分不易。
二、技术驱动的新进路
对于复杂的社会现象，依仗人的自然认知能力，虽然我们可以在常识的层面上作一些局部的、片面的描述和解释，但由于上述原因，系统而又客观的科学研究却难以做到，其结果是社会科学的发展往往受到很大限制。那么，是否有可能克服这些困难，从而推进社会科学的研究和发展呢?本文认为，答案是肯定的。但从认知上讲，要做到这一点，关键是要有消除或减少这些困难的新工具和新方法，而当代技术的进步已经或正在为我们创造这样的条件。
在当今社会中，人们几乎处处被由各种技术所构筑的人工环境包围着，而且新技术依然层出不穷。这让我们深深地感到: 一种越来越强大的技术力量正在左右或支配着人们的工作和生活，而人的本性似乎也正在被技术所剥夺、所吞噬。而事实上，技术恰恰是展现人之本性的主要方式。从人类进化史来看，技术的诞生也就意味着人的出现，技术产品正是制造者将心智运作所生成的知识或经验外化的结果。因此，技术在实质上是一个创造和运用知识的过程，而这恰好体现了人之所以为人的特质。由此看来，一部技术发展史就是一部人类不断外化心智运作所生成的知识史。不过，与其他所外化的知识不同，构成技术的知识是心智所编写的一个个“程序”———它们通常具有特定功能，并以内隐的方式实现在一定的物理系统中①。近代科学诞生之前，人类的心智编写技术程序主要依靠经验知识; 随着近代科学的产生和发展，情况便发生了革命性的变化。毫无疑问，建立在科学理论之上的技术已不可逆转地改变了人类的生存和进化方式。
就对社会的研究而言，技术作用具有两重性。一方面，技术是社会系统复杂性增加的主要动力。技术产品的不断问世和应用，既提高了人类适应自然环境的能力，也增加了人与人之间的互动，使得社会交往变得快速多变，其结果是社会系统的结构和进化呈现出越来越复杂的趋势。如前文所述，这种复杂性的增加正是造成社会研究困难的主要原因之一。另一方面，技术也可以把人的活动限制在技术产品所设定的范围内，并且能够记录和处理个体或群体的行为信息，这样就为有效、客观地认识社会现象创造了条件和工具。如今，我们正处于技术的这种两重性凸显的时代: 以计算机和互联网为标志的信息技术在不断增加社会复杂性的同时，又为我们认识和理解这种复杂性提供了工具与方法。
显而易见，随着互联网的迅速普及和发展，在人类社会中，个体与个体、个体与群体以及群体与群体之间传播和交流信息变得比以往任何时候都来得便捷、快速，并且极大地突破了时空的局限，其结果是社会系统的复杂性和社会进化的不确定也在大大增加。与此同时，一些可广泛进行信息收集和记录的技术与设备也应运而生，如目前普遍使用的各种监控设备和传感器，加之计算机处理信息的能力不断提升，这就能为研究复杂的社会现象和人的行为提供大量的、多类型的、实时的数据。正是在这样的技术背景下，特别是大数据和机器学习技术的驱动下，一条社会研究的新进路———计算社会科学———得以产生和发展。那么，相对于传统社会科学，计算社会科学这条进路究竟新在哪里? 为了展开具体的分析和论证，我们首先需要对“进路”的内涵作一个界定。邦格( Mario Bunge) 认为，不同于单一的理论和方法，进路是一个集合概念，包含四个基本成分，即背景知识、问题、目标和方法［2］( P259) 。也就是说，每条进路总是处于特定的背景知识之中，加之由这种背景知识生成和限定的问题集，所要达到的总的和具体的目标，以及求解问题、实现目标的方法。其中，背景知识既包括哲学假设、理论和模型，也包括可获取和利用的数据。下面，采用邦格所理解的进路概念，从四个方面来分析计算社会科学这一进路的特征及其对于传统社会科学的突破。
首先，与传统社会科学一样，计算社会科学亦以人类社会作为研究对象，故由前者所建立的一些基本概念和命题仍可为其所利用，成为其概念和理论框架的组成部分。但是，鉴于计算社会科学以计算机建模、大数据和人工智能( 主要是机器学习) 为技术支撑，以复杂性科学为理论依托的框架，着眼于社会的互动性和复杂性，因而其背景知识与传统社会科学之间也就存在着一些明显的差别。在计算社会科学中，一些新的基本概念和基本命题成为其背景知识的核心成分，比如链接、模式、突现、反馈和幂定律等。特别是关于社会实在，既不同于个体主义也不同于整体主义，计算社会科学预设人类社会是一张动态的信息—计算之网。这样，它就从根本上突破了传统社会科学中个体主义与整体主义的哲学之争，从而能赋予刻画社会现象、结构和功能的概念以新的含义。还有，在新的技术支撑下，计算社会科学所能利用的数据在大小和类型等方面是传统社会科学所无法比拟的，所能建构的模型也是后者难以企及的。因此，从背景知识上看，计算社会科学是一条研究社会的新进路。
其次，作为计算技术与复杂性科学相交叉而生成的新兴学科，计算社会科学所关注的问题域与传统社会科学也存在着较大的差别。面对社会系统的复杂性，加之方法和工具的局限，传统社会科学家不得不采用将复杂问题化为简单问题的策略。这主要体现在两个方面: (1) 假定社会系统能粗略地分成宏观和微观两个层次，相应地就形成了宏观问题和微观问题并分别加以研究，于是，在学科上也出现了宏观和微观之分，如宏观经济学与微观经济学，并建立了相互分离的概念体系。这一策略虽然可以克服直接面对复杂的社会现象和结构的困难，却放弃了对于社会系统的突现机制的探究，因而传统社会科学无法帮助我们深刻地理解复杂现象的形成和衍化过程。与此相对照，计算社会科学正是试图突破传统的宏观与微观之分，来研究和理解复杂性如何从社会组元与它们之间的相互作用中突现的模式。( 2) 在传统社会科学中，由于研究者的能力和研究方法的限制，在经验数据的收集和处理方面，更多地是关注如何选择样本、如何从样本中获得普遍结论以及如何以典型案例来支持或否证假设等问题。而对于计算社会科学家来说，依仗大数据的收集和运用，传统上选择和处理样本的问题取而代之为如何运用技术手段从大数据中直接获得洞察与模式的问题。还有，在计算社会科学中，基于自主体模型( Agent Based Model) 的建构引起了如何刻画自主体及其相互作用的方式、如何运用自主体模型来理解对应的社会系统或预言系统的衍化等问题，而这些新问题在传统社会科学中并不存在。因此，从研究的问题域看，计算社会科学具有新颖之处。
再次，就追求的目标而言，计算社会科学也有别于传统社会科学。受人文科学的影响，许多传统社会科学家倾向于认为，社会科学的主要目标是理解人的社会行为，而这里的“理解”是诠释人类行为的“意义”，并非是探寻对社会现象的因果解释，故与自然科学的目标不同。这样，自然科学的理论和方法便不适于研究人的社会行为［3］( P34—37) 。与此相对照，对于计算社会科学的研究者而言，虽然社会科学与自然科学在研究对象和具体方法上存在着差异，但如果将它们置于复杂性科学的框架下，则可以发现两者的基本目标是一致的，即均是描述、解释和预言人类的社会行为。至于传统社会科学所强调的人类行为的“意义”，不仅可以通过对社会互动过程的研究来说明其究竟如何生成，而且可以运用科学方法对“意义”本身作合理阐释。也就是说，计算社会科学在致力于对社会现象和人的行为进行描述、说明或预言的同时，也注重阐释意义形成的根源和过程。因而，与传统社会科学相比，其所追求的目标更为高远和统一。
最后，计算社会科学进路的新颖性更明显地体现在工具和方法上。科学发展史表明，新工具、新方法的发明是发生科学革命和实现科学突破的关键因素，这可从望远镜、显微镜和加速器等实例中窥见一斑。许多学者已指出，传感器和记录器等数据收集工具对于计算社会科学而言，犹如当年伽利略所发明的望远镜对于近代科学诞生的作用［4］( P10) 。得益于望远镜和显微镜，人类不仅感知到了一个更广、更深、更丰富的自然界，而且所获得的数据为建构和检验科学假设提供了基础，进而实现了科学的客观性和科学的进步。如今，越来越多的监控器、传感器和记录器等工具正在共同构成一个超级的“显微镜”，其能将人类社会中自主体( 个体或群体) 的行为和他们之间的互动以数据的形式呈现出来，而云计算和机器学习技术又为快速处理这些数据提供了工具，其结果是，关于社会现象和人的行为，我们可以获得比以往任何时候都更丰富、更全面和更实时的信息。而且，基于互联网等技术平台，计算社会科学家已经创造出了“虚拟实验室”，可以在受控的环境下对规模较大的参与者的行为和他们之间的互动进行实时的、同步的观察［5］( P6—10) 。显然，在获取和处理数据的能力上，这些工具和方法是社会研究的传统方法所无法比拟的。不仅如此，由于测量、记录数据的仪器和虚拟实验室等工具是公共可达的，因而所获得的数据可由研究者所分享而满足主体间性，同时也可成为检验和确证假设的经验依据。这样，在一定程度上，计算社会科学可以解决传统社会科学中所遇到的客观性难题。
可以看出，新工具和新方法对于这条新进路的问世及发展起着关键性作用。这是因为，新理论假设的提出和检验、新问题的形成和求解以及新目标的追求和实现，都有赖于新工具和新方法的发明及运用，而这些又是新技术( 特别是信息通信技术) 进步的产物。由此可见，不同于传统社会科学，计算社会科学实质上是由技术驱动的社会研究新进路。
三、社会作为信息—计算之网
从科学评价的角度来看，衡量一种新进路或新理论是否具有革命性，一个基本的标准是看其能否改变人们对于世界和自身的看法。例如，在物理学中，我们之所以认定相对论对于经典力学是革命性的，在很大程度上就是因为前者改变了后者给我们提供的时空观。那么，较之传统社会科学，计算社会科学是否也具有类似的革命性，即改变人们对于人类社会的基本看法? 本文认为，从两个维度来看，回答是肯定的。
一个维度是关于个体与社会之间的关系。在传统社会科学中，存在着方法论上的个体主义与整体主义之争，而这种争论之所以一直持续，是因为两者所基于的本体论允诺不同。个体主义认为人类社会是由个体所组成的，离开了个体的存在，也就没有了作为整体的社会，因而个体的实在性才是基本的。反之，整体主义认为，社会实在是独立自主的，而每个个体总是处于这种社会实在的影响中，也只有在这种社会实在中，个体才成为真正意义上的人。前文已提及，不同于个体主义和整体主义，在计算社会科学中，社会是由个体作为节点( 自主体) 而相互关联形成的动态网络，因而个体与社会之间的关系实际上是节点与节点之间的连线; 个体的意义不仅取决于其在网络中所担当的角色和发挥的作用，而且总是受到与其相关联的其他个体所构成的网络的影响。可以看出，无论是个体主义还是整体主义，在本体论上均是将个体与社会之间的关系看成是不同层次的、垂直的，而计算社会科学却只允诺个体之间的同层次( 网络) 关系，故而是水平的。由此可见，在本体论允诺上，计算社会科学不仅突破和超越了个体主义与整体主义之争，而且给我们展现了别样的社会实在图景。
另一个维度是何种基质构成社会网络的节点和连线。在传统哲学中，存在着一个流行却经不起推敲的本体论允诺: 实在世界归根到底是由物质、能量和信息所组成的。之所以说经不起推敲，基本的理由是该允诺违背了实在世界的统一性和一元性。事实上，当代科学的发展已经告诉我们，不仅实体性的物质不是基本的，而且其和能量均可以化归为更基本的要素———信息，即信息和信息变换( 即计算) 才是构成实在世界的“本原”①。这便是当代计算主义的基本主张，从根本上说也是我们看待世界的一种方式。在此，如果将这一关于世界的基本主张应用于社会实在，那么我们可自然地推定: 人类社会是一个由信息和计算构成的动态网络。
综合以上两个分析的维度，我们就得到了更为具体的本体论允诺: 社会实在是一张动态的信息—计算之网; 将这张网络连接起来的是信息流( 计算过程) ，而个体( 作为自主体) 又是构成社会之网的基本的信息节点，承担着接收、处理、生产和输出信息的角色。通过不断与他人进行信息互动，并与信息( 或认知) 工具发生整合，处于网络中的个体创造和运用信息的能力得以增强，其结果是，社会结构和功能的复杂性以及进化的速率也相应提高。这一切表明，人类社会实质上是一个不断进化着的复杂的信息—计算系统，而人则是生产信息和消费信息的“物种”。可见，在本体论上，计算社会科学确实改变了我们对于社会和人自身的看法，因而具有革命性的意义。
四、基本的研究策略
基于上述的本体论预设，我们就可以阐明计算社会科学的研究策略。既然社会实在可看作是个体( 作为信息生成和变换的节点) 之间实现信息互动的网络，那么，一个自然的研究策略是运用模型来表征和展现这样的网络。从原则上说，借助于功能强大的计算机，我们可以通过建立复杂的模型来真实地映射某个社会网络的结构和过程。但是，倘若所研究的社会网络足够复杂，实际上这样的真实映射并不可行。因此，在实际的社会研究中，研究者一般是通过抽象来建立可操作的基于自主体模型。运用这样的模型，虽然我们无法对社会网络的结构和过程作逼真的复制及再现，但通过抓住体现自主体之间互动的基本或主要的信息，在计算机上实现模型的运行，就可以探索与之相对应的社会结构和过程的一般模式，特别是能够理解在什么条件下社会系统会突现出新行为，并对社会衍化的可能趋势作出预言。如今，基于自主体模型是进行社会理论研究和为决策提供优化方案的主要方法。
更为自然的是，既然一个社会系统可看作是信息之网，那么，只要拥有记录和处理承载信息的数据的技术工具，我们就能够对信息分布和互动的模式作直接描述，从而更直观地把握社会现象和过程。正如前文所述，大数据和云计算等技术工具可为我们理解社会现象提供更广、更深及更丰富的经验数据，而模式识别和机器学习等人工智能技术又使得从这些数据中直接获取经验概括或模式变得可行。目前，运用大数据分析社会现象和人的行为已经成为计算社会科学研究的热点［6］。由于在相当程度上，利用大数据及其产生的模式可以帮助人们更为直观地描述社会现象，并提高对社会过程和人的行为的变化趋势作出预言的可靠性，于是引发出一些哲学问题和争论。其中，有两个问题特别值得关注: 一是由于随着大数据和人工智能技术等的发展，我们似乎可以直接从数据中获得经验和模式，而这是否意味着“理论的终结”? 也就是说，是否不再需要用理论假设来解释和理解社会现象①? 另一个是运用大数据等技术手段，我们确实可以在一些方面提高对社会系统衍化或人的行为的预言能力，但这种能力提高的限度是什么? 是否意味着能够突破原本对于复杂社会现象不可预言的局限?
还有，认定社会作为信息—计算之网，而个体是在这个网络中处理信息的节点，这样，我们就能够在一定程度上突破传统社会科学进行真实实验的困难。目前，虚拟实验的运用就是这种突破的具体表现。虚拟实验以互联网为平台，通过参与实验的个体之间的信息互动，来研究社会行为的发生和变化。在实验中，实验对象( 个体) 实际上被看作是不断进行信息接收、处理、生成和输出的自主体，而对他们的数量和行为则可以进行一定的控制或干预，实验的过程和结果又可被直接地、客观地记录及处理。因而，这样的虚拟实验类似于自然科学中的实验，能够研究社会现象和社会变化的过程，并为社会理论的建构和社会假设的检验提供经验基础。
目前，基于这两个基本策略的研究正在经济学、政治学、社会学和历史学等主要社会科学领域中蓬勃展开，而相应的研究成果频频呈现在《科 学》和《自然》等这些以往主要刊登自然科学论文的顶尖杂志中。这预示着，社会科学的研究面貌将会发生重大变化。
本文来源于河北学刊,2019,39(05)
转自：“量化研究方法”微信公众号
如有侵权，请联系本站删除！
