【摘要】目前的社會(huì)科學(xué)研究多集中在過(guò)去和現(xiàn)在的時(shí)間向度，且研究重心往往集中在描述和解釋兩個(gè)方面。在大模型等人工智能技術(shù)的輔助之下，通用人工智能時(shí)代將快速到來(lái)，世界可能會(huì)進(jìn)入一種“智能失重”的狀態(tài)。關(guān)于未來(lái)的研究，文學(xué)想象和哲學(xué)思辨雖非常重要，但還遠(yuǎn)遠(yuǎn)不夠，思考如何將實(shí)證方法引入未來(lái)研究至關(guān)重要。量化未來(lái)就是用定量的思路來(lái)測(cè)量未來(lái)，具體可以在實(shí)驗(yàn)方法和結(jié)構(gòu)估計(jì)兩方面實(shí)現(xiàn)突破。量化未來(lái)的可能性議題主要體現(xiàn)在對(duì)通用人工智能的應(yīng)對(duì)上。通用人工智能到來(lái)之后，超風(fēng)險(xiǎn)社會(huì)似乎不可避免。有效調(diào)速主義是一種理想方案，而量化未來(lái)則可被視為有效調(diào)速主義的一種操作性版本。最終，人們可能會(huì)在這種對(duì)未來(lái)相對(duì)精準(zhǔn)的把握中實(shí)現(xiàn)一種有助于決策的預(yù)測(cè)科學(xué)。

【關(guān)鍵詞】量化未來(lái) 大模型 通用人工智能 預(yù)測(cè)科學(xué)

【中圖分類(lèi)號(hào)】TP18/C1 【文獻(xiàn)標(biāo)識(shí)碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2024.02.003

【作者簡(jiǎn)介】高奇琦，華東政法大學(xué)政府管理學(xué)院教授、博導(dǎo)，政治學(xué)研究院院長(zhǎng)。研究方向?yàn)楸容^政治、全球治理與科技政治。主要著作有《比較政治學(xué)：學(xué)科、議題與方法》、《人工智能：馴服賽維坦》、《人工智能Ⅱ：走向賽托邦》、《人工智能治理與區(qū)塊鏈革命》（合著）等。

如何對(duì)未來(lái)進(jìn)行研究？未來(lái)可以量化嗎？這其中會(huì)有哪些關(guān)鍵的議題？本文將圍繞量化未來(lái)這一議題展開(kāi)討論，分析社會(huì)科學(xué)走向預(yù)測(cè)科學(xué)的前景，以期對(duì)上述問(wèn)題進(jìn)行回答。

未來(lái)研究的困境：不可能完成的任務(wù)？

人類(lèi)的時(shí)間可以被分成三部分：過(guò)去、現(xiàn)在與未來(lái)。就目前的社會(huì)科學(xué)研究而言，大量的研究主要是關(guān)注現(xiàn)在和過(guò)去，即圍繞現(xiàn)在或過(guò)去的某種狀態(tài)進(jìn)行描述性研究。多數(shù)的實(shí)證科學(xué)會(huì)以統(tǒng)計(jì)的方式或參與式觀(guān)察的方式介入現(xiàn)實(shí)空間之中，然后將現(xiàn)狀整體性地描述出來(lái)。統(tǒng)計(jì)的優(yōu)點(diǎn)是數(shù)據(jù)量較大。從樣本選擇的角度來(lái)講，它產(chǎn)生的選擇性偏誤比較小，容易形成整體性描述。其缺點(diǎn)在于，它會(huì)以一種整體的、宏觀(guān)的方式呈現(xiàn)，因此不容易看到事情的內(nèi)部機(jī)制。參與式觀(guān)察則可以通過(guò)一種微觀(guān)的內(nèi)部呈現(xiàn)，讓人們僅通過(guò)案例就可以了解其內(nèi)在機(jī)理。但是，參與式觀(guān)察產(chǎn)生的問(wèn)題往往在于，為什么選擇這一案例而不選擇其他案例？這樣的選擇本身就可能存在偏差。

無(wú)論是量化研究，還是質(zhì)性研究，其首先會(huì)發(fā)揮一種描述性的功能，即先要把現(xiàn)在的情況描述清楚，同時(shí)在描述的基礎(chǔ)之上進(jìn)行一定程度的解釋。對(duì)過(guò)去的研究則是歷史研究。歷史研究的傳統(tǒng)方法是基于文本，因?yàn)殛P(guān)于歷史的記錄主要以一種文本的方式來(lái)呈現(xiàn)。今天在定量研究手段的輔助之下，人們可以運(yùn)用各種定量的工具，對(duì)歷史進(jìn)行量化研究。但實(shí)際上這樣的量化歷史同樣是基于文本的，因?yàn)槲覀儾⒉荒芤约?xì)顆粒度的方式把歷史還原出來(lái)，而只能對(duì)文本中記錄的歷史進(jìn)行量化。當(dāng)然，這樣的量化歷史研究同樣可以發(fā)揮大樣本的作用，因?yàn)樗腔诟髷?shù)據(jù)量的全景式展示，因此能在一定程度上避免選擇性偏誤。[1]換言之，在歷史研究中，傳統(tǒng)研究會(huì)選擇一些具體的案例，甚至對(duì)史料的選擇也會(huì)很具體?；诹炕瘹v史的視角，我們不免產(chǎn)生這樣的疑問(wèn)：案例選擇的依據(jù)是什么？為什么不用數(shù)據(jù)將完整的歷史展示出來(lái)？

總之，就目前的社會(huì)科學(xué)研究而言，絕大多數(shù)研究集中在描述層面，目的是要將實(shí)際情況展現(xiàn)出來(lái)。在描述的基礎(chǔ)之上，研究者會(huì)進(jìn)一步討論一些變量之間的因果關(guān)系，這就會(huì)進(jìn)入解釋的部分，即通過(guò)描述性研究，最終得以解釋為什么一些現(xiàn)象會(huì)發(fā)生，進(jìn)而找到結(jié)果變量與解釋變量之間的因果性關(guān)聯(lián)。[2]比如龐珣就提到，社會(huì)科學(xué)的主流研究長(zhǎng)期是解釋性研究，具有一種“向后看”的研究傳統(tǒng)。[3]然而，研究還有第三個(gè)功能，即預(yù)測(cè)功能。要實(shí)現(xiàn)預(yù)測(cè)功能是極為困難的，即便是量化的研究應(yīng)用的模型也主要是一些線(xiàn)性模型，即通過(guò)回歸的方法來(lái)對(duì)未來(lái)進(jìn)行預(yù)測(cè)。由于現(xiàn)實(shí)情況往往非常復(fù)雜，因而用線(xiàn)性邏輯來(lái)預(yù)測(cè)未來(lái)是很難實(shí)現(xiàn)的。就實(shí)際的結(jié)果來(lái)看，社會(huì)科學(xué)界經(jīng)常會(huì)表現(xiàn)出某種知識(shí)的無(wú)力，因?yàn)槊枋龊徒忉尪际菍?duì)發(fā)生過(guò)的事情的一種整理，而并不能對(duì)沒(méi)有發(fā)生的事情進(jìn)行一定程度的預(yù)測(cè)。例如，冷戰(zhàn)結(jié)束之后，美國(guó)的國(guó)際關(guān)系學(xué)界不斷進(jìn)行反思：為什么大量研究都沒(méi)有預(yù)測(cè)到冷戰(zhàn)的結(jié)束？這實(shí)際上就反映了一種知識(shí)的無(wú)力。[4]

因此，就研究的三種功能而言，描述是最為簡(jiǎn)單的，普通人就可以直觀(guān)地感受當(dāng)下的一些情況。換言之，不經(jīng)過(guò)科學(xué)的過(guò)程，個(gè)人也可以直接描述社會(huì)現(xiàn)象。只不過(guò)，個(gè)體的描述是一個(gè)小樣本的描述。相對(duì)而言，基于大樣本的量化分析得出的結(jié)論會(huì)更加科學(xué)。然而，由于很多案例看起來(lái)非常相似，因此個(gè)體的描述往往具有某種敘事功能，如果某個(gè)個(gè)體的描述有較大的通約性，則也可以引起他人的共情。這就是為什么個(gè)體的感受可以瞬間引爆輿論，在全網(wǎng)得以流行的一個(gè)社會(huì)基礎(chǔ)。關(guān)于原因的解釋?zhuān)艽蟪潭壬鲜且环N敘事的建構(gòu)。從敘事的邏輯來(lái)看，并不存在絕對(duì)的因果，或者說(shuō)因果是基于某種敘事框架建構(gòu)起來(lái)的。在敘事之前，會(huì)預(yù)先存在某種類(lèi)似于框架圖的東西，即康德所討論的圖式。[5]路德維希·維特根斯坦（Ludwig Wittgenstein）對(duì)這些問(wèn)題也有過(guò)討論，即先有某種解釋的圖式，然后人們會(huì)將這種圖式運(yùn)用到一些案例的解釋中。[6]當(dāng)然，解釋學(xué)也有一些新的進(jìn)展，例如保羅·利科（Paul Ricoeur）的解釋學(xué)更加強(qiáng)調(diào)讀者對(duì)案例的解釋和再創(chuàng)作的過(guò)程。[7]漢斯-格奧爾格·伽達(dá)默爾（Hans-Georg Gadamer）的解釋學(xué)則進(jìn)一步強(qiáng)調(diào)，最終的解釋要達(dá)到一種視域融合，[8]即一種解釋之所以流行，并不是通過(guò)某種強(qiáng)制力的方式植入人們的心靈，而是這個(gè)故事的解釋框架與受眾的理解產(chǎn)生了某種共鳴。

然而，問(wèn)題是如何研究未來(lái)？或者說(shuō)，如何讓研究具有某種預(yù)測(cè)功能，這一點(diǎn)在現(xiàn)有的研究中極為少見(jiàn)。20世紀(jì)70年代，在西方出現(xiàn)了一波未來(lái)學(xué)的發(fā)展浪潮，阿爾文·托夫勒（Alvin Toffler）和丹尼爾·貝爾（Daniel Bell）是其中的代表性學(xué)者。[9]未來(lái)學(xué)的研究成果對(duì)實(shí)踐產(chǎn)生了巨大影響，人們似乎可以通過(guò)未來(lái)學(xué)作品了解社會(huì)發(fā)展趨勢(shì)。同時(shí)，這樣的未來(lái)學(xué)作品在某種程度上也發(fā)揮了“自我實(shí)現(xiàn)的預(yù)言”的功能。[10]粗線(xiàn)條描述未來(lái)的框架效應(yīng)，也會(huì)影響人們對(duì)未來(lái)的認(rèn)知和構(gòu)建。人們并不知道是這些未來(lái)學(xué)家預(yù)見(jiàn)到了未來(lái)，還是他們對(duì)未來(lái)的預(yù)見(jiàn)加深了人們對(duì)未來(lái)的理解，從而使得人們根據(jù)他們對(duì)未來(lái)的預(yù)見(jiàn)來(lái)塑造未來(lái)?？傊@樣的未來(lái)學(xué)研究在實(shí)踐中產(chǎn)生了巨大影響。

然而，嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)研究對(duì)這種未來(lái)學(xué)成果并不是特別認(rèn)同，因?yàn)閺目茖W(xué)研究的角度來(lái)講，其并不是一個(gè)特別“科學(xué)主義”的成果。西方近來(lái)的科學(xué)研究更加強(qiáng)調(diào)實(shí)證主義，哲學(xué)一直是社會(huì)科學(xué)各分支學(xué)科知識(shí)的核心。例如，在政治學(xué)研究領(lǐng)域，最核心的知識(shí)是圍繞著政治哲學(xué)展開(kāi)的，由于哲學(xué)擁有較高的抽象程度，因而成為基礎(chǔ)理論的部分。然而，近代以來(lái)的科學(xué)主義傳統(tǒng)卻強(qiáng)調(diào)如何將這些抽象的哲學(xué)判斷以某種實(shí)證主義的方式呈現(xiàn)。因此，近代實(shí)證主義科學(xué)的發(fā)展更加強(qiáng)調(diào)用經(jīng)驗(yàn)的方法（如可觀(guān)測(cè)的事實(shí)）對(duì)一些社會(huì)現(xiàn)象或政治現(xiàn)象進(jìn)行科學(xué)主義的觀(guān)察。在這一過(guò)程中，描述自然就成為第一要?jiǎng)?wù)。同時(shí)，因?yàn)槊枋鐾且环N表面性的，因此進(jìn)一步的研究便是解釋。這樣的研究主要圍繞著現(xiàn)在和過(guò)去展開(kāi)。對(duì)未來(lái)的研究一直不是主流，因?yàn)槠洳痪邆淇晒┭芯康慕?jīng)驗(yàn)數(shù)據(jù)。那么，對(duì)于未來(lái)的研究，似乎從實(shí)證主義角度來(lái)看，就是一種烏托邦的想象，或者是一種海市蜃樓式的空談。這種實(shí)證主義的科學(xué)范式在實(shí)踐中面臨非常大的困難，因?yàn)檫@樣的研究只關(guān)心現(xiàn)在和過(guò)去，而無(wú)法對(duì)未來(lái)進(jìn)行預(yù)測(cè)。

誰(shuí)最關(guān)心未來(lái)？應(yīng)該是產(chǎn)業(yè)界人士（包括創(chuàng)新者和投資人）。對(duì)于他們而言，誰(shuí)掌握了未來(lái)，誰(shuí)就掌握了新的財(cái)富密碼。通過(guò)提前布局，他們可能獲得超額的利潤(rùn)。從這個(gè)角度來(lái)講，在實(shí)踐領(lǐng)域探索的人們更加希望探知未來(lái)。然而困難在于，未來(lái)學(xué)不是實(shí)證科學(xué)。實(shí)際上，關(guān)于未來(lái)的研究以及預(yù)測(cè)科學(xué)的影子，可以在中國(guó)的知識(shí)體系中找到一些源頭。例如，《周易》本身便是一個(gè)帶有很強(qiáng)預(yù)測(cè)功能的知識(shí)體系。周易分為義理和術(shù)數(shù)，術(shù)數(shù)的本質(zhì)就是推測(cè)未來(lái)，其最初功能就是幫助人們進(jìn)行信息決策。例如，古人在早上外出時(shí)并不知道當(dāng)日的天氣情況，需要基于已有的信息來(lái)進(jìn)行推測(cè)，而《周易》在這方面就能夠發(fā)揮一定的預(yù)測(cè)功能。《周易》的文本絕大多數(shù)都是對(duì)未來(lái)的一種判斷。例如，“利涉大川”就是有利于渡過(guò)大江大河。卦爻辭中關(guān)于吉兇的判斷，也是對(duì)人們是否應(yīng)當(dāng)從事某件事情的一種直接指導(dǎo)。然而，從今天科學(xué)主義的角度來(lái)看待《周易》，其中會(huì)有諸多不可解釋的內(nèi)容。當(dāng)然，《周易》根據(jù)其基本義理，也作出了一些解釋。例如，《周易》的邏輯極為強(qiáng)調(diào)中正，即處于中間的爻會(huì)比邊緣的爻位置更好。[11]從這個(gè)角度來(lái)講，《周易》所表達(dá)的恰恰是一種價(jià)值觀(guān)。盡管其本身有一套復(fù)雜的解釋系統(tǒng)，但是從今天科學(xué)主義的角度來(lái)看，這其中還是有太多的不可解釋性。當(dāng)然，這恰恰也是它的魅力所在。西方現(xiàn)代的一些重要人物，如心理學(xué)家卡爾·榮格（Carl Jung）、物理學(xué)家尼爾斯·玻爾（Niels Bohr）等都對(duì)《周易》內(nèi)含的一些深刻價(jià)值極為推崇，并認(rèn)為其中有關(guān)于未來(lái)的重要啟示。[12]但實(shí)際上，《周易》并沒(méi)有實(shí)現(xiàn)很好的科學(xué)化。

為什么今天一定要去研究未來(lái)？因?yàn)槲磥?lái)正在加速而來(lái)。特別是在大模型等人工智能技術(shù)的輔助之下，通用人工智能時(shí)代可能會(huì)快速到來(lái)。但是，面對(duì)這樣一個(gè)劇烈變化的社會(huì)，人類(lèi)似乎并沒(méi)有做好完全的準(zhǔn)備。我們可能會(huì)進(jìn)入一種“智能失重”的狀態(tài)。人是知識(shí)的最重要產(chǎn)出者。當(dāng)然，這是在大模型出現(xiàn)之前。換言之，我們所處時(shí)代的絕大多數(shù)知識(shí)是由人類(lèi)個(gè)體產(chǎn)生的。大模型出現(xiàn)之后，大量的知識(shí)生產(chǎn)可能逐漸由智能體來(lái)完成，而人們并沒(méi)有做好這樣的準(zhǔn)備。在一個(gè)智能體“接管一切”的未來(lái)社會(huì)中，人們應(yīng)該如何生活？人們自身的知識(shí)生產(chǎn)應(yīng)該如何進(jìn)行？當(dāng)這樣一個(gè)時(shí)代突然來(lái)臨的時(shí)候，人類(lèi)個(gè)體需要面臨類(lèi)似于突然被拋到了太空中的失重狀態(tài)。在這種狀態(tài)下，人類(lèi)個(gè)體將無(wú)法穩(wěn)定站立，因?yàn)槠渥鳛橹R(shí)生產(chǎn)者的意義被抽空了。

未來(lái)，在“智能失重”的狀態(tài)之下，人類(lèi)要如何適應(yīng)這個(gè)時(shí)代？要回答這一問(wèn)題，對(duì)未來(lái)的研究就變得極為重要。現(xiàn)階段關(guān)于未來(lái)的研究，主要有兩類(lèi)：第一，文學(xué)想象。這種想象可以天馬行空，不受任何約束，因?yàn)槲膶W(xué)作品本身就是虛構(gòu)式表達(dá)，在其中可以進(jìn)行任意設(shè)定。只要符合基本的邏輯，創(chuàng)作者可以展開(kāi)任意合理想象。第二，哲學(xué)思辨。運(yùn)用哲學(xué)的基本邏輯和思路，研究者也可以進(jìn)行想象。當(dāng)然，這樣的想象與科幻小說(shuō)的想象完全不同，需要符合哲學(xué)推理的基本邏輯，即基于目前已有知識(shí)反映出的一些基本規(guī)律。或者說(shuō)，是一種哲學(xué)意義上的推理和推斷。因?yàn)槲覀兯莆盏年P(guān)于未來(lái)的信息寥寥無(wú)幾，所以這樣的推理更多是一種邏輯推理。其中的一些條件設(shè)定可能會(huì)帶有一定的想象成分，但是這里的想象不能是天馬行空的想象，而要基于現(xiàn)實(shí)主義的邏輯。無(wú)論是科幻小說(shuō)還是哲學(xué)思辨，都是一種對(duì)未來(lái)可能性的構(gòu)設(shè)，其目的都是將未來(lái)發(fā)展的可能性呈現(xiàn)出來(lái)，對(duì)其中可能蘊(yùn)含的風(fēng)險(xiǎn)進(jìn)行預(yù)警。這些研究對(duì)我們理解未來(lái)極為重要。

然而，在筆者看來(lái)，這還遠(yuǎn)遠(yuǎn)不夠，因?yàn)檫@些研究的價(jià)值可能會(huì)被低估或輕視。文學(xué)作品是一種純粹的想象，因此人們?cè)诮邮苓@類(lèi)信息時(shí)，往往會(huì)把它當(dāng)成一種娛樂(lè)或消遣，而非嚴(yán)肅的東西。哲學(xué)思辨足夠嚴(yán)肅，但由于其過(guò)于抽象，人們的接受度偏低?；蛟S人們會(huì)認(rèn)同其中的一些判斷，但是真正將其與自己的實(shí)際工作關(guān)聯(lián)起來(lái)的情況則可能會(huì)相對(duì)較少。因此，如何將哲學(xué)思辨提出的一些重要命題引入實(shí)證主義的研究至關(guān)重要。例如，可以對(duì)一些未來(lái)的可能性判斷進(jìn)行更加科學(xué)主義的嚴(yán)謹(jǐn)表述，再通過(guò)相應(yīng)的數(shù)據(jù)或者測(cè)量方法將其以科學(xué)方式呈現(xiàn)出來(lái)。換言之，這里的一個(gè)基本考慮就是將實(shí)證思維引入未來(lái)研究。當(dāng)然，這是一個(gè)看起來(lái)不可能完成的任務(wù)。因?yàn)殛P(guān)于未來(lái)，我們并沒(méi)有任何可供研究的實(shí)證數(shù)據(jù)，同時(shí)我們又要用可觀(guān)察的方式來(lái)研究未來(lái)。從傳統(tǒng)思路上來(lái)看，這是一個(gè)極難實(shí)現(xiàn)的任務(wù)，但考慮到通用人工智能在當(dāng)前及未來(lái)可能給人類(lèi)社會(huì)帶來(lái)的巨大風(fēng)險(xiǎn)，我們必須要實(shí)現(xiàn)思維方式和手段的突破。也因此，這種創(chuàng)新將成為一種“不可能”中的“必要性可能”。

量化未來(lái)的可能性：實(shí)驗(yàn)、結(jié)構(gòu)估計(jì)與預(yù)測(cè)

量化未來(lái)的基本思路，就是對(duì)未來(lái)的可能性進(jìn)行更加精準(zhǔn)的表達(dá)。量化未來(lái)所強(qiáng)調(diào)的更多是一種經(jīng)驗(yàn)性的表達(dá)，這與哲學(xué)的模糊表達(dá)不同。哲學(xué)的表達(dá)強(qiáng)調(diào)抽象性，其概括往往體現(xiàn)為一種模糊性。因此，當(dāng)某種知識(shí)進(jìn)入哲學(xué)層面之后，這樣的表達(dá)很少會(huì)出錯(cuò)。我們很少會(huì)說(shuō)哪些哲學(xué)觀(guān)點(diǎn)是完全錯(cuò)誤的，因?yàn)槠浔磉_(dá)的是一種可能性，同時(shí)由于其設(shè)定的條件比較抽象，人們很難用某個(gè)經(jīng)驗(yàn)事實(shí)去挑戰(zhàn)哲學(xué)觀(guān)點(diǎn)，這也是哲學(xué)的強(qiáng)大之處。與此同時(shí)，由于哲學(xué)觀(guān)點(diǎn)的抽象性，其往往很難得到普遍認(rèn)同而廣泛傳播。從決策的角度來(lái)講，哲學(xué)的某些判斷似乎是對(duì)的，但是落實(shí)到具體建議層面，哲學(xué)似乎很難有直接的貢獻(xiàn)。

量化未來(lái)的思路在于，既要考慮未來(lái)的可能性，又要把這樣的可能性以相對(duì)精確的方式表達(dá)出來(lái)。只有更加精確，才更能體現(xiàn)科學(xué)性，更具說(shuō)服力，并在傳播中產(chǎn)生更大的社會(huì)效應(yīng)。因此，量化未來(lái)就是要用定量的思路來(lái)測(cè)量未來(lái)。這里可以用客觀(guān)數(shù)據(jù)，也可以用主觀(guān)數(shù)據(jù)。接下來(lái)要發(fā)生的事情，可以被看成是當(dāng)下的延展。那么，就可以用當(dāng)下數(shù)據(jù)和過(guò)去數(shù)據(jù)對(duì)未來(lái)的情況進(jìn)行估測(cè)。而主觀(guān)測(cè)量則需要設(shè)定關(guān)于未來(lái)變化的量表，通過(guò)心理測(cè)度來(lái)把握人們?cè)谖磥?lái)可能出現(xiàn)的某些社會(huì)心理狀況。

通過(guò)這種對(duì)未來(lái)的測(cè)量，可以進(jìn)一步推動(dòng)計(jì)算社會(huì)科學(xué)向預(yù)測(cè)性方向發(fā)展。如前所述，目前的社會(huì)科學(xué)主要停留在描述和解釋層面，預(yù)測(cè)性研究較少，且開(kāi)展這樣的預(yù)測(cè)極為困難。然而，伴隨著人工智能和大數(shù)據(jù)等技術(shù)的加速發(fā)展，人類(lèi)社會(huì)的數(shù)據(jù)量越來(lái)越大，人們便可以通過(guò)大數(shù)據(jù)的方法來(lái)推測(cè)未來(lái)。大數(shù)據(jù)方法的基本邏輯就是推測(cè)，亦即預(yù)測(cè)。例如，它可以根據(jù)個(gè)體之前的商品購(gòu)買(mǎi)數(shù)據(jù)推測(cè)其在下一階段購(gòu)買(mǎi)某件商品的概率，這一點(diǎn)已經(jīng)被廣泛地運(yùn)用在各類(lèi)推薦算法和商業(yè)實(shí)踐中。[13]同樣，這一思路也可以被用來(lái)預(yù)測(cè)整個(gè)社會(huì)的某些變化。由于此前有關(guān)人類(lèi)社會(huì)的整體數(shù)據(jù)量偏小，因此實(shí)現(xiàn)這一預(yù)測(cè)非常困難，而當(dāng)數(shù)據(jù)量達(dá)到一定的規(guī)模，這就可能得以實(shí)現(xiàn)。量化未來(lái)的具體方法大致可以沿著以下兩個(gè)方向來(lái)推進(jìn)。

第一，實(shí)驗(yàn)方法。在社會(huì)科學(xué)研究中，實(shí)驗(yàn)方法一直不是主流。首先，實(shí)驗(yàn)方法涉及實(shí)驗(yàn)倫理問(wèn)題，即每個(gè)個(gè)體都應(yīng)該是“目的”。按照康德的理念，人是目的而不應(yīng)該成為手段。因此，讓每個(gè)個(gè)體直接參與實(shí)驗(yàn)，就會(huì)產(chǎn)生一些倫理上的爭(zhēng)議。然而，從科學(xué)性的角度來(lái)講，實(shí)驗(yàn)方法是最為徹底的科學(xué)主義方法。[14]無(wú)論是案例研究還是統(tǒng)計(jì)研究都會(huì)面臨樣本選擇偏誤的問(wèn)題。例如，在案例研究中，為什么會(huì)選擇這樣的案例？在統(tǒng)計(jì)研究中，抽樣邏輯是什么？抽樣的樣本是否能夠反映全樣本狀況？然而，實(shí)驗(yàn)方法的基本邏輯是隨機(jī)選擇樣本。從科學(xué)性角度來(lái)講，這是最為客觀(guān)且可信的方法。已有的實(shí)驗(yàn)方法往往還會(huì)引入博弈論，如多方演化博弈。之前已經(jīng)出現(xiàn)的用計(jì)算機(jī)輔助的仿真方法，本質(zhì)上也是實(shí)驗(yàn)方法的一個(gè)延伸，如基于主體的模型（Agent-Based Models, ABM）。[15]實(shí)際上，在人工智能飛速發(fā)展的今天，我們還可以在以下兩個(gè)方面進(jìn)一步推進(jìn)實(shí)驗(yàn)研究。第一是元宇宙實(shí)驗(yàn)或游戲?qū)嶒?yàn)，即基于一些大型的游戲開(kāi)展實(shí)驗(yàn)，將其作為實(shí)驗(yàn)的過(guò)程。例如，游戲《我的世界》就具備開(kāi)展此類(lèi)實(shí)驗(yàn)的潛能。第二是多智能體的方法。[16]多智能體是大模型出現(xiàn)之后的一個(gè)重要方向，其基本邏輯是讓大模型來(lái)充當(dāng)智能體。換言之，在傳統(tǒng)的實(shí)驗(yàn)狀態(tài)下，個(gè)人是實(shí)驗(yàn)的對(duì)象。而今天，實(shí)驗(yàn)對(duì)象換成了大模型，這一變化將是革命性的。之前我們?cè)O(shè)定的智能體其實(shí)并不具備一定的智商，其本質(zhì)是一種數(shù)學(xué)的邏輯推理，且無(wú)法產(chǎn)生新的可能性，而反觀(guān)人作為行動(dòng)體，往往會(huì)在已有選擇之外產(chǎn)生其他選擇。多智能體中的行為者已經(jīng)具備了類(lèi)似于人的智商，因此它們?cè)趯?shí)驗(yàn)過(guò)程中能夠發(fā)揮類(lèi)似人的功能。[17]同時(shí)，其也滿(mǎn)足了“人是目的”的要求，即并不是以人為對(duì)象在做實(shí)驗(yàn)，而是以智能體為對(duì)象在做實(shí)驗(yàn)。

第二，結(jié)構(gòu)估計(jì)。其中的基本邏輯是，根據(jù)已有數(shù)據(jù)對(duì)未來(lái)做一些結(jié)構(gòu)性的估測(cè)。這一方法在宏觀(guān)經(jīng)濟(jì)學(xué)中較為普遍，其更多依賴(lài)數(shù)學(xué)方法和計(jì)算。例如，西方經(jīng)濟(jì)體在經(jīng)歷一段時(shí)間之后就會(huì)產(chǎn)生新的經(jīng)濟(jì)危機(jī)，因此是否可以通過(guò)一種強(qiáng)數(shù)據(jù)計(jì)算的方法來(lái)計(jì)算未來(lái)，并通過(guò)一些有效的政策干預(yù)來(lái)避免這種經(jīng)濟(jì)危機(jī)的發(fā)生？這實(shí)際上是計(jì)劃經(jīng)濟(jì)的一個(gè)基本思路。上世紀(jì)50年代，全世界范圍內(nèi)左翼政黨的執(zhí)政都反映了這樣一種傾向，其基本思路就是量化未來(lái)，即通過(guò)對(duì)未來(lái)的一種結(jié)構(gòu)性估測(cè)，避免一些集體非理性情況的發(fā)生。當(dāng)然，人類(lèi)的知識(shí)是在不斷調(diào)整中進(jìn)步和發(fā)展的。進(jìn)入20世紀(jì)七八十年代，新自由主義的浪潮卷土重來(lái)，計(jì)劃經(jīng)濟(jì)的思路似乎陷入了循環(huán)背景下的困境。[18]換言之，其在當(dāng)時(shí)的歷史背景下過(guò)時(shí)了。其中的一個(gè)重要原因可能是，當(dāng)時(shí)的數(shù)據(jù)量不夠，計(jì)算能力有限。那么，在今天數(shù)據(jù)量和算力快速增加的背景之下，人們是否可以通過(guò)更加精準(zhǔn)的計(jì)算來(lái)預(yù)測(cè)一些風(fēng)險(xiǎn)，并對(duì)其進(jìn)行防范，是可以探討的。實(shí)際上，碳中和計(jì)劃就是另一種形式的量化未來(lái)。

碳中和計(jì)劃的一個(gè)基本思路是，通過(guò)已有的數(shù)據(jù)來(lái)推測(cè)碳排放在未來(lái)的某個(gè)時(shí)間點(diǎn)可能會(huì)導(dǎo)致的重大變化。例如，如果自工業(yè)化以來(lái)整個(gè)地球的溫度上升兩度，將會(huì)在何種程度導(dǎo)致冰川融化和海平面上升，然后，再通過(guò)已有的碳排放水平和工業(yè)化速度來(lái)推算未來(lái)的碳排放量。[19]這便是一種基于已有數(shù)據(jù)對(duì)未來(lái)的結(jié)構(gòu)性估計(jì)。這種估計(jì)希望得到的結(jié)論是，在未來(lái)的某個(gè)時(shí)間點(diǎn)，如果人類(lèi)不加節(jié)制地進(jìn)行碳排放，最終會(huì)給全球生態(tài)帶來(lái)無(wú)法挽回的重大損失，這本質(zhì)上是一種量化未來(lái)的思路。即從未來(lái)可能的糟糕情況和確定不能逾越的障礙來(lái)倒推我們今天可以容納的碳排放上限，對(duì)碳排放進(jìn)行更加精細(xì)的量化，同時(shí)引入市場(chǎng)交易機(jī)制，這便是歐盟建立碳市場(chǎng)和征收碳稅的基本思路。實(shí)際上，這種對(duì)未來(lái)進(jìn)行的量化以及結(jié)合金融手段對(duì)未來(lái)風(fēng)險(xiǎn)進(jìn)行調(diào)控的思路，可以引入對(duì)未來(lái)人工智能風(fēng)險(xiǎn)的防范之中。

量化未來(lái)的可能議題

前文分別討論了量化未來(lái)的必要性和可行性，這部分將討論量化未來(lái)可能產(chǎn)生哪些操作性的議題。在筆者看來(lái)，之所以要提出量化未來(lái)，一個(gè)重要背景是通用人工智能的快速到來(lái)，及其將對(duì)整個(gè)人類(lèi)社會(huì)產(chǎn)生的重塑性結(jié)果。通用人工智能的到來(lái)將產(chǎn)生極其巨大的風(fēng)險(xiǎn)，但是目前人類(lèi)對(duì)此還沒(méi)有形成一個(gè)理想的應(yīng)對(duì)模式。因此，我們可以借鑒碳中和機(jī)制形成的思路，將未來(lái)的風(fēng)險(xiǎn)通過(guò)可定價(jià)的方式加以估定，把宏大的風(fēng)險(xiǎn)進(jìn)行分解，然后再對(duì)各行為體進(jìn)行風(fēng)險(xiǎn)約束并引入風(fēng)險(xiǎn)交易機(jī)制，如此就有可能實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)的整體掌控。

具體來(lái)看，這一問(wèn)題可能需要在如下幾方面展開(kāi)：

第一，如何精準(zhǔn)地測(cè)定通用人工智能的到來(lái)？對(duì)于通用人工智能，產(chǎn)業(yè)界并沒(méi)有一個(gè)相對(duì)一致的定義。Anthoropic的創(chuàng)始人達(dá)里奧·阿莫迪（Dario Amodei）認(rèn)為，通用人工智能可能會(huì)在未來(lái)2～3年內(nèi)到來(lái)。[20]我們是否可以更加精準(zhǔn)地預(yù)測(cè)它的到來(lái)？當(dāng)然，這里的定義難題在于，通過(guò)什么來(lái)定義？例如，我們可以通過(guò)參數(shù)的數(shù)量來(lái)定義。根據(jù)一些推測(cè)，目前的GPT-4的參數(shù)可能在1.8萬(wàn)億左右。[21]當(dāng)深度神經(jīng)網(wǎng)絡(luò)的參數(shù)達(dá)到百萬(wàn)億級(jí)別時(shí)，會(huì)產(chǎn)生更高程度的智能涌現(xiàn)?；蛘哒f(shuō)，這時(shí)它已經(jīng)跨過(guò)“門(mén)檻”。另外，通用人工智能相當(dāng)于何種超能力也需要定義。例如，它可以在多長(zhǎng)時(shí)間內(nèi)產(chǎn)生哪些人類(lèi)不具備的能力。完成定義之后，我們甚至能夠預(yù)測(cè)“廣島時(shí)刻”的來(lái)臨。筆者在這里化用“奧本海默時(shí)刻”和“廣島時(shí)刻”的概念，將通用人工智能與核武器進(jìn)行類(lèi)比。“奧本海默時(shí)刻”是指羅伯特·奧本海默（Robert Oppenheimer）作為“曼哈頓計(jì)劃”的主持者，在內(nèi)部科學(xué)探索時(shí)，比外界更早看到核武器成功的可能性時(shí)刻。“廣島時(shí)刻”則是美國(guó)將第一顆原子彈在廣島投放的時(shí)刻。在“廣島時(shí)刻”之后，公眾才真正看到核武器的巨大破壞力。就通用人工智能的發(fā)展而言，“奧本海默時(shí)刻”可能已經(jīng)在OpenAI的實(shí)驗(yàn)室發(fā)生過(guò)了。[22]如果我們能夠預(yù)測(cè)通用人工智能“廣島時(shí)刻”的來(lái)臨，就可以在其來(lái)臨之前進(jìn)行體系化的預(yù)警。例如，形成一定程度的超大模型不擴(kuò)散機(jī)制。這樣的超大模型應(yīng)用的超能力及其可能擁有的意識(shí)，將對(duì)整個(gè)人類(lèi)社會(huì)產(chǎn)生重大影響。當(dāng)然，這種量化未來(lái)的研究一定是跨學(xué)科的，其與計(jì)算機(jī)科學(xué)、神經(jīng)認(rèn)知科學(xué)、心理學(xué)、政治學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)和法學(xué)等一系列學(xué)科都有密切關(guān)系。例如，關(guān)于人工智能意識(shí)的定義就是一個(gè)跨學(xué)科問(wèn)題。如何對(duì)人工智能的意識(shí)進(jìn)行更為細(xì)致的量化？如何判定人工智能具備類(lèi)似于人的意識(shí)？心理學(xué)目前做了一些嘗試。例如，一些研究認(rèn)為基于心智理論的測(cè)算，讓ChatGPT完成一些量表，能夠判定其具備類(lèi)似于幾歲孩子的心智。[23]這樣的量表在心理學(xué)領(lǐng)域相對(duì)成熟。那么，我們是否可以研發(fā)出一整套能夠測(cè)定人工智能意識(shí)的新量表？

第二，如何推演各國(guó)在大模型上的投入以及大模型在未來(lái)的發(fā)展?fàn)顩r？這個(gè)問(wèn)題的回答涉及超大規(guī)模大模型的擴(kuò)散問(wèn)題，因?yàn)槠淇赡軙?huì)具備某種超能力，也可能會(huì)產(chǎn)生超級(jí)意識(shí)。對(duì)于這類(lèi)模型，未來(lái)要從根本上形成某種不擴(kuò)散機(jī)制。這種不擴(kuò)散機(jī)制的形成有賴(lài)于頭部參與者之間的合作，這就需要對(duì)各國(guó)在大模型上的已有實(shí)踐以及投入等相關(guān)基礎(chǔ)設(shè)施情況做完整的估測(cè)，然后再通過(guò)某些結(jié)構(gòu)模型推測(cè)其對(duì)大模型部署的情況。

第三，如何測(cè)定未來(lái)可能的失業(yè)狀況？這個(gè)問(wèn)題極為困難，但是也極為重要。當(dāng)失業(yè)率達(dá)到一定的規(guī)模時(shí)，可能會(huì)引發(fā)經(jīng)濟(jì)大蕭條。未來(lái)，失業(yè)率的進(jìn)一步上升將可能會(huì)帶來(lái)哪些方面（尤其是政治領(lǐng)域）的變化，同樣需要我們?nèi)パ芯俊Ｒ獙?duì)未來(lái)的失業(yè)狀況進(jìn)行更加精準(zhǔn)的預(yù)測(cè)，首先要了解當(dāng)前各個(gè)部門(mén)的就業(yè)狀況以及未來(lái)的人口結(jié)構(gòu)，還需要研究大模型在部署的過(guò)程中，可能對(duì)哪些崗位產(chǎn)生替代效應(yīng)。這取決于大模型的部署速度及其受到的一系列與算力相關(guān)的軟硬件條件限制。OpenAI的報(bào)告明確列出了哪些崗位將會(huì)有何種程度的“曝光度”，[24]這實(shí)際上就是某種替代效應(yīng)。但是，這里還要測(cè)算大模型可能會(huì)產(chǎn)生的新就業(yè)崗位，及其會(huì)產(chǎn)生的某種補(bǔ)償效應(yīng)?？傊@是一個(gè)巨量的計(jì)算工作，雖然推進(jìn)起來(lái)困難重重，但意義重大。我們很難做到完全的長(zhǎng)時(shí)段的精準(zhǔn)預(yù)測(cè)，因此也可以先確定一定時(shí)期的估算模型，并在未來(lái)通過(guò)實(shí)際情況進(jìn)行微調(diào)，這會(huì)對(duì)未來(lái)決策有所幫助。

第四，如何對(duì)未來(lái)可能的政治失序情況進(jìn)行估測(cè)？政治失序在很大程度上是由虛假信息泛濫導(dǎo)致的政治不信任所引發(fā)的。換言之，基于大模型的生成式人工智能會(huì)海量地創(chuàng)造非真實(shí)的信息，而這些非真實(shí)信息的泛濫可能會(huì)降低人們的信任度，其中就包括政治信任度。由此，可以通過(guò)新的量表來(lái)測(cè)量人們?cè)谀硞€(gè)時(shí)間點(diǎn)上的政治信任，然后再觀(guān)察這些虛假信息在多大程度上可能會(huì)削弱人們的政治信任。這里也可以做一些結(jié)構(gòu)估計(jì)，即政治不信任達(dá)到何種程度時(shí)可能會(huì)引發(fā)整個(gè)政治系統(tǒng)的結(jié)構(gòu)性風(fēng)險(xiǎn)。總之，我們可以運(yùn)用更加精細(xì)的量化框架來(lái)估測(cè)整個(gè)信任機(jī)制及其演化過(guò)程。

第五，如何測(cè)定通用人工智能的整體風(fēng)險(xiǎn)？前述已經(jīng)對(duì)一些細(xì)分風(fēng)險(xiǎn)進(jìn)行了測(cè)量計(jì)劃的討論。那么，該如何將這些風(fēng)險(xiǎn)用某種類(lèi)似標(biāo)準(zhǔn)化的方式統(tǒng)一進(jìn)行量化，生成某種類(lèi)似于碳交易的整體機(jī)制？換言之，碳交易的整個(gè)思路就是將碳排放作為一種整體性風(fēng)險(xiǎn)進(jìn)行量化。相關(guān)單位都有碳排放的權(quán)利，但是當(dāng)其超過(guò)自己的配額之后，就需額外購(gòu)買(mǎi)碳排放權(quán)。這里，我們可以嘗試對(duì)人工智能的風(fēng)險(xiǎn)進(jìn)行量化，然后再對(duì)相關(guān)方（特別是大模型的部署企業(yè)）進(jìn)行某種程度的風(fēng)險(xiǎn)追溯（或者征收智能稅），那么就可以在一定程度上調(diào)控其部署的速度。同時(shí)，這也可以促使相關(guān)機(jī)構(gòu)在部署大模型的過(guò)程中將一定的資金用于風(fēng)險(xiǎn)防范，從而能夠在一定程度上化解風(fēng)險(xiǎn)。

量化未來(lái)的最終目的：基于決策的預(yù)測(cè)科學(xué)

為何在社會(huì)科學(xué)中一定要推動(dòng)量化未來(lái)的思維？其根本原因是，快速到來(lái)的通用人工智能將帶來(lái)巨大風(fēng)險(xiǎn)。如何對(duì)其進(jìn)行規(guī)制會(huì)成為人類(lèi)社會(huì)下一個(gè)階段面臨的重大難題。充分有效地應(yīng)對(duì)通用人工智能的到來(lái)，哲學(xué)上的理念至關(guān)重要，因?yàn)槠渖婕耙幌盗泻暧^(guān)框架，以及我們的應(yīng)對(duì)態(tài)度。但同時(shí)，理念和行動(dòng)要結(jié)合在一起。正如馬克思所指出的：“哲學(xué)家們只是用不同的方式解釋世界，而問(wèn)題在于改變世界。”[25]我們不僅要像哲學(xué)家一樣從不同的角度來(lái)思考問(wèn)題，還要解決問(wèn)題。而量化未來(lái)的一個(gè)根本目的，就是讓我們可以更加精準(zhǔn)地把握通用人工智能帶來(lái)的整體性風(fēng)險(xiǎn)。從這個(gè)角度來(lái)講，量化未來(lái)不是簡(jiǎn)單的數(shù)字游戲，而要最終服務(wù)于國(guó)家和人類(lèi)社會(huì)的整體決策。例如，董青嶺和劉文龍認(rèn)為，未來(lái)國(guó)際關(guān)系研究有望實(shí)現(xiàn)對(duì)軍事沖突及恐怖主義等議題的精準(zhǔn)預(yù)測(cè)。[26]當(dāng)然，劉辰輝和唐世平的研究也指出，通過(guò)機(jī)器學(xué)習(xí)算法的方式來(lái)預(yù)測(cè)沖突仍然存在一定的局限性。[27]此外，量化未來(lái)還能使我們?cè)诔浞窒硎苋斯ぶ悄苌a(chǎn)力紅利的同時(shí)，最大程度地減少風(fēng)險(xiǎn)。

通用人工智能的到來(lái)，使得人類(lèi)社會(huì)進(jìn)入一種超風(fēng)險(xiǎn)社會(huì)。對(duì)此，烏爾里希·貝克（Ulrich Beck）提出了“世界風(fēng)險(xiǎn)社會(huì)”（World Risk Society）的概念。[28]人類(lèi)社會(huì)誕生至今，一直與風(fēng)險(xiǎn)共存。風(fēng)險(xiǎn)社會(huì)是現(xiàn)代社會(huì)的一個(gè)重要特征，現(xiàn)代社會(huì)增強(qiáng)了人類(lèi)整體應(yīng)對(duì)風(fēng)險(xiǎn)的能力，同時(shí)也使人類(lèi)日益處于劇烈變化的不確定風(fēng)險(xiǎn)之中。而且，許多風(fēng)險(xiǎn)恰恰是人類(lèi)在應(yīng)對(duì)現(xiàn)代化整體風(fēng)險(xiǎn)時(shí)產(chǎn)生的，換言之，在某些我們應(yīng)對(duì)風(fēng)險(xiǎn)的方式中就暗藏著下一種風(fēng)險(xiǎn)產(chǎn)生的可能。在現(xiàn)代化的過(guò)程中，人類(lèi)社會(huì)要實(shí)現(xiàn)整體性的發(fā)展，讓每個(gè)個(gè)體擁有超出前代社會(huì)的財(cái)富，需要大規(guī)模地進(jìn)行生產(chǎn)并開(kāi)展更加緊密的協(xié)作。然而，這種現(xiàn)代化方式也蘊(yùn)藏了人類(lèi)制造的新風(fēng)險(xiǎn)。

今天的人類(lèi)社會(huì)已進(jìn)入一個(gè)超風(fēng)險(xiǎn)社會(huì)，我們?cè)谥悄軙r(shí)代擁有的能力遠(yuǎn)遠(yuǎn)超出工業(yè)革命，其中許多能力都是新技術(shù)賦予的。之所以運(yùn)用這些新技術(shù)，是因?yàn)槲覀兠媾R諸多困難。例如，進(jìn)入工業(yè)革命后期，勞動(dòng)力不足已經(jīng)成為普遍現(xiàn)象，要應(yīng)對(duì)這個(gè)問(wèn)題，就需要通過(guò)“智能體紅利”來(lái)填充之前“勞動(dòng)力紅利”流失所造成的空缺。然而，這種“智能體紅利”一旦開(kāi)啟，則可能帶來(lái)“無(wú)限復(fù)制”并最終對(duì)傳統(tǒng)勞動(dòng)力市場(chǎng)形成巨大沖擊。這一為了應(yīng)對(duì)勞動(dòng)力風(fēng)險(xiǎn)推動(dòng)超高程度的智能化，繼而可能引發(fā)新風(fēng)險(xiǎn)的過(guò)程，即是筆者強(qiáng)調(diào)的超風(fēng)險(xiǎn)社會(huì)的源頭。

那么，如何應(yīng)對(duì)這樣的超風(fēng)險(xiǎn)社會(huì)？顯然，完全阻止已然不可能，因?yàn)槟軌驇?lái)生產(chǎn)力提升的通用性技術(shù)一旦誕生，其幾乎是不可能被阻止的。即便有一些國(guó)家或者區(qū)域出現(xiàn)了阻止新技術(shù)的力量，恐怕日后在歷史的回溯中，也會(huì)被當(dāng)成某種保守主義的笑話(huà)。在新技術(shù)的浪潮之下，制造技術(shù)壁壘、阻礙技術(shù)發(fā)展只能是“螳臂擋車(chē)”。但是，這是不是意味著我們可以完全無(wú)視這樣的風(fēng)險(xiǎn)？當(dāng)前，有效加速主義似乎成為許多國(guó)家的一種主流性方案。但在筆者看來(lái)，有效加速主義并不是一個(gè)值得肯定的取向。

我們可以在量化未來(lái)的基礎(chǔ)之上，提出一種有效調(diào)速主義。在加速主義的背景之下，人類(lèi)社會(huì)的人工智能之旅類(lèi)似于某種“過(guò)山車(chē)體驗(yàn)”，是一個(gè)完全的“驚訝之旅”。我們每個(gè)人都被綁在這樣的過(guò)山車(chē)之上，即便是某些個(gè)體希望停下來(lái)，“驚訝之旅”已然不可回轉(zhuǎn)。從這個(gè)角度來(lái)講，量化就是某種程度上的“安全帶”，通過(guò)在某些位置減緩速度，幫助我們相對(duì)安全地度過(guò)這一旅程，而有效調(diào)速主義就能夠發(fā)揮這樣的功能。同時(shí)，大模型也為我們提供了實(shí)現(xiàn)量化未來(lái)的可能性。大模型本身就是一個(gè)很好的教學(xué)者，沒(méi)有編程基礎(chǔ)的人可以通過(guò)與大模型的對(duì)話(huà)快速地學(xué)習(xí)編程知識(shí)，并讓大模型闡釋和編寫(xiě)某些程序。從這個(gè)角度來(lái)講，只要有一定的學(xué)習(xí)能力，每個(gè)個(gè)體都可以擁有大數(shù)據(jù)采集和分析能力，都可以成為程序員和數(shù)據(jù)分析師。換言之，每個(gè)個(gè)體都擁有一定的量化工具，就可以更容易地參與到量化未來(lái)的工作之中。

結(jié)語(yǔ)

目前的社會(huì)科學(xué)研究絕大多數(shù)主要關(guān)注現(xiàn)在和過(guò)去，對(duì)未來(lái)的研究較少。同時(shí)，多數(shù)研究也主要關(guān)注描述和解釋?zhuān)A(yù)測(cè)性研究相對(duì)較少。大模型的發(fā)展和通用人工智能的快速到來(lái)，使得我們必須研究未來(lái)。關(guān)于如何研究未來(lái)，傳統(tǒng)方法更多基于文學(xué)想象或哲學(xué)思辨，這些對(duì)我們理解未來(lái)都很重要。同時(shí)，我們還需要將實(shí)證思維引入到未來(lái)研究中，更多地采用量化方式來(lái)思考未來(lái)。當(dāng)然，這本身是一個(gè)巨大的困難，因?yàn)槲磥?lái)還沒(méi)有發(fā)生，還沒(méi)有產(chǎn)生相應(yīng)的數(shù)據(jù)。量化未來(lái)的展開(kāi)，可能有兩種方式。第一，通過(guò)實(shí)驗(yàn)的方法。之前的實(shí)驗(yàn)主要通過(guò)演化博弈或基于智能體建模等計(jì)算仿真方式。接下來(lái)，我們可以更多運(yùn)用大模型推動(dòng)多智能體實(shí)驗(yàn)，還可以將這樣的實(shí)驗(yàn)與游戲?qū)嶒?yàn)結(jié)合在一起。第二，根據(jù)已有的數(shù)據(jù)進(jìn)行結(jié)構(gòu)估計(jì)。這實(shí)際上是傳統(tǒng)宏觀(guān)經(jīng)濟(jì)學(xué)的思路，當(dāng)前推進(jìn)的碳中和計(jì)劃便是某種程度的量化未來(lái)，可以將這些思路引入通用人工智能風(fēng)險(xiǎn)的整體防范和應(yīng)對(duì)中來(lái)。

量化未來(lái)的可能性議題主要體現(xiàn)在通用人工智能的應(yīng)對(duì)問(wèn)題上。要實(shí)現(xiàn)這一目的，至少可以嘗試如下幾類(lèi)測(cè)量。例如，對(duì)通用人工智能的精確定義及其未來(lái)可能性的預(yù)測(cè)。再如，對(duì)各國(guó)大模型投入以及未來(lái)可能發(fā)展?fàn)顩r進(jìn)行更加準(zhǔn)確的測(cè)量，這一點(diǎn)對(duì)于我們?cè)谖磥?lái)推動(dòng)超大模型的不擴(kuò)散會(huì)有很大幫助。另外，可以對(duì)未來(lái)的失業(yè)狀況以及可能的由虛假信息導(dǎo)致的政治不信任的失序狀況進(jìn)行更加準(zhǔn)確的估量?？傮w思路是，對(duì)未來(lái)通用人工智能的整體風(fēng)險(xiǎn)進(jìn)行統(tǒng)一的標(biāo)準(zhǔn)化，然后再對(duì)相關(guān)的行為體可能加劇的某類(lèi)風(fēng)險(xiǎn)進(jìn)行類(lèi)似于碳排放權(quán)的測(cè)定、配額發(fā)放和交易，由此從一定程度上對(duì)風(fēng)險(xiǎn)進(jìn)行調(diào)控?？傮w來(lái)看，在通用人工智能到來(lái)之后，人類(lèi)進(jìn)入超風(fēng)險(xiǎn)社會(huì)似乎是不可避免的，對(duì)其持完全拒絕態(tài)度是不可取的。在這一背景下，有效調(diào)速主義似乎是一種方案，而量化未來(lái)則可被視為有效調(diào)速主義的一種操作性版本。最終，人們可能會(huì)在對(duì)未來(lái)相對(duì)精準(zhǔn)的把握中實(shí)現(xiàn)一種有助于決策的預(yù)測(cè)科學(xué)。

（本文系國(guó)家社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目“加快數(shù)字化發(fā)展與建設(shè)數(shù)字中國(guó)的政治保障研究”的階段性成果，項(xiàng)目編號(hào)：21AZD021）

注釋

[1]陳志武：《量化歷史研究的過(guò)去與未來(lái)》，《清史研究》，2016年第4期。

[2]M. Marini and B. Singer, "Causality in the Social Sciences," Sociological Methodology, 1988, 18.

[3]龐珣：《定量預(yù)測(cè)的風(fēng)險(xiǎn)來(lái)源與處理方法——以“高烈度政治動(dòng)蕩”預(yù)測(cè)研究項(xiàng)目的再分析為例》，《國(guó)際政治科學(xué)》，2017年第3期。

[4]J. Gaddis, "International Relations Theory and the End of the Cold War," International Security, 1992, 17(3).

[5]I. Kant, Critique of Pure Reason, translated by W. Pluhar, Indianapolis: Hackett Publishing Company, 1996, pp. 209-219.

[6]L. Wittgenstein, Tractatus Logico-Philosophicus, translated by D. Pears and B. McGuinness, London and New York: Routledge, 2001, pp. 9-12.

[7]例如，利科指出：“理解就是在文本面前的理解自己。”參見(jiàn)保羅·利科：《從文本到行動(dòng)》，夏小燕譯，上海：華東師范大學(xué)出版社，2015年，第123頁(yè)。

[8]H. Gadamer, Truth and Method, New York: Continuum, 1975, p. 367.

[9]前者見(jiàn)A. Toffler, Future Shock, New York: Bantam Books, 1970, p. 1.后者見(jiàn)D. Bell, The Coming of Post-Industrial Society: A Venture in Social Forecasting, New York: Basic Books, 1973, p. 3.

[10]R. Rosenthal and L. Jacobson, Pygmalion in the Classroom: Teacher Expectation and Pupils' Intellectual, New York: Irvington Publishers, 1992, pp. 61-71.

[11]《周易》，楊天才、張善文譯注，北京：中華書(shū)局，2011年，第9頁(yè)。

[12]M. Gu, "The 'Zhouyi' (Book of Changes) as an Open Classic: A Semiotic Analysis of Its System of Representation," Philosophy East and West, 2005, 55(2).

[13]V. Shchutskaya and K. Spirina, "Big Data Behind Recommender Systems," 7 October 2021, https://indatalabs.com/blog/big-data-behind-recommender-systems.

[14]B. Longe, "Experimental Research Designs: Types, Examples & Methods," 27 July 2023, https://www.formpl.us/blog/experimental-research.

[15]詹盧卡·曼佐（Gianluca Manzo）認(rèn)為，ABM可以成為實(shí)現(xiàn)因果推理的重要方式。參見(jiàn)G. Manzo, Agent–Based Models and Causal Inference, Hoboken: John Wiley & Sons, 2022, pp. 49-68.

[16]W. Y. Hua et al., "War and Peace (War Agent): Large Language Model–Based Multi-Agent Simulation of World Wars," 28 November 2023, https://arxiv.org/abs/2311.17227.

[17]尼爾·斯梅爾塞（Neil Smelser）指出，韋伯在研究中就使用了這類(lèi)“設(shè)想的實(shí)驗(yàn)”或“精神實(shí)驗(yàn)”。實(shí)際上，這一點(diǎn)可以在智能體或游戲?qū)嶒?yàn)中更好地得以開(kāi)展。參見(jiàn)尼爾·斯梅爾塞：《社會(huì)科學(xué)的比較方法》，王宏周、張平平譯，北京：社會(huì)科學(xué)文獻(xiàn)出版社，1992年，第162頁(yè)。

[18]M. Dean, "Rethinking Neoliberalism," Journal of Sociology, 2012, 50(2).

[19]R. Williams et al., "How Warming and Steric Sea Level Rise Relate to Cumulative Carbon Emissions," Geophysical Research Letters, 2012, 39(19).

[20]E. Otieno, "Predicting the Future: AI's Leap to Human-Level Intelligence in the Next 2–3 Years," 12 August 2023, https://eliasotieno.medium.com/predicting-the-future-ais-leap-to-human-level-intelligence-in-the-next-2-3-years-da28ae54ec64.

[21]S. Walker II, "GPT-4: How OpenAI Built an AI Model 10x Larger Than GPT-3," 28 September 2023, https://medium.com/@smwii/gpt-4-how-openai-built-an-ai-model-10x-larger-than-gpt-3-3f5eacaad69a.

[22]C. Zakrzewski, "Director Christopher Nolan Reckons with AI's 'Oppenheimer moment'," 30 December 2023, https://www.washingtonpost.com/technology/2023/12/30/nolan-interview-ai-threats/.

[23]L. Tung, "ChatGPT Performs Like a 9-Year-Old Child in 'Theory of Mind' Test," 16 February 2023, https://www.zdnet.com/article/chatgpt-performs-like-a-9-year-old-child-in-theory-of-mind-test/.

[24]T. Eloundou et al., "GPTs are GPTs: An Early Look at the Labor Market ImpactPotential of Large Language Models," 17 March 2023, https://openai.com/research/gpts-are-gpts.

[25]《馬克思恩格斯全集》第3卷，北京：人民出版社，1960年，第6頁(yè)。

[26]董青嶺、劉文龍：《學(xué)科交叉與范式革新：邁向國(guó)際關(guān)系研究的智能分析時(shí)代》，《歐洲研究》，2023年第5期。

[27]劉辰輝、唐世平：《機(jī)器學(xué)習(xí)在沖突預(yù)測(cè)方面的局限——基于對(duì)暴力預(yù)警系統(tǒng)的再檢驗(yàn)與討論》，《世界經(jīng)濟(jì)與政治》，2023年第12期。

[28]U. Beck, "The Terrorist Threat: World Risk Society Revisited," Theory, Culture & Society, 2002, 19(4).

Quantifying the Future and the Prospects of Predictive Science

Gao Qiqi

Abstract: Currently, most social science research focuses on the past and present, with very little research on the future. At the same time, the focus of research is often on describing and explaining functions, and predictions are also rare. With the assistance of artificial intelligence technologies such as large models, the era of artificial general intelligence may quickly arrive. The world may enter a state of intelligent weightlessness. There are mainly two types of research on the future, namely literary imagination and philosophical speculation. These two categories are extremely important, but they are far from enough. Therefore, it is crucial to consider how to introduce empirical methods into future research. Quantifying the future means using a quantitative approach to measure the future. Regarding specific methods for quantifying the future, we can at least make breakthroughs in both experimental methods and structural estimation. Quantitative future research topics can be reflected in the response to artificial general intelligence. After the arrival of artificial general intelligence, a high-risk society seems inevitable. Effective speed regulation is an ideal solution, while quantifying the future can be seen as an operational version of effective speed regulation. Ultimately, people may achieve a predictive science that is helpful for decision-making in this relatively precise grasp of the future.

Keywords: quantifying the future, large model, artificial general intelligence, predictive science

責(zé) 編∕張 貝