徐靜

摘要：機器學(xué)習(xí)是人工智能的重要學(xué)科，本文從認(rèn)識論、科學(xué)方法論和社會能動論闡述了其涉及的哲學(xué)問題。區(qū)別于傳統(tǒng)的經(jīng)濟學(xué)研究方法，機器學(xué)習(xí)在解決“因果關(guān)系”的識別、提高經(jīng)濟預(yù)測的效率和精度、經(jīng)濟行為分類等方向具有良好前景，但也帶來經(jīng)濟現(xiàn)象的絕對主義認(rèn)識論淡化、“形而上學(xué)”與 “不可知論”的沖突、經(jīng)濟倫理問題突出等哲學(xué)問題，因此我們認(rèn)為未來應(yīng)該積極應(yīng)對，增強自我意識和自我知識，注重理論而非依賴方法。

關(guān)鍵詞：機器學(xué)習(xí)哲學(xué);經(jīng)濟學(xué)研究;絕對主義認(rèn)識論

一、機器學(xué)習(xí)的科學(xué)基礎(chǔ)和哲學(xué)基礎(chǔ)

1.1機器學(xué)習(xí)概述

什么是機器學(xué)習(xí)？克拉克獎獲得者經(jīng)濟學(xué)家、斯坦福大學(xué)的蘇珊·艾希（Susan Athey）給出了機器學(xué)習(xí)在社會科學(xué)語境中的定義，即通過開發(fā)適用于特定數(shù)據(jù)的計算機算法，實現(xiàn)聚類、分類及預(yù)測等任務(wù)（Athey，2018） [1]。說得更為透徹一點，就是基于大量的數(shù)據(jù)特征值，不斷優(yōu)化統(tǒng)計計算程序的性能標(biāo)準(zhǔn)，讓程序來實現(xiàn)“學(xué)習(xí)”，發(fā)現(xiàn)數(shù)據(jù)特征并進行統(tǒng)計預(yù)測的任務(wù)。例如，一個電子郵件程序通過監(jiān)視用戶將哪些郵件標(biāo)為垃圾附件而學(xué)會了更好地過濾垃圾郵件，然則用戶將郵件標(biāo)為垃圾郵件就是訓(xùn)練經(jīng)驗。機器學(xué)習(xí)意味著程序能夠自動完成任務(wù)。

機器學(xué)習(xí)是人工智能的核心領(lǐng)域，算法是對人類學(xué)習(xí)過程的模擬，因此經(jīng)常涉及到認(rèn)知、心靈等哲學(xué)方面的內(nèi)容，因而在利用機器學(xué)習(xí)工具時必須進入到哲學(xué)的范疇內(nèi)思考。機器學(xué)習(xí)作為現(xiàn)在最前沿的技術(shù)，國內(nèi)外許多學(xué)者從認(rèn)知科學(xué)、數(shù)據(jù)科學(xué)角度研究機器學(xué)習(xí)哲學(xué)[2]。實際上，機器學(xué)習(xí)的應(yīng)用范圍非常廣泛，具體研究社科領(lǐng)域，尤其是其經(jīng)濟學(xué)領(lǐng)域應(yīng)用相關(guān)哲學(xué)問題的研究很少。因此本文希望從以自身研究實踐為基礎(chǔ)，梳理機器學(xué)習(xí)所帶來的哲學(xué)問題，闡述在我們在學(xué)術(shù)研究過程中引發(fā)的關(guān)于機器學(xué)習(xí)的哲學(xué)思考。

1.2機器學(xué)習(xí)與認(rèn)識論

科學(xué)促進了人類對世界的認(rèn)識，認(rèn)識推動著認(rèn)識論的進步，從而助推了科學(xué)認(rèn)識論的出現(xiàn)。機器學(xué)習(xí)正是對人類一系列活動的模仿，也是對人類認(rèn)識世界過程進行模仿后，將其結(jié)果反映到人類世界的一種學(xué)習(xí)輸出活動[3]。機器學(xué)習(xí)帶給認(rèn)識論的挑戰(zhàn)在于其能否將人類取而代之，我們認(rèn)為這個問題的答案是否定的。首先，機器要想進一步突破人類社會的認(rèn)知極限離不開專家的進一步研究，本質(zhì)上缺少主觀能動性。經(jīng)濟學(xué)理論從現(xiàn)代經(jīng)濟學(xué)誕生到新古典經(jīng)濟學(xué)理論的發(fā)展，而后進入凱恩斯時代，這些都離不開社會形態(tài)、工業(yè)革命、政策干預(yù)等持續(xù)的實踐活動。其次，機器沒有像人一樣的思維認(rèn)識與社會活動，很難與世界建立一種關(guān)聯(lián)。最后，機器缺乏自我意識，不可能像人一樣自發(fā)性的追求自身價值，雖然經(jīng)濟學(xué)假設(shè)消費者都是理性的，但是實際上并不能精確預(yù)測消費者行為和刻畫消費者的效用，人類自我意識無法被機器所描述。

1.2機器學(xué)習(xí)與科學(xué)方法論

在科技高速發(fā)展的今天，機器學(xué)習(xí)已然成為了數(shù)據(jù)研究整理與分析預(yù)測工作中最有價值、最可靠的手段，為人類社會帶來了新的科學(xué)方法論[4]。機器學(xué)習(xí)在應(yīng)用經(jīng)濟領(lǐng)域被廣泛使用。在歸納推理方面，機器學(xué)習(xí)能對數(shù)據(jù)進行學(xué)習(xí)后處理復(fù)雜數(shù)據(jù)，大幅降低金融行業(yè)人力成本并提升風(fēng)控及業(yè)務(wù)處理能力。在演繹推理方面，機器學(xué)習(xí)是一個完整的推理系統(tǒng)，旨在從一般性的結(jié)論中得到特定結(jié)論。

二、機器學(xué)習(xí)經(jīng)濟學(xué)領(lǐng)域的應(yīng)用前景

2.1解決“因果關(guān)系”的基本問題

計量經(jīng)濟學(xué)是對經(jīng)濟變量之間的因果關(guān)系進行定量分析的學(xué)科，指我們在判斷因果關(guān)系是否存在的時候，需要確定個體的反事實狀態(tài)[6]。例如，一個個體服用感冒藥后癥狀減輕，但是這本身并不足以說明服藥和癥狀之間的因果性。我們還需要假設(shè)另外一個反事實狀態(tài)，即如果這個個體沒有服用藥物的話，他或者她的癥狀會如何。經(jīng)濟學(xué)傳統(tǒng)的實證方法主要是統(tǒng)計學(xué)實踐，依賴于主觀的模型設(shè)定，也很容易因為變量的內(nèi)生性導(dǎo)致估計的偏誤。比如說，我們在研究科技創(chuàng)新對GDP的影響時，無法控制所有影響GDP又與科技創(chuàng)新無關(guān)的量保持不變，導(dǎo)致識別的結(jié)果不單單只是科技創(chuàng)新所決定。從這些實踐不難看出，所謂的“因果關(guān)系”，本質(zhì)上是一個控制非觀測因素不變的問題，而這恰恰是機器學(xué)習(xí)方法的強項所在。目前，已經(jīng)有學(xué)者采用各種新的機器學(xué)習(xí)技術(shù)來學(xué)習(xí)一系列解釋變量X與被解釋變量Y之間的相互關(guān)系，機器學(xué)習(xí)與統(tǒng)計回歸的不同在于可以自動識別自變量與自變量之間、當(dāng)前自變量與前一刻自變量之間、因變量與前一刻因變量之間的內(nèi)生性，通過這種對X與Y之間關(guān)系的學(xué)習(xí)，能夠基本解決“因果關(guān)系”的推斷。

2.2提高經(jīng)濟預(yù)測的效率和精度

很多因果推論技術(shù)都是基于傾向值展開的，所謂傾向值，是指個體接納自變量某個特定水平影響的概率，這個概率需要研究者根據(jù)手頭的數(shù)據(jù)進行估計[6]。對于難以預(yù)測的變量，機器學(xué)習(xí)可以識別出周期的變化，同時很好地解決非線性問題，預(yù)測值全部分布在置信區(qū)間內(nèi)，精度很高，可見機器學(xué)習(xí)技術(shù)便具有比較顯著的優(yōu)勢。

三、機器學(xué)習(xí)在經(jīng)濟學(xué)研究中引發(fā)的哲學(xué)問題

3.1經(jīng)濟現(xiàn)象的絕對主義認(rèn)識論淡化

機器學(xué)習(xí)的預(yù)測引入了“黑箱機制”，較之傳統(tǒng)定量研究追求明確、清晰和基于理論的機制性解釋相比，預(yù)測的絕對主義認(rèn)識論色彩有了明顯淡化。在經(jīng)濟學(xué)實證分析中，我們減少了對理論的依賴的關(guān)注，轉(zhuǎn)而依賴算法和數(shù)據(jù)來訓(xùn)練模型和測試模型，導(dǎo)致在進行實證研究中忽略了其邏輯性和路徑。我們僅僅得到機器學(xué)習(xí)的識別和預(yù)測結(jié)果，不知道自變量之間以及自變量和因變量之間的具體關(guān)系，甚至無法把模型用數(shù)理形式表示出來，更不用說去解釋其經(jīng)濟原理和影響機制。這成為利用機器學(xué)習(xí)進行研究中的局限性，使許多宏觀經(jīng)濟層面的研究與該方法不適配。絕對認(rèn)識主義的淡化使機器學(xué)習(xí)的算法并不是完美的，“計量經(jīng)濟”和“機器學(xué)習(xí)”之間存在一種矛盾：“模型可解釋性”與“有效性”的抉擇，“模型精度”和“模型效率”的妥協(xié)，“欠擬合”和“過擬合”的平衡等。

3.2“形而上學(xué)”vs“不可知論”

無論是機器學(xué)習(xí)還是統(tǒng)計學(xué)習(xí)對于樣本的處理尋找一種映射，在經(jīng)濟學(xué)領(lǐng)域映射關(guān)系的構(gòu)建基于社會經(jīng)濟數(shù)據(jù)，依賴于概率工具的判斷。統(tǒng)計學(xué)中對概率的認(rèn)知有兩種：頻率學(xué)派，認(rèn)為參數(shù)是客觀存在的，即“形而上學(xué)”;貝葉斯學(xué)派，認(rèn)為參數(shù)不是固定的，即“不可知論”。機器學(xué)習(xí)面臨一個參數(shù)到底是否存在的問題，估計原理認(rèn)為在宇宙中，到處都存在不確定性，一切都處于運動之中，因此并不存在真實的參數(shù)[7]。計量經(jīng)濟學(xué)領(lǐng)域?qū)颖咎幚韽慕y(tǒng)計學(xué)角度出發(fā)進行參數(shù)估計，哲學(xué)思想更接近于而頻率學(xué)派，相信參數(shù)是客觀存在的，試圖估計“哪個值最接近真實值”，相對應(yīng)地使用最大似然估計、置信區(qū)間和p值，取決于我們對真實值估算的自信和可靠度。

3.3經(jīng)濟倫理問題突出

隨著機器學(xué)習(xí)越來越多地被應(yīng)用在經(jīng)濟當(dāng)中，尤其是大數(shù)據(jù)的處理，導(dǎo)致了經(jīng)濟倫理問題的頻頻發(fā)生。去年新聞報道中，滴滴、阿里巴巴等利用人工智能大數(shù)據(jù)處理造成“殺熟”，例如消費者在淘寶天貓超市購買的同樣一件商品，淘寶對熟客的要價要遠(yuǎn)高于面對新客的價格，這無疑是一種互聯(lián)網(wǎng)的價格歧視，極大地侵害了消費者的權(quán)益。這種大數(shù)據(jù)的信息不對稱與非透明性，更體現(xiàn)了機器學(xué)習(xí)對于傳統(tǒng)經(jīng)濟倫理問題的沖擊，因此我們有必要利用經(jīng)濟倫理規(guī)范人工智能的經(jīng)濟行為。

參考文獻：

[1]林命彬. 智能機器的哲學(xué)思考[D].吉林大學(xué)，2017.

[2]趙彰. 機器學(xué)習(xí)研究范式的哲學(xué)基礎(chǔ)及其可解釋性問題[D].上海社會科學(xué)院，2018.