论计算社会科学的双重功能

2019-02-11 09:47郦全民

上海交通大学学报（哲学社会科学版） 2019年5期

郦全民

(华东师范大学哲学系，上海 200241)

2009年春，一群社会科学家和计算机科学家联名在《科学》上发表了《计算社会科学》一文，这成为计算社会科学正式诞生的一个标志。(1)David Lazer (et al.). Computational Social Science[J]. Science, 2009, Vol.323 (5915)： 721-723.近十年来，这门新兴的交叉学科得到了蓬勃发展：研究成果频频出现在《科学》和《自然》等以往主要刊登自然科学论文的顶级杂志上，研究中心和专业学会相继成立，不少世界著名大学已设立相应的课程或学位。目前，尽管计算社会科学尚未形成统一的和公认的研究纲领，但与传统社会科学相比，其在认知和实用这两个功能维度上，已经显现出自身特有的价值。本文试图通过对这一社会研究新路径的考察，着重探究其在认知功能和实用功能方面的特点、优势以及存在的局限。

一、社会研究的新路径

20世纪80年代以来，以计算机和互联网为标志的信息技术革命，将人类社会不可逆转地带入了全球化的信息时代。在这一新的时代，社会系统的组元、结构、功能和演化方式都发生快速的变化，已经引起了一系列全球性的复杂的社会问题，这对人类构成了巨大的挑战。对个人来说，我们每个生活在当下的人，似乎都感受到了社会的加速变迁，但对于变迁的机制和这种加速究竟会将我们带向何方，却往往感到茫然。

对于社会现象，传统意义上的社会科学家依靠个人体验、个案剖析、抽样调查和统计分析等方法，已经作了大量的实证和理论研究，为理解人类社会和指导人们的行动贡献了巨大的力量。然而，传统社会科学方法因其自身的局限，对于社会现象或社会行为，通常只能给出局部的或者粗略的描述和解释。一旦面对社会的复杂性(如股票市场的崩溃这样的突现现象)和社会系统的动态演化，单凭传统方法就“无能为力”。因此，为了理解当今社会的复杂现象，求解人类所面临的复杂社会问题，就要在研究方法和研究工具上获得突破。可喜的是，当代技术的进步已经或正在为我们创造这样的条件。

就社会科学的研究而言，技术的作用具有两重性。一方面，技术是社会系统复杂性增加的主要动力。纵观人类文明的进化史，不难发现，社会系统的进化是一个复杂性不断增加的过程。从机制上说，这种复杂性的增加主要在于人类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。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，并且运用这些产品记录和处理个体或群体的行为信息，这样就为有效地、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和方法。

显然，随着互联网的迅速普及和发展，人类社会中，自主体(包括个体和群体)之间传播和交流信息变得比以往任何时候都要便捷、快速，并且极大地突破了时空的局限，结果，社会系统的复杂性和社会进化的不确定也大大增加。与此同时，一些可广泛进行信息收集和记录的技术和设备也应运而生，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，这就为研究复杂的社会现象和人的行为提供大量的、多类型的和实时的数据。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，一条社会研究的新路径——计算社会科学——得以产生和发展。

那么，究竟什么是计算社会科学？概括地说，计算社会科学是一门运用计算方法研究社会的交叉学科，关涉计算机科学、数据科学、人工智能、复杂性科学和社会科学的主要领域(如经济学、社会学、政治学和历史学等)；其特点是借助信息通信技术(特别是计算机建模和基于大数据的网络分析)来探寻自主体( agent)之间信息互动的模式，并预言社会系统的演化。(2)目前，关于“计算社会科学”并没有一种公认的界定，这里所作的概括主要参考了文章Computational Social Science和Manifesto of Computational Social Sciecne (Rosaria Conte (et al.). Manifesto of Computational Social Science[J]. The European Physical Journal, 2012, Special Topics 214： 325-346.).

相对于传统的社会科学，计算社会科学研究路径在概念框架、问题、目标和方法等方面都具有自身的特点。例如：由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，着眼于社会的互动和复杂性；因而，其理论和模型中经常使用的是连接、模式、突现和反馈等概念，关注的是像幂定律这样的经验规律。当然，这条计算路径的新颖性最明显地体现于工具和方法。有的学者已经指出，传感器和记录器等数据收集工具对计算社会科学而言，犹如当年伽利略发明的望远镜对于近代科学诞生的作用。(3)Alex Pentland. Social Physics: how good ideas spread-the lessons from a new science[M]. New York： The Penguin Press, 2014： 10.得益于这些工具，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。当今，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”，将人类社会中自主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，结果，关于社会现象和人的行为，我们可以获得比以往任何时候更丰富、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。显然，在获取和处理数据的能力方面，这些工具和方法是社会研究的传统方法所无法比拟的。而且，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，故所获得的数据可由研究者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。(4)Sebastian Benthall. Philosophy of Computational Social Science[J].Cosmos and History： The Journal of Natural and Social Philosophy, 2016, vol.12(2)： 15-16.

目前，在计算社会科学中存在着两种基本的研究策略。从关于计算社会科学的界定中可以看出，这一计算路径预设了社会实在可以视作由自主体(作为信息生成和变换的节点)之间实现信息互动的网络，这样，一个间接的研究策略是运用模型来表征和展现这样的网络。在实际中，研究者一般是通过抽象来建立可操作的基于自主体模型(Agent Based Modeling)。采取这一策略，尽管无法对社会网络的结构和过程进行逼真的复制和再现，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，我们就可以探索相对应的社会结构和过程的一般模式。更为直接的策略是，既然一个社会系统可看作自主体之间信息互动的网络，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进行直接描述，从而直观地把握社会现象和过程。事实上，大数据等技术工具，可为我们理解社会现象提供更广、更深和更丰富的经验数据，而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成为可行。正因为如此，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。

二、社会现象的生成解释

在简要地阐述了计算社会科学的产生背景和基本内涵之后，我们将聚焦于对其功能的探究。一门科学或一个研究路径的功能主要体现在两个方面，即认知和实用。下文我们先分析计算社会科学的认知价值及其特点。

就认知而言，科学的基本价值是帮助人们理解实在世界，而达到理解的基本途径是在对现象进行描述的基础上展开因果解释并作出可靠的预言。传统的科学哲学以物理学作为科学的典范，认为科学解释就是由普遍规律加上先行条件推演出被解释的现象，即采用经典的D-N模型；而对于现代生物学等来说，由于缺乏作为前提的普遍规律，且研究对象的结构和过程具有复杂性，故解释一般是通过描述组元、结构和环境等因素如何整合和实现来说明生物功能，也就是说是一种机制解释。

社会科学要称得上较严格意义上的“科学”，就应当帮助人们理解社会现象发生的原因，也就是具有因果解释的功能。当然，与自然科学的解释相比，社会科学解释的具体模式可有自身的特点。由于社会系统的复杂性，并不存在像万有引力定律这样的普遍规律，也难以从一些相对简单的先行条件来推演具体的社会现象，因此，经典的D-N模型并不适用；而鉴于生物系统也是复杂系统，这样，机制解释似乎更适合于理解社会现象。不过，与生物系统不同，社会系统的组元(个体)具有自主选择和创造的能力，而且所发生的社会现象又具有难以重复等特性，这就决定了社会科学的解释模式将有别于生物学中的机制解释。

事实上，计算社会科学已经为我们提供了解释社会现象的新模式，这就是生成解释(generative explanation)。(5)这一术语首先由爱泼斯坦引入，见Joshua M. Epstein. Generative Social Science： Studies in Agent-based Computational Modeling[M]. Princeton： Princeton University Press, 2006： 4-5.这种解释的出发点正是基于自主体模型。方法是对社会系统的组元、结构和过程的抽象刻画，其中，自主体(组元)之间相互作用可以通过规则加以表达，实质上承担了类似于由规律组成的理论的角色。计算机平台依照自主体以及它们之间的互动规则而运行，模型在一定程度上可反映所表征的社会系统。通常，对于一个复杂的社会系统，运用传统的科学方法(如方程)无法刻画系统的突现过程和现象，而如果能建立关于该系统的基于自主体模型，就可模拟该系统的结构和演化过程。这样，如果需要解释为什么一个社会系统会有如此现象(状态或事件)，我们就可以通过建立合适的模型，并在计算机上实现模拟，来探索为何生成这样的现象。一旦成功，则我们便可认为获得了对该社会现象的一定理解，所以，这种解释是生成的。

可以看出，生成解释是通过建立关于所研究的社会系统的模型，并从模型的运行过程和结果中来获得关于研究对象的理解，故实际上是一种基于模拟方法的解释策略。由于模型所依据的规则是对研究对象的演化机制的刻画，因而，生成解释是一种特殊类型的机制解释。这种特殊性主要体现在：对于社会系统的突现现象，我们既没有可用的普遍规律加以演绎，也不能仅仅停留于对构成系统的组元和结构的静态描述，而需要通过自主体的行为以及它们之间相互作用的规则将过程生成或展开，并在这种过程中获得理解。这就是说，面对一种特殊的或时过境迁的社会现象，基于自主体模型提供的生成解释能够帮助我们理解：在什么规则和条件下，一个社会系统就会突现出如此的现象。例如，财富分布严重不均是一种常见的社会现象，那么，究竟是什么因素造成了这一现象？十几年前，法国物理学家伯查德和美扎德运用基于自主体模型对此进行了研究。他们构建了一个由许多人组成的虚拟的经济社会，其中每个人根据规则来进行投资和与他人交易，并在计算机平台上实现这个社会的演化。他们发现，尽管赋予每个人均等的起始财富和投资本领，但随着社会系统的演化，大部分财富就会自动地聚集到少数人手里。(6)Jean-Philippe Bouchaud, Marc Mézard. Wealth Condensation in a Simple Model of Economy[J]. Physica A： Statistic and al Mechanics and its Applications, 2000, Vol.282(3-4)： 536-545.这样的研究至少原则上可以帮助我们理解，在一定条件下，人类社会中的财富不均实际上是自然过程的产物，而与个人的投资技能甚至智力并没有多少相关性。

三、社会现象的计算预言

目前,在计算社会科学中，更为流行的是运用大数据和机器学习等技术，相对全面地描述、分析社会现象和人的行为，并试图通过挖掘基于大数据的经验模式并运用计算方法作出更为可靠的预言，这样的预言可称为计算预言。

毫无疑问，成功的预言不仅可以确证相关的理论假设或模式，而且可以帮助人们更有效地展开行动。(7)正因为如此，目前社会科学(特别是计算社会科学)中的预言问题已经成为一个学术关注的热点。《科学》杂志2017年还就这一问题出了专辑，见Science, 2017, Vol.355(6324).在自然科学中，能否成功地作出预言是检验假设的基本手段，甚至被看作是一种理论能否称得上科学的主要标准。历史地看，近现代自然科学在预言自然现象方面取得了令人惊讶的成功；与此相对照，传统社会科学，即使是运用了大量数学的经济理论，虽然似乎总能解释社会现象或事件，但在预言尚未发生的社会现象方面几近失败。那么，计算社会科学的预言具有什么新颖性？能否克服传统社会科学在预言上的“无能”？这是目前关于计算社会科学以及大数据究竟有多大价值的争论中所关注的一个焦点问题。

为了阐明计算社会科学究竟能为预言社会现象带来什么，我们有必要先对科学预言及其基本类型作些说明。从认识上讲，科学预言是运用科学知识对未知事物或尚未发生的属性、状态和事件的推测。概括地说，存在着两类基本的科学预言。一类是重复预言，它又分为趋势预言和经验预言。趋势预言是把过去已经发生的状态或事件加以外推，而经验预言是基于重复性的经验规律(或经验概括)作出预言。另一类是新颖预言，即预言人类从未知晓的事物、属性或状态。(8)计算预言是相对于所运用的(计算)方法而言，从内容上说，其既可以是重复预言，也可为新颖预言。历史地看，物理学在这方面最为成功。自从牛顿力学建立以来，人类运用物理学理论，不仅合理地解释了无数自然现象，而且非常成功地预言了许多新颖的东西，如海王星、电磁波、微波背景辐射等。不过，物理学理论之所以成功，恰是因为所预言的事物、属性或过程在实在世界已经存在或者与时间无关，故它们从本体论上说是完备的。当然，像物理学这样的自然科学也经常预言尚未发生的状态或事件，但这些状态或事件通常是关于简单系统的重复或周期性的现象，相应的规律能用可逆的或中间过程可压缩的方程来表示，如天体力学关于日全食的预言。

值得注意的是，不论是重复预言还是新颖预言，在预言本体论上尚未实现(未来)的现象时，均是依据系统以往的状态或再结合规律进行外推，这样，就不仅假定了影响系统的环境因素是不变的或确定的，而且也假定了系统演化的中间过程可以压缩或忽略。但对于复杂系统的演化，这两个假定都有可能出错。如果说，物理学理论在新颖预言方面的成功，很大程度上得益于其所预言的现象已经存在或是简单的，那么，对于本体论上尚未实现的复杂现象，物理学理论能否作出准确的预言，则需要进一步探究。而这恰恰也是计算社会科学所碰到的问题。

我们知道，运用传统社会科学的知识甚至经验常识，就可对许多社会现象作出趋势预言和经验预言；而基于大数据和人工智能技术等，计算社会科学可以获得描述系统状态的更全面、更精准的数据或经验规律，这样，无疑能够提高这类计算预言的准确性并扩大预言的范围。近年来，这方面已经取得了很大的成功。(9)Jake M. Hofman, Amit Sharma and Duncan J. Watts. Prediction and Explanation in Social Systems, Science, 2017,Vol.355(486-488).但问题是，计算社会科学能否在作出新颖预言方面实现突破，从而超越基于传统社会科学或常识的预言之局限？

从前面的阐述中可以明了：如果所预言的是在本体论上完备的事物和属性，或者简单系统的状态和事件，则科学预言已经有了非常成功的记录；而问题和失败主要在于对复杂系统的新颖预言。就计算社会科学而言，新颖的计算预言就是运用计算模型和计算方法提前知晓从未发生过的状态、事件或过程，而社会系统具有复杂性，故计算预言的可能性、准确程度与复杂性密切相关。然而，复杂性科学和计算理论已经告诉我们，复杂系统的突现现象在计算上具有不可预言性。(10)郦全民.用计算的观点看世界[M].广州：中山大学出版社，2009： 45-48.实际上，这种不可能性不仅来自环境的非确定性，更为本质的是源于复杂系统固有的特性。也就是说，即使规则和环境都是确定的，一个系统的演化同样会呈现出复杂的突现现象，并且对其无法做出准确计算预言，而这种不可预言性与拥有数据的多少以及算法并不相关。因此，计算社会科学在作出新颖预言方面实质上受到很大的限制。

据此，我们认为，虽然运用大数据和人工智能技术，计算社会科学可以提高对于社会现象和人的行为的预言准确程度，但这样的计算预言仍然属于以往科学所设定的范围，也就是可重复的现象，特别是人类社会中大量的模仿行为，而对于社会系统的突现现象依然无法作出准确预言。当然，这并不是说，在认识社会系统的突现现象方面，我们将无能为力。综合以上的分析，可以认为，虽然对于社会系统演化的突现现象无法作出准确的计算预言，但这并不妨碍我们运用像基于自主体模型这样的方法，通过对系统演化的种种可能性进行探索性的计算模拟，从中找到产生突现现象的条件和规则，从而为理解和设计社会系统提供可参考的合理依据。

四、社会系统的治理

科学的基本功能不仅在于理解世界，还能控制、设计自然环境和社会环境，从而使得人类更好地生存和发展，也就是说科学具有实用的价值。传统社会科学也曾试图在宏观和微观两个层次上认识社会现象和人的行为，并在此基础上治理和设计社会，使其朝着由某种价值所导向的目标演进。然而，由于社会系统的复杂性和传统社会科学本身的局限，以往在人类社会内部，对社会的治理和设计更多地受意识形态的左右，或主要凭借经验常识，结果，产生了许多并不令人满意的社会制度和政策，甚至导致了人类的种种不幸。

如今，运用社会研究的计算路径，我们不但能更清晰地描述人与人之间的信息互动过程和模式，更合理地解释社会现象及其发生机制，更准确地预言人的日常行为和重复发生的社会现象，而且也能对可能发生的人的复杂行为和社会突现现象进行探索性的模拟。这样，利用大数据和计算社会科学的研究成果，特别是有实际价值的计算预言和模拟，社会的组织者和管理者就能更有针对地、更有效地实施社会的治理和设计，从而保持社会系统的稳定和良性运行，并使之朝着令人向往的预定目标演进。

那么，具体说来，与传统社会科学相比，计算社会科学在社会治理方面究竟有哪些优势和不足？这里，首先需要对社会治理的两种基本策略作些阐述，而区分两者的依据是施控主体(管理者)与受控客体(被管理者)之间的关系。一种策略是将所治理的社会系统视作他组织的受控客体，由一个外在的施控主体向其发出指令进行治理。从理性的角度看，为了有效地对社会系统(客体)实现治理，施控主体须先获取关于该系统的组元、结构、状态和功能等的信息，然后基于这些信息进行决策、形成指令，以达到治理的目标。在这种情况下，如果治理的系统复杂多变，则施控主体将面临控制理论上所说的“信息难关”问题：一是如何及时、准确、充分地收集所需的信息并有效地决策？二是如何将形成的决策指令及时、准确地作用于受控客体？可以看出，为了真正有效地攻克这一信息难关，不仅要求施控主体具备超强的信息获取和信息处理的能力，而且需要其拥有将决策指令迅速地、不失真地付诸行动的能力。然而，在现实社会中，充当施控主体的个人或组织获得信息和决策的能力总是有限的，通常还包含着非理性的成分。而且，如果施控主体与受控客体之间具有一种层级结构，那么，随着中间级次的增多，获取的信息就会越发延迟和不完整，指令实施的成本也将提高，而治理的效果则会下降。因此，面对信息难关，能力有限的理性施控主体通常会将复杂的施控客体加以简化，即假设其为相对简单的系统，以减少其刻画的信息量，然后，再基于延迟的、有限的信息作出决策，并通过形成相对简单或单一的指令去治理客体的行为和演进方式。这里，倘若受控客体本身是由大量自主体所组成的宏观系统，而发出的治理指令又可直接作用于自主体的行为或它们之间的连接。如果这样的治理是有效的，那么自主体的行为和结构就会趋向简单甚至单一，而整体效果上，社会系统的复杂度就会降低，甚至演变为结构和功能单一的简单系统。然而，在一个复杂的社会系统中，充当自主体的是具有自主选择和创造能力的个体，且个体之间的互动又是动态可变的，因此，这种外在治理的策略很难奏效，甚至常常事与愿违。

另一种策略是将所治理的社会视为自组织系统，通过系统内部各自主体之间的互动和协调，自主地治理它们的行为并实现整体的功能，而外部环境只起约束条件的作用。在这种情况下，施控和受控同时由组成系统的各个自主体来履行，而治理所需的信息(指令)也由它们之间的相互作用来生成，因而是一种自我治理的组织机制。可见，与第一种策略不同，在处于自组织的状态下，一个社会系统的行为和演进取决于构成其的组元(自主体)的行为和它们之间的相互作用，并不需要一个专门负责信息收集和决策的外在治理者，这样，信息难关问题就得以消解。就一个自组织系统而言，通过系统的组元行为的改变和组元之间的相互协调，在结构和功能上通常能达到适应环境的优化状态。不过，对于社会系统，如果运行的机制为自组织，那么，尽管其本身在功能或行为上可以达到优化，却也可能生发人们并不希望出现的突现现象。这里存在着两种情况：一种情况是在一定的条件下，系统在演化过程中会发生相变或者进入混沌状态，而从价值上评判，这样的相变或混沌状态对于一个国家或大多数人而言并不有利；另一种情况是一个功能上最优的自组织系统会产生“外部效应”，而这些效应对于整个社会、社会中的其他子系统或社会的自然环境可能是不利的。

由于两种治理和设计社会系统的基本策略各有利弊，而传统社会科学未能对其中的问题进行系统的、深入的研究并提供有效的解决方案，因此，对于究竟应该采用哪种策略一直存在着争论。我们认为，在很大程度上，计算社会科学能为研究上述两种策略中各自弊端的成因和机制开辟新的途径，并为治理和设计社会系统提供一种更为科学和有效的新策略。就第一种策略而言，从理论上说，如果施控主体能够及时、准确和充分地掌握受控客体的信息，在此基础上快速地作出合理决策并展开行动，那么，就能够实现对受控主体的有效治理，问题是信息难关的存在。然而，基于大数据和机器学习的计算社会科学，却在一定程度上可以解决这一问题。这是因为，大数据及其他新技术大大地提高了人们实时地、充分地获取信息的能力，而机器学习等人工智能技术又能够帮助人们快速地进行判断和决策。可见，随着这些技术的不断发展，信息难关就有可能进一步得到克服，决策者和管理者在一定意义上确实可以做到“全知和全能”，特别是针对较小或相对简单的社会系统(尽管也是复杂的)来说。

不过，计算社会科学的研究也表明：这种基于大数据和机器学习的社会治理虽然在许多场合可行或有效，但是如果将这种方式应用于社会的文化和观念领域，则有可能导致文化和观念的多样性的丧失。(11)Kaj-Kolja Kleineberg and Dirk Helbing. A ‘Social Bitcoin’ Could Sustain a Democratic Digital World[J]. The European Physical Journal, 2016, Special Topics 225： 3231-3241.然而，文化和观念的多样性是一个社会具有活力和创新能力的必要条件，因此，它们的丧失极有可能导致社会结构和功能趋向单一，社会的演化出现停滞甚至倒退。鉴于此，即使大数据和人工智能等技术能帮助决策者和管理者克服信息难关，对人类的发展和进步而言，将一个社会系统视作他组织而采用第一种治理策略，也并不可取。

相比较而言，一个自组织的社会系统不仅能够在变化的环境中达到优化的适应，而且能够保持内部状态的多样性和生成新的突现现象，从而实现有活力的进化。问题在于：对于人类而言，一些新的突现现象并不一定符合自身的价值观和追求的目标，例如，一种由突变引起的社会动荡或许有利于系统整体的适应和进化，但对于政府和许多个人而言，却很有可能带来麻烦甚至灾难，因而需要预防。而且，根据我们之前的分析，自组织的社会系统所产生的一些外部效应，也有可能是政府或许多个人不愿意看到的。这样，现在的问题是：能否让一个社会系统仍然主要基于自组织的机制进行自主的治理，同时又可防止有害的突现现象发生，或者避免一些外部效应所带来的不利影响？在如何求解这些问题上，计算社会科学可以比传统社会科学发挥更好的作用。这可以从两个基本方面来加以分析。

一个方面是利用大数据和人工智能等技术，加之计算社会科学的研究成果，我们可以比以往任何时候更及时、更准确和充分地获取一个社会系统的信息，更为科学地地作出理性决策，进而借助这样的决策指令对系统实施宏观的调控。需要指出的是：这种宏观调控不同于将系统视作他组织的直接治理，因为前者是通过外部参量对一个自组织系统整体上施加约束条件，而这种约束作用的发挥仍取决于系统内部各组元之间的相互作用，而后者则是通过对系统的组元以及组元之间的关系进行直接干预。另一方面是运用基于自主体模型和虚拟实验方法，我们可以在计算机或虚拟世界中探索一个社会系统在各种条件下的运行状况。这种探索性的研究，不仅使得我们能对一个系统演化的各种可能性进行评估，而且可以获知系统在变化过程中存在的不变性和稳健性，从而找到其中的规律或模式。(12)Steven Bankes, Robert Lempert and Steven Popper. Making Computational Social Science Effective[J]. Social Science Computer Review, 2002, Vol.20 (4)： 377-388.显然，这些规律或模式可为有效地治理和设计社会提供科学依据。

五、结语