混合人-机行为与经济理论基础研究的创新发展

王国成

关键词混合人-机行为 经济理论 基本行为假设 创新发展

引言：经济学的发展能否柳暗花明？

毋庸讳言，在当今世界格局和全球经济日益复杂的背景下，现代西方主流经济学正在经历着前所未有的强烈冲击和严峻挑战，苦苦寻求、切切期望蕴含生机的新方向和更为强劲的新动能。经济学理论的发展缘何陷入如此局面，前行的路上能否柳暗花明，究竟怎样才能找到突破点？本文从微观行为视角，在简述人与自然交互的经济本质、机器行为学概要的基础上，探索以混合人-机行为为代表的人文-科技高度融合的跨学科认知方法，借助人工智能等新的科技手段开辟经济学理论创新发展的新途径。

一、人与自然交互视阈下拓展经济理论基础

人类的生存和自我完善、社会的全面进步，必然要以与自然界进行物质交换的经济活动为基础，而与之相应的经济理论的创建和发展所选择的研究视角、前提假设、切入点和着力点等都是源于对行为的抽象取舍，行为认知的深度和广度在实践的检验中逐步演变成为构筑理论体系的基石与内核。然而，现如今高度抽象、单纯固化的行为假设（理性或有限理性）的日渐式微，又在迫使人们重新审视和更加重视人与自然交互的经济行为本质。

1.现代经济学行为假设的价值观和方法论

深深烙有新古典派印痕的现代经济学，为什么要以高度简化和抽象的行为假设作为隐含前提和理论硬核，因其主旨和目标是在“理性-均衡”的分析框架内着重研究资源的优化配置及相关问题;与价值观相应的理论特色和方法（论）选择，人格物化和行为选择空间的收窄，在聚焦问题的同时无疑也放大和突出了资本的主导作用及流动空间与可解析度。在应用实践中长期艰辛的摸索和徘徊之后理论瓶颈就卡在了基础行为假设上，再找到全面替代的行为假设无疑是困难且毫无意义的。人为地习惯性地把人的属性与物的属性、人的行为与机器行为、个体决策与集体（群组）决策等分割剥离、因果归属、孤立地研究是不可取和不合宜的，因人与物有本质的不同，且人的属性只有在与物的交互中才能全面表现和被认知。僵化的思维必然会被实践所抛弃和淘汰，因无法演绎出主体自发内生的行为演变及相互之间的传导机理，无法建立起宏观现象与微观行为的内在联系，传统的单一固化的基础行为及相应的一系列假设可能在演变成为经济学创新发展的樊篱和桎梏。而当代蓬勃兴起的颇具人文情怀的新的技术手段，如混合人-机行为等，或许会成为突破瓶颈、破解复杂决策行为奥秘的密钥和有力工具;也只有借助机器，才能看清人的深层的行为本质及其在经济社会活动中产生的作用，为大数据时代经济学（乃至整个人文社会科学）的创新发展找到一条人文-科技高度融合的跨学科认知方法的道路。

当然，理论的价值取向和方法（论）的选择，必然是与社会经济发展和文明进步阶段、科技支撑和认知水平相应的，形成和鼎盛于特定历史时期的经济理论体系由于本身的功利化和日益的教条化，注定是要固步自封的;虽然近年来也有对自身方法论的反思，但大都是画地为牢、浅尝辄止。任何经济活动都必然有特定利益取向的预期目的，相应的经济理论和政策也必然有价值取向和方法（论）选择，这实质上是不同经济学流派对其所代表的社会群体的利益反映，真实用意是在用技术的中立性淡化和掩盖思想上的倾向性与学术研究中的利益价值导向。而在微观行为视点上尽可能客观中立地反思自省，能否使经济学回归本原、重振雄风呢？

2.经济活动的实质是人与自然的交互行为

经济是人类为增进自身福祉和促进社会发展而同自然界进行物质交换的各类相关活动，人类开展经济活动是为其生存发展提供必需的物质基础，而其本身也是自然界中客观存在的一簇物种（高级生物）;但人类又是大自然中具有自身意识的统治者、具有主观能动性的创造者，其有目的的活动在遵循自然规律的前提下又能主动地在一定程度上影响和改变着自然界，两者在不断的交互协同中共生共进。不对人类行为的特色和本质、响应模式类型等有深刻的认知和确切的刻画，就不可能实现资源的优化配置和市场均衡，就不可能真正把握住理论的创新发展，也就只能是在原有的框架内兜圈圈、打转转或小打小闹。

人与自然交互的经济本质决定了经济发展的根本动力和因素及发展目的。毫無疑问，人类是社会经济活动主体，人的行为是主导因素，增进人类福祉是经济发展的源动力和一以贯之的目标。人类社会的文明进步，必然要以物质财富为生存基础和主要的价值实现方式，与此同时，物质财富的积累也在推升人类的文明进步。人类的美好愿望与可行的自然（外部）条件匹配结合，物质财富的不断丰富与人类行为的多样化、生产力的发展、组织制度的变迁与演进以及社会形态的更替相伴相随、相互推进，使得人及社会在与自然界的和谐相处中得以更好地发展;劳动和生产方式及其创新推动技术进步、决定社会形态和组织形式，有其本质特征和内在的规定性，展现出人类在与自然的交互中自觉地存在并主导着发展。

3.拓展经济理论的微观基础

经济学研究的主旨与焦点是人类在与自然界进行物质交换的实践中如何有效地作为，而信息、技术、制度和社会政治环境变化等只是外部条件，所以理论关注重点应该是行为，要选用由内至外、上下贯通的技术路线;在一系列或明或暗的行为前提假设上建立的理论体系是理想化的基准和参照系，而未必就是深入研究最合宜的方法和技术，资源配置只是其中的部分内容，要逐步由侧重物尽其用到与人尽其才并行，实现经济学的行为复归和升华。这就必须要深植和拓展行为假设与理论基础。

经济理论体系的微观基础包括三层（方面）含义：第一层是对微观个体异质行为的刻画描述，包括行为主体、目标、响应模式和行动规则等，如禀赋、优化、预期、决策和风险态度等;第二层是微观主体背景、相互之间的关联与合理结构及变化过程，包括信息、技术、制度、产业和市场结构及社会网络等对主体产生的影响;第三层是具有类同性、异质性、关联性和协同性的微观个体行为与宏观经济现象、形态和模式之问内在的密切联系，既要考虑到基础假设与理论概念（术语）、范式和方法的联系，也要有个量到总量的生成加总模式等。

随着人与自然交互的加深、物质财富和文明积淀、科技进步与认知提升及路径依赖，经济学的跨界交叉、深度融合的学科视野和基础架构到了必要反思自省的历史关口，利己价值观与仿自然科学和工程技术的方法、如此的单向线性思维和一系列前提假设，既为构建现代经济理论体系奠定了基础，框定了思维分析的樊篱，同时也隐含地为进一步发展预留了突破点和方向;而聚焦和精深的行为研究，无疑是极其困难的，但这既是阻碍又是希望。

二、机器行为学与混合人-机行为

智能社会中畅想，自由王国里翱翔，全人类在共同构筑着尽情地延伸自身器官和思维功能的梦想并为此付出不懈的追求，而经济学是其最敏感的触角和最宽广的通途。

1.机器行为学缘何兴起

诺贝尔奖得主Herbert Simon 1969年在人工智能发展史上里程碑式的著作——《人工科学》（TheSciences of the Artifieal）中写到：“自然科学是关于自然物体与现象的知识。我们想知道是不是有一种‘人工科学，研究人造物和它们的现象。”相关领域的科学家们沿循这一思想，经过多年的艰辛探索和积淀，如今正在创建一门新兴的交叉学科——机器行为学（Machine Behavior）。这个学科主要研究智能机器，但是并不是只从传统的工程机器的角度去理解它们，而是将其视为一系列有人类认知、行为模式及生态反应的主体。

（1）新科技革命创造的全新时代

在当今新科技革命的大潮中，一个新的领域——机器行为学正在蓬勃兴起，它通过跨学科研究机器行为及相关问题，来探索人工智能（AI）如何进化以及对人类社会可能产生的影响，是最为领先、最有代表性、最具综合性的专业领域，与计算机、AI和机器人等密切关联，但又各有特色、相互分立。机器行为学从人文与科技融合的角度去解释智能机器的行为，将生命体的内部特质与外部环境演变相结合，完整深入地研究特定情境中的人类行为。相似的，要想了解和发展机器行为在人文社会科学研究中的应用，也必须在算法中考虑主体行为发生的社会环境条件，专门研究虚拟的或者嵌入式的AI体（Artificial Intelligence Agents）的行为与塑造它们的人的行为之间的映射关系。当专家们创造此类智能体来解决现实问题、进一步满足人类需求时，就需要更多地关注模型（映射）和算法如何实现人类的感触-认知-思维-决策-行动的功能。如可视技术在视觉分类、面部识别、自动驾驶、精准导航、政治助选和社交媒体等方面都能达到预定目标，扩展人类的福利。

我们为何要研究机器行为？主要动机有三：首先，人类的生存、生产和认知方式与自然界交互的深度、广度和频度，以及探知自然界和把控自我的需求与能力都达到了前所未有的高度，但按传统方式又处于难以跨越的境地;其次，新一轮科技革命的创新、突破和跃升及可能还会遇到的复杂困难，对人们生活的渗透和影响越来越广泛，扮演着越来越重要的角色且具有不可阻挡的趋势;再次，计算技术、互联网和大数据及（类）智能算法的广泛存在和复杂性给人类的发展带来了极大的挑战和诱惑。AI越来越多地融入社会生活，算法已经由模仿逐步过渡到控制着人们的消费、生产、出行、交往、教育及抚养小孩和赡养老人之类等方方面面的日常行为。但还需要注意的是，理论研究和实践中人类要想完全解释和控制自动算法可能产生的种种输出结果及细节过程、与智能算法的实时互动及可能对人类发展的阶段和速度产生的系统性影响是很困难的，AI体在一定程度上模拟替代甚至胜过人的行为成为可能。不同领域里的学者和专家也在认真思考和探讨AI体能否超出创造者的预期和控制，并对可能的负面行为后果进行预测，据此为人类敲响警钟。

新科技革命创造了一个全新的时代。如今，有着广泛适应性的算法正在社会中前所未有地得以应用：在线定价算法给不同的用户定价，算法交易软件使得交易变得迅速便利;信用评分算法会影响银行信贷决策;新闻排名算法和社交媒体机器人影响人们的所听所看;无人驾驶车辆也在穿越我们的城市，共享交通算法会改变传统车辆的行驶模式;机器会根据口头命令做出反应，执行常规家务;在线约会服务中，算法负责促成浪漫的相会;等等。总之，人类社会正在机器行为的友好辅助下迈入一个全新时代。

（2）新科技与人类行为研究的新阶段

“变幻莫测”的人类行为及其与真实情景的互动，似乎成了当今经济学及社会科学界创新发展的拦路虎和逻辑迷宫。①由AI驱动的机器正不断塑造着我们与社会、经濟、政治、文化及媒体的互动。了解AI系统的行为是应用时扬长避短的基础，因此有必要把研究范围从计算机学科拓展到多个学科，这是研究机器行为学的动机和初心。目前，单个AI体的复杂度已经很高了，并且还在持续增长，虽然构架它们的代码和训练集可以高度浓缩和简洁，但是训练后的模型就不可能再那么简单了，这经常导致思维的“黑箱（black boxes）或盲区”的产生。单从技术角度看，AI体接受输入然后输出，但即便是在“可解释性（interpretability）”上的一些应用场景已经有了可喜进展的现状下，AI体实际产生这些输出的过程仍是架构它们的科学家自己也难解释和完全控制的。

一方面，AI体可以通过帮助和增强人类决策与执行能力的方式扩大社会福利，其产生的正面影响无处不在;但另一方面因如公平性、义务、透明性等安全性方面的挑战和滞后的人类监管而存在的潜在危害也是令人担忧的事情。行为（机理）的复杂和模糊决定了算法的复杂性和不透明性，算法-行为的逻辑关系规则和符号程序加深了人类对自身行为的认知和把控，但还远不可能尽如人愿。日益复杂的算法放大抑或掩盖了人类估计和预测它们对个人和社会真实影响的难度。即便个别算法是相对简单的，研究像AI系统这类多样且广泛的对象的行为也是件难以想象的困难事情。算法于人类的利弊皆有，AI体总体上正以意料之中和之外的方式影响和塑造人类的行为与社会结果。如AI体可被设计用来帮助孩子们学习成长，或是扶助老年人安度晚年;然而，如果在“意料之外的情况下”偏离了初衷，也会出现对孩子们的误导和老年人的生活乐趣被限制等类似的情况。再如，不实之词在一小部分人群内的传播可能在整个社会层面上掀不起什么风浪，然而这类信息在AI平台和社交媒体上的植入与扩张，则会产生严重和恶劣的社会后果。但无论怎么说，信息、计算机、万物互联、大数据和AI等新一波高科技浪潮正在从根本上改变着人们的生活和认知方式，也必然会在行为基点上对人文社会科学的研究产生重大影响。

2.混合人-机行为与机器行为学研究范围

（1）机器行为学研究范围

按目前所构建的研究框架，可对机器行为的研究内容和范围做大致的划分：个体机器行为、群集机器行为和嵌入处在混合或异构系统的人类社交环境中的混合人-机行为。

个体机器行为强调针对个体行为的算法本身的研究，与数量金融、量化投资等建模实证方法相对应;群集机器行为可通过机器之问的相互作用模仿研究人类的社群交往行为，有动态演化博弈、行为/实验金融、复杂网络等基于策略行为的算法和并行分布的计算技术为支撑：这些都可以说是基于理论建模和经验数据驱动的技术方法。而混合人一机行为通过研究机器与人类之间的相互作用来揭示人与自然交互的内在机理和方式。这三类机器行为研究能在很大程度上模拟解决现实经济（金融）中可能出现的诸多问题。在算法可直接对应机器行为研究的基础上，有机融入人的行为的机器群集研究或许有更大的用处。

以金融交易为例，机器行为研究其独特性。AI系统不一定面临与生物种群相同的限制，机器行为可提供全新的能力。在金融交易环境中已经观察到一些非常有趣的算法集体行为。这些环境在很小的时间尺度上运行，因此算法交易者可以在任何人类交易者之前对市场情形和其他算法交易者做出策略事件效应。在某些条件下，高频能力交易会导致金融市场效率低下。除了前所未有的响应速度之外，机器学习的广泛使用、自主操作和大规模部署的能力使我们相信机器交易行为与人类交易者有本质的不同。再如即时性全球通信，就能够带来全新的集体行为模式。相关研究还揭示出机器行为可以从这些复杂的相互作用系统中生成出人意料的特性。这些会与当今的大数据、机器（深度）学习、区块链及量子计算等技术自然对接。

此外，这些金融算法和交易系统必须在某些历史数据集上进行训练，并对有限的各类预见情景作出反应，从而导致了难以对人与环境互反馈循环的设计中新出现和无法预见的情况作出反应的问题。闪电崩盘等市场涌现是（交互）算法无意识后果的典型例子，对引出算法的相互作用是否会产生更大的市场危机这一问题，构成了极大的挑战。

（2）混合人-机行为

人类创造机器行为，机器改造人类行为。人类创造、影响和塑形智能机器的行为，智能机器也在辅助、改变和提升人类行为。与一般的人-机对话、人-机交互和人-机协同等有所不同，混合人-机行为将共性的与个性的、规则的与鲜活的行为属性有机结合，类似于行为实验的HS+CA、区块链、020营销行为和在线远程会诊以及XR技术等，更加注重在行为基点上，对人类主体随外界环境条件变化的有意识的综合响应、内生的察觉认知、主动学习和内生的自我调适、思维决策等人的行动能力与机器行为实现方式的对接和转换。

将智能机器引入社会系统，可以改变人类信仰和行为的方式，调节人们的社交互动，酿造在线信息，改变社会系统的关系和结构。正如在工业过程中引入自动化一样，智能机器在改进现有问题的过程中也会产生不同的社会效应。例如用于在线社交的匹配算法是否会改变社群形成过程和分布结果，或者新闻过滤算法是否会改变公众舆论的影响效果，政府利用机器智能是否会提高治理效率、政治责任和透明度或公民参与度等。这个领域中的其他问题与机器行为以更基本的方式改变社会结构的潜力有关，也与帮助形成人类新的社会关系的AI系統是否能够实现集体协调行动等有密切关联。最重要的根本性问题是，人类应如何与智能机器协作，共同不断地生产经济产品和服务以满足人们日益增长的社会需求。

然而，在人-机协作的共同行为中，最终机器在长期内进行的迭代或增强，会改变人与机器的关系吗？既根植真实行为及场景，又延伸和突破人类智慧的局限，人类与智能机器优势互补的混合人-机行为，在包容性、广泛性和有效性方面明显优于个体和群集机器行为及原有分析方法。专家们已在致力研究从标准实验室环境到更一般情形下的人-机交互，观察到与简单机器人的交互可以增加人类协调性，机器人也可以在与真人之间合作相媲美的水平上直接与人类合作，这迫切地需要进一步理解人与自然的互反馈回路。此外，在机器行为生态学领域的各种类型的问题中，对于特别强调的人类社会交往方式，也有可能会被智能机器所影响，人们需要长期密切关注这类混合系统的动态演变。

3.机器行为学的研究对象和跨学科研究方法（论）

随着劳动生产率和技术的提高，借助机器和其他手段模拟提升人类自身的思维与行为的专门研究及学科的出现是文明进步之必然。在不断复杂化的人-机混合系统的背景下，人类应该/也肯定会始终占据主导地位。系统可从历史经验、数据信息中自适应性学习、修正谬误、校准方向，改进数据收集处理机制和方法。在很多场景下，人们只能观察到AI系统的输入和输出，而且数据集的维度魔咒和单向的数据量扩张也会增加对AI的理解难度。即使模型和代码开源，人们也不太可能完全控制和准确预测出模型与系统的输出。AI体在和周围环境及其他智能单元相互作用的时候可以表现得很“特立独行”，即便形成它的数学函数存在解析解，那么这个解析解也是普通人很难理解的。

以真实人类行为为机器行为研究定向，借助智能机器可更好地理解行为产生的成因、机理及演化，提高行动力。为了研究和不断提升机器在现实环境中的行为，透视“黑箱”算法，引领和掌控行为过程，机器行为学正在形成和实践着自己特立的方法（论）。

（1）问题导向，聚焦行为，融合贯通。人的有意识的目的是借助机器增强行为实现能力，机器行为在人类的创造和有意识主导下可局部地替代甚至超越人类现有能力。如此便目标清晰、聚焦准确、便于操控。但是这种做法现在还处于初级探索阶段，又有数据的表现存在形式与版权限制、收集传输和加工处理利用方法等方面的局限，再加上机器行为学助推人文社会科学评价指标的形成，人本主导和复归、以行为作为主线融合贯通相关问题，应该是机器行为学研究的根本和主旨。

（2）行为视点上的跨学科整合。有关机器行为的问题跨越了各种传统学科和主题，为了研究黑盒算法在现实环境中的行为，我们必须整合来自不同学科的知识和见解。人的行为是不分学科或者说是多学科综合的，人的每一项次活动，都可能含有经济属性、社会属性、政治属性等，以及生理、心理特征和活动客体的自然属性等。那么，混合人-机行为的研究也必然是跨学科的，是大跨度深度交叉融合的。人文社会科学的所有分支，都是建立在行为起点上的，人类及人类社会是在不断加深与自然界的交互中生存发展的，这就决定了机器行为学的研究方法必须是多学科、大门类、宽领域的学科架构（见图1），这同时也能大大激发人类智慧的适应性和创造性。这种跨学科、多元化、包容性和内生自发等属性，是机器行为学研究显著的方法特征。

图1机器行为学主架构学科的跨界关联图

（3）动态适应性。机器行为是“可进化的”，因其既稳健又易修改（相对扰动信息）并且有望逐步接近人类主体的内生综合互反馈的适应性进化。机器行为内置的灵活多变的算法是有目的地设计出来的，这区别于自然生物本能的长期、进化性的演变。在当今互联互通的社会背景下，既要用自适应的路径依赖（path de-pendence）解释一些令人费解的个体行为，更要用行为关联（网络连通）和总量生成（集聚涌现）机理及社会网络分析来揭示群体行为。在变化多端的真实环境中，如投资理财、无人驾驶和病人诊疗等，进化中每一阶段的算法从各个角度在被重复使用，但它在提高效率的同时又可能生成未来行为的局限，这使得在此基础上对算法的更新升级成为必要和可能。人类环境通过改变算法的继承体系来虚拟实现，AI复制行为可能被开源软件、网络架构的细节和各种可能的环境中潜在的训练数据集所促进，其中体现出的动态适应性强烈地影响着算法的自动进程以及AI和机器行为学的发展。

4.机器行为学发展前景及应用展望

机器行为学主要通过研究AI算法的行为和特性等来更好地理解和引领人文社会系统的演进，人类可以从这些因素带来的劳动的效率和决策的改进中受益匪浅。了解和预见机器行为的发展前景，有助于最大限度地发挥AI对社会的潜在利益。

首先，探索机器行为研究的正确发展道路。机器行为和动物、人类的行为有本质不同，甚至有些可能是迥異的，因而应避免过度单向地拟人拟兽，AI系统的研究必然会与生命系统的研究有所区别，即使现有的行为科学有助于机器行为研究，但机器可能表现出与生命不同的特质，也可能表现出某种“超人类”形式的智力和行为。顺应人类社会发展趋势，未来能更客观科学地为人与机器的行为定位，相互之间共生共进的关系更趋于合理和协调，更好地根据真实的生命系统设计、剖析和修改AI系统，智能机器类的研究重点也会更多地关注能更好地适应不同的真实环境下的算法行为，开辟机器行为健壮发展的新通途。

其次，数据从观念到技术全方位的转变和提升。数据是由世界演变到人类认知的桥梁媒介、映射方式和论道载体，针对机器行为的研究通常还需要现实条件下的行为实验来研究人-机交互以自生产数据，此类实验的介入可能会全面改变系统的数据输入和算法输出行为，实时的鲜活数据与历史的经验数据有机结合，在存在形态、获取渠道、处理利用方式等方面将会发生根本性转变，多视角、多层次和多粒度的高保真映射和模拟成为可能，由此实现微观与宏观、人-机、实-虚、人-物之间的双向互反馈，通过分散描述和机理贯穿，以满足理论体系的内在一致性和动态适变性的逻辑前提。

再次，跨界深耕的研究方法。机器行为学可以说是研究AI与人类共存共进的学科及技术，人为的可控实验干预能更具针对性地研究现实环境中的人-机交互问题，改变系统的整体行为。从人-机关系演进的视角看，传统学科可能会被重新洗牌和划分，决定性的理论基础更需要拓疆扩土、深耕厚植。大数据、机器学习和AI等新一轮科技革命对经济学乃至所有人文社会科学研究、社会实践带来了革新挑战和良好机遇，对机器行为的研究将需要学科问和各类机构问的共同努力，应积极面对挑战、跨越障碍，吸纳和包容原有相关学科，逐步设计和构建大规模、多连通、动态调适、平等可信的跨学科研究平台。

最后，向善解决研究智能机器系统可能带来的法律和道德问题。算法的可操控对社会经济秩序和公共规则的双向作用会使某一部分人或社会群体的利益及“隐私”受损，这些会在逐步清晰和完善的边界划分下逐步改善。将AI直接“植入”日常生活中的潜在缺陷，人们已预见到并且在尽可能避免其副作用，否则机器行为研究所学带来的好处可能会被淹没和变性。实践中这样的伦理需要考虑和体现自身特点的标准化框架和实施中的认真监督。

三、混合人-机行为的研究助推经济理论的创新发展

混合人-机行为和机器行为研究无疑是为助推经济理论基础研究的创新发展提供了有利契机和有力的技术手段，也是人类与自然界交互和自我认知进入新阶段的重要标志。

1.混合人-机行为为拓宽和夯实微观基础创造了新的契机

混合人-机系统的行为外化为深化和拓宽经济理论的微观基础开辟了新的通途，提供了更为有利的工具，有望在一定程度上解决人与自然的交互活动中行为的内生、综合和自主变化等问题。类似于机器学习，机器行为着重研究怎样使用计算机真实、实时地模拟或实现人类行为，是多学科、多领域大跨度交叉的前沿研究领域之一，混合人-机器行为强调对机器和人之问相互作用的研究，是最具智能特征的A1分支学科。虽然机器行为学目前暂处于萌芽阶段，但其所带来的思想启迪将会为发展混合智能和智慧奠定理论和技术基础。人与机器的行为分界清楚但又不断交互，你中有我，我中有你，渗透融合。人类行为和机器行为相互塑造、协同互动，人类可以创造智能机器，同时也在理解和接受智能机器来改变自身行为，这就为经济学和其他人文社会科学的研究开辟了新的视角和通途。

任何宏观现象、特征和规律，都是与一定的微观背景、条件和基础相应的。机器行为实质上是在一定程度上复现或预见了由微观到宏观生成过程中的特定环节，由此使学习认知和自我控制等人类行为得以提升。理论驱动的基于经验数据的计量经济建模和实证分析，与大数据和AI时代的行为建模实证分析，两者本质上是相通的，虽然存在着技术专用性上的差异，但可以说后者完全覆盖前者，前者是后者的特例，它们在积蓄力量来突破传统分析方法中情景设定、因素可分离的背景和前提条件所形成的“理性-均衡”分析框架。

从人类发展史来看，任何的科技进步或变革，都是源于人们的生活实践和创造、都要汇聚成服务于人类社会发展和文明进步的推动力，智能技术也概莫能外。而且人的大脑、认知和意识，一定会自觉有效地运用新技术，不断引领和主导创造和推出更加新优先进的技术，循环往复、逐步升级到人类社会文明的更高层次，而其中人与物的主动和被动的序关系是不会改变的。由人工科学到AI，再到人类智慧，可对抽象、僵化的逻辑体系及方法技术赋予鲜活的人文灵魂和社会精髓，或许此举能辨清社会经济研究的症结根源就在于行为盲区。

2.应用体验

近年来，我们通过深入分析微观行为，借助计算实验和情境模拟等技术手段，在收入分配和差距演变、公共治理与政策模拟、金融与资本等相关的决策问题和领域做了一些应用尝试。如对我国股市异质投资行为的探讨，在建立行为模型的基础上，推广异质性预期方法，具体研究了投资者的冲动行为、羊群行为，机构和散户的政策响应、情绪变动等微观异质行为与股价的暴涨暴跌、波动集聚、偏峰厚尾等股市“异象”之间的内在对应与传导机理等，用HS行为实验方法和市场交易数据为微观主体分类、获取和测定个体关键行为特征，为机器系统CA赋初始值和分层框定模型中参数变动范围;然后，对虚拟主体CA用MATLAB和NetLogo等软件进行大规模、变步长、细粒度、多情景的模拟验证和拟贝叶斯推断，以识别与区分由个量到总量的加总生成类型。这类基于异质行为的建模分析与数量金融、量化投资、金融工程以及单纯的Agent建模模拟和大数据金融等理论建模、数据驱动、表象分析和经验推测类方法相比，更加自然、便利、高效和切实，很好地发挥了混合人-机行为的优势，在揭示市场运行内在机理、破解复杂决策密码等方面更为深入、合理和可信。

在应用实践中初步感悟到：微观主体行为的微小差异，可能导致宏观层面的显著波动和变化，这并非只是统计物理视角下非线性、混沌的蝴蝶效应等，而是由特定环境中微观主体的关键行为特征、多连通（互反馈）的网络关联机理影响和决定着的宏观现象，这些又影响和形成了微观主体所处的环境，这种循环有着内在的必然性。按这样通宏洞微的观点、思路和方法，有望更贴切地解释几乎所有具有中国特色的现实问题。只有打开行为黑箱，由个量生成总量，揭示经济运行内在机理、破解复杂决策奥秘，才能真正地促进经济学及其他人文社会科学的科学化和基础理论的实质性创新发展。

3.行为基点上的理论创新发展

从本源上说，经济学乃至人文社会科学的所有分支，都发源于对人的行为的研究，相比较而言，经济学更多地关注人与自然的互动。于是乎，混合人-机行为与经济学研究有着天然的密切关联：行为目标和相互规则清楚、可控可重复的行动可交由机器来实现;而现实环境中有意识的、内生自发多变的鲜活行为，还必须从人类真实主体中获取。混合人-机行为是模拟研究人与自然的协同交融、共激共进关系等社会经济活动最好的实现方式，也是最有可能破解人类决策复杂奥秘的密钥。人类肯定会在AI等自己创造的技术的支持辅助下，更好地完善和提升自身，也会在人与自然和技术的关系中始终占据主导地位。

当今社会正迈入智能时代，随着文明进步和科技发展，人类对美好梦想不懈追求，在经济社会实践活动和理论探索中不断开疆拓土、重新分工、效率跃升和认知升华，思维观念与方式、行为模式及能力都会发生重大或根本性转变，但其在与自然界交互和科技进步中的主体性与主导性只可能是更加协调和稳固，相辅相成、共生共进，而不会改变和逆转（见图2）。在今后相当长的一段时期内，人们会逐步认识到混合人-机行为和机器行为学兴起的必然性和重要意义，理论的创新发展取决于对行为的深化认知，也必然要寻求和得益于混合人-机行为类技术的有力推动;孤立单纯地考察抽象行为的意义式微，必须将人类行为放在相应的物质技术条件和社会经济环境中考察。就像数据与数据环境的关系那样，通过特定环境下和背景中的真人实验，获取行为响应模式，确定关键特征类型，作为二元变量初始值为智能机器的CA赋予自动执行规则和属性;借助机器行为挖掘人与自然交互的本质，发现真理，探究内核、特质和灵魂，揭示社会与自然交融的奥秘;更紧密地结合研究对象的环境状况，推出更具针对性的政策措施;通过大数据直接便利的高保真映射（建模），扩充真实复杂场景覆盖，解释现实“异象”的征兆、突变临界状态点的情绪、灵机一动等行为表现和选择替代。伴随多元方法论的融入，应建立切实规范的社会科学评价体系，而经济研究的行为复归和突破创新的根源性问题以及切实可行的着力点和展开途径找准了，就能顺势生成一个“完整的”人类社会。

图2人类与自然的交互演进示意图

随着人与自然交互的加深、拓展及能动性增强，对经济结构优化和高质量协调发展、系统性风险征兆的发现和更有针对性的防范应对预案、助推式宏观调控、践行“五位一体”的新发展理念等我国社会经济发展中的一些紧迫、重大的现实问题，以及像资本市场上的心理恐慌、股价急剧攀升或断崖式下跌、板块逆市冲高等诸多市场形态和异象，能否在微观行为层面和视点上，看清症结根源和理清传导机理，不仅是理论发展也是立场选择的关坎与分水岭，这需要跳出思维框架、拓宽夯实理论基础、充实丰富研究内容，如此方能促进在应用实践中创建更接地气、突显特色的中国经济理论。

总之，随着混合人-机行为的研究和机器行为学的兴起，人与机器的相依互激共进，一方面可大大延展和提升人類的思维功能和行动能力，另一方面也可为算法和自动程序赋予鲜活生动的人文灵魂，为深化行为研究、在行为基点上整合人文社会科学研究提供强有力的技术手段。

作者单位：河北经贸大学、中国社会科学院数量经济与技术经济研究所

责任编辑：牛泽东