论大数据背景下技术可供性的技术创新决策意蕴

黄振羽

（大连海事大学 公共管理与人文艺术学院，辽宁 大连 116026）

1 概述

传统的技术创新决策范式主要呈现为一种“专家经验+模型驱动”的线性范式，即首先需要基于专家经验来确定有待创新的关键技术和可能面临的不确定性，然后通过构建模型来识别和降低创新风险[1]。在阿瑟看来，技术创新决策的起点之所以是“专家经验”，因为第一位重要的事情，是发起者必须具备足够的想象力去理解实现某项技术创新所面临的问题，然后才是预见它如何被解决、有多少种解决方式、必要的组分及结构是怎样的、如何解决随机出现的不确定性问题，并为之建模[2]。换言之，只有当发起者是熟悉相关技术领域理论和实践的专家，才有能力解决第一位重要的想象力问题。然而，受“有限理性”约束，以“专家经验”为起点的传统线性范式，难以解决技术创新决策影响因素的复杂繁多和难以量化等问题。

在大数据背景下，如何推动技术创新决策范式从“专家经验+模型驱动”转向“大数据驱动+模型驱动”，通过大数据的多元、跨界与交互等来建立起新的技术创新决策范式，是解决传统技术创新决策范式问题的有效手段。问题是，在现有技术条件约束下，尚未能把单一领域科技原理和应用之间建立关联的想象力直接建模，更勿庸说跨领域、乃至跨界的数据运用了，否则技术创新决策的强人工智能就可以实现。为此，本文引入技术可供性理论，通过分析技术可供性的技术创新决策意蕴，尝试为大数据背景下的技术创新范式转向另辟一条蹊径。

2 基于技术可供性的技术创新决策是一个大数据问题吗？

自20 世纪50 年代以来，技术与组织关系得到越来越多的关注，而基于社会学与管理学等学科研究技术与组织关系的文献日益增多。经过了数十年的发展，有关技术与组织关系的研究逐渐被统称为“社会物质性理论”（theory of sociomateriality），其目标在于为社会与技术建立理论关系，用于理解“技术-组织”、“技术-社会”现象和指导管理实践[3-5]。

技术可供性（technology affordance）作为一个链接技术与行动者的分析性概念工具，是社会物质性理论思潮的一个重要部分[6]。可供性（affordance）最早是由环境心理学家Gibson 提出，被用于解释动物与他们生存环境之间的互动性[7]。2001 年时，Hutchby 把可供性的概念引入科学技术社会学，并认为技术可供性是一个独立性和关系性并存的概念，因为技术既具有本身的相对独立的特征，同时又能够在多元互动关系中产生新的意义[7]。在我国，可供性的概念在产品设计、技术哲学以及媒介传播等领域中得到应用[8-11]。虽然有研究探讨基于可供性的技术创新机制[12]，但主要是从技术哲学的角度人与自然如何发生关联。换言之，技术可供性这一起源于生态学的概念和理论在技术创新的管理与决策应用层面，相关的研究仍然有待推进。那么，基于技术可供性的技术创新决策是否属于大数据问题？

陈国青等指出，大数据问题至少具有以下三个特点：在粒度缩放方面，需要决策要素在宏观和微观层面可测可获；在跨界关联方面，需要引入外部要素并形成内外要素互动；在全局视图方面，需要多维整合并能够针对不同决策环境进行情境映现和评估[13]。从这三个方面看，源自技术与行动者交互作用的技术可供性，其具备了大数据问题的基本特点。

2.1 粒度缩放。从技术的角度看，技术可供性是一个不断被识别和再识别的过程，是可演变的行动机会集合[9],[14]。技术被制造出来之后，虽然已经脱离了制造者而成为某种客观存在，并产生了相应的技术刚性和独有结构，但其同样存在一定的弹性，能够在具体的实践中被建构出新的意义[15-16]。换言之，当一项技术被付诸于实践的时候，其制造者或发明者虽然能够对其可供性提供最初的界定，但这种界定并非该技术的全部可供性，不同的行动者会在实践的过程中识别出这项技术的新可供性。互联网的应用就是一个典型例子，其最初由政府投资建设，被限定用于科研部门和政府部门交换信息，如今，交换信息仍然是互联网的一个技术可供性，但互联网的技术可供性集合（即该项技术能够提供的行动机会集合）已经远远超过当初设计者的预想。由此观照，技术可供性既可以是不可再分的技术（如一颗钉子）所提供的行动机会，也可以是一个大型技术系统（如大科学装置）所提供的行动机会。不仅如此，一项技术往往由多项次级技术以及被这些技术封装的自然现象组合而成，构成这项技术的次级技术群和自然现象必然包含了各自的技术可供性（即行动机会集合），同时，这项技术又有可能是进一步构成另一项技术、乃至更高层级的技术系统的次级技术，这就使得一项技术的可供性粒度具备了多维度缩放的特性。

2.2 跨界关联。从行动者的角度看，识别、乃至将技术的某种可供性应用于实践并非毫无约束。一方面，不同的行动者由于所处的位置、角色以及文化背景等差异，即便是面对同一种技术，也会在应用过程中产生不同的技术认知[17]。另一方面，即便某种可供性被识别，但能否应用于实践，需要取决于行动者与技术互动关系的规范化或制度化[14]。能否规范化或制度化，决定了是否能够产生结构性的资源和规则支持[17]。不同的行动者受到不同的结构性制约，这会影响到行动者的技术接受和技术应用[18-19]。正因为如此，不同的行动者由于所处的位置、角色以及文化背景等结构性差异和制约，即便是面对同一种技术，也会在实践过程中识别出不同的技术可供性，并由此产生不同的技术应用[5],[17]。因此，行动者与技术在交互作用过程中，不仅会识别技术的可供性，同时也会根据自身的知识、实践和角色等因素，识别出能够支持该技术可供性付诸实践的资源和规则。当与特定技术发生交互作用的行动者足够多时，相应的行动机会集合、资源集合和规则集合就有可能基于该项技术形成。也就是说，技术可供性既是一个由技术提供的行动机会集合（因为不同的行动者对于同一技术的行动机会认知存在差异，这些差异构成了该技术的行动机会集合），实现某种技术的不同可供性又往往关联着不同的规则集合和资源集合。通过挖掘一项技术的可供性，实际上就是挖掘来自不同行业、领域、学科等方面的行动者对该项技术的行动机会认知以及实现不同认知的各种结构性因素，从而挖掘技术的跨界关联规律和价值。

2.3 全局视图。根据技术可供性的粒度缩放和跨界关联的大数据特点，技术可供性是能够实现多维整合的，并由此能够针对不同决策环境进行情境映现和评估。例如，技术可供性本身就是技术维、原理维、制度维、资源维、应用维和情境维等多维度的整合结果[14-19]，在个体技术创新决策环境下（如个体创业者），可以围绕某个具体的问题进行技术可供性的情境映现并做出评估；而在一个需要对大型技术系统架构创新进行决策的环境下（如基于大科学装置群建构的综合性国家科学中心），则可以通过系统的技术可供性集合探寻由该集合涌现的不同情境，并根据系统的战略目标对此做出评估，从而有效推进系统集成创新。

3 基于技术可供性的技术创新决策机理

当基于技术可供性的技术创新决策可以被归结为一个大数据问题，接下来需要分析的是这种决策的机理。前面说过，理解实现某项技术创新所面临问题的第一位重要要求，是发起者必须具备足够的想象力，这使得“专家经验”成为技术创新决策的起点，因此，要实现大数据背景下技术创新决策范式的转变，实质上就是实现“专家经验”向“大数据驱动”的转变。在现有技术约束下，不可能对链接技术或科学原理与应用之间的想象力进行建模或仿真。因此，我们的主要研究目的，正是要绕过这一条件约束，从技术的递归性原理与组合进化原理出发，结合当前社会学和管理学等学科对技术可供性的洞见，对基于技术可供性的技术创新决策机理做出初步分析。

布莱恩·阿瑟在探索技术的本质过程中，给出了两个重要的原理[2]：

原理1：技术递归性原理。技术结构中包含某种程度的自相似组件，技术是由不同等级的技术建构而成的。换言之，可以在概念上把技术从上到下分解为不同的功能组件，从而将技术分解成主集成、次级集成、次次级集成……直至分解为最基本的部分，技术越复杂，技术层级越多。

原理2：技术组合进化原理。在技术递归性原理基础上，阿瑟提出了技术的组合进化原理，即所有技术都是从已经存在的技术中被创造出来的。如果新的技术会带来更多的新技术，那么一旦技术元素的数目超过一定的阈值，可能的组合机会数量就会爆炸性地增长，有的技术甚至以指数模式增长。

根据上述两项原理，我们可以形象地描绘出一个呈现技术递归性和组合进化特点的技术层级金字塔（如图1 所示，a、b、c、n、m、i=1，2，3，…）。在图1 中，一方面，每一层级的技术均是由下一层级的技术组合而成；另一方面，从任意一个中间层级的技术进入，可以往上追溯（例如从一架战斗机追溯到一个集团战区），也可以往下追溯（例如从这架战斗机的发动机技术追溯到发动机的材料原理）。其中，自然效应（或自然现象）是指技术要达到某个目的，总是需要依赖于某种可被开发或利用的自然现象[2]，这体现了技术与科学的关联性。

图1 呈现技术递归性与组合进化的层级金字塔

对于技术的递归性原理和组合进化原理，阿瑟通过把技术简化为二进制形式的逻辑电路，利用计算机仿真的实验方法对其进行了验证[20]。虽然阿瑟的实验方法无法应用到更加复杂的技术创新当中，但他的理论为基于技术可供性的技术创新决策提供了重要基础，结合技术可供性理论，我们提出以下4 个命题和1 个推论：

命题1：技术是一个可供性集合。

同一项技术与不同的行动者发生交互时，有可能产生不同的可供性，即一项技术对应着一个可供性集合。

命题2：技术可供性集合是一个跨界变量集。

技术可供性既是不同行动者识别出来的行动机会集合，同时也是包含了支撑被识别的技术可供性得以实现的规则集合与资源集合。

为了便于对命题1 和命题2 做出进一步的分析，假设存在技术T1，那么T1的技术可供性集合就可以用图2 做出展示。其中，用X1 表示T1的技术可供性集合，X1={x1|x1=ta1n+tarr1n}，tarr1n表示实现ta1n对应所需的规则与资源，n=1,2,3,…。

图2 技术T1的一个技术可供性集合X1

命题1 和命题2的技术创新决策意蕴在于，T1与X1 之间的双向箭头表示，既可以通过T1 找到X1，也可以通过X1 找到T1，纯粹技术与技术可供性是双向关联的。以二维码为例。一方面，二维码最初是日本汽车公司发明的，被用作汽车零配件的信息标签及库存管理；而我国则利用“二维码扫一扫”，极大丰富了移动应用情境，当下的二维码技术可供性囊括了移动支付、电子票务、跨媒体阅读、交通管理、会议签到、政府执法、餐厅点餐、防疫追踪等多种行动机会。另一方面，当二维码被日本用作汽车零配件标签和库存管理时，只需要建立一个组织内部的管理系统作为实现该技术可供性的规则和资源支撑；然而，当二维码被用于当前的各种移动应用情境时，则需要建立庞大的移动基础设施和相应的商业模式等作为实现该技术可供性的规则和资源支撑。

命题3：不同的技术之间存在技术可供性交集。

当来自不同领域的行动者与不同的技术建立交互关系时，有可能对不同的技术识别出一种或多种相同的技术可供性，从而使得不同技术的技术可供性具备了产生交集的可能性。

对于命题3，例如存在两种技术T1 和T2，令X2 表示T2的技术可供性集合，则X2={x2|x2=ta2m+tarr2m}，T1 和T2的交集为X1∩X2={ta1n-i}={ta2m-j}，其中，0≤i≤n，0≤j≤m，i=0,1,2,3,…;j=0,1,2,3,…，如图3 所示。

图3 T1 和T2的支术可供性交集

命题3的技术创新决策意蕴在于，技术T1与技术可供性X1 并非严格的一一对应关系，X1 在指向T1的同时，还有可能指向T2，这就有可能使得看起来毫无关联的两项技术，能够通过各自的技术可供性而建立关联，进而使得分别与T1 和T2 相关联的技术群通过T1 和T2的技术可供性建立关联，如图4 所示。例如，在产品研发过程中，当出于成本考虑而需要寻找可替代的技术方案时，就可以通过技术可供性进行逆向搜索，进而获得一个技术方案集合。

图4 不同的技术因技术可供性次而建立关联

因为技术可供性来自技术本身，根据阿瑟提出的技术递归性原理和组合进化原理，可提出命题4：

命题4：技术可供性遵循递归性原理，组合进化是技术可供性的进化机制。

技术可供性是由不同等级的技术可供性建构，或者说，不同等级的技术可供性可以通过组合的方式实现技术可供性等级的进化。

对于命题4，以技术T1 为例：假设T1 来自特定的技术域（Domain），令T1=DT1，DT1的技术可供性集合则表示为DX1，同时，假设该技术域只有两个技术层级，其中，DX1 位于第一层级，第二层级只有两项技术Dl21和Dl22。令Dl21和Dl22的技术可供性集合分别为DL21和DL22，则DX1∈DL21∪DL22，即DX1的技术可供性是DL21和DL22并集的一个子集--如果给定一个新的组合规则，Dl21和Dl22是有可能组合进化成不同于DT1的新技术，因此，我们认为DT1的技术可供性DX1 是DL21和DL22并集的一个子集，而不必然是两者并集后的全集。

命题4的技术创新决策意蕴是，由“纯粹技术”构建成的技术层级金字塔可以转换为由“技术可供性”构建成的技术可供性层级金字塔。为了便于展示，这里使用两层级的DT1、Dl21、Dl22和DX1、DL21、DL22，如图5 所示。

图5 从纯粹技术转换为技术可供性

欧内斯特·劳伦斯（Ernest Lawrence）发明回旋加速器的过程，就可以被看作是一个技术可供性的组合进化过程：1929 年时，劳伦斯提出可以通过电场来加速带电粒子以实现高能粒子对撞，但当时的技术尚未能获得产生高强度电场的极高电压，后来，劳伦斯发现挪威工程师罗尔夫·威德罗（Rolf Wideroe）的一篇文章，谈到用低电压交流电能够使得粒子通过反复震荡的方式进行加速，不过，这种方法需要约3 千米的加速管道，但劳伦斯就如同20 世纪30 年代时任何一位物理学家一样，知道磁场可以使得带电粒子在回路中运动[2]127-128。于是，“磁场的作用”、“威德罗的方法”加上“劳伦斯的高能粒子对撞目标”，结合劳伦斯对于实现这些技术可供性所需条件的认知，最终演变成了回旋加速器--这项技术的可供性正是源于磁场技术与低压交流电加速技术的可供性组合。

根据命题3，不同的技术因技术可供性交集而产生关联，那么，这项技术所属技术域的技术层级金字塔中的所有技术，都能够与另一个技术域的技术层级金字塔中的所有技术发生关联。而根据命题4，“纯粹技术层级金字塔”可以转换为“技术可供性层级金字塔”，这就使得我们能够通过技术可供性交集，为不同技术域的所有技术及其技术可供性建立关联。据此，由命题3 和命题4 可以得到以下推论：

推论1：当不同技术之间存在可供性交集，构建了这些技术的技术以及由这些技术构建的技术，存在技术可供性关联。

为了便于展示，我们以技术T1 和T2 为例：假设T2 来自另一个技术域，令T2=DT2，DT2的技术可供性集合则表示为DX2，同时，假设该技术域同样只有两个技术层级，其中，DX2 位于第一层级，第二层级只有两项技术Dg21和Dg22。令Dg21 和Dg22的技术可供性集合分别为DG21和DG22。当DX1与DX2 存在交集时，两个技术域的所有技术可供性就能够因此建立关联，如图6 所示。

图6 不同的技术域因技术可供性次而建立关联

推论1的技术创新决策意蕴在于，当Z（Z≥2）个技术域（技术层级金字塔）存在技术可供性交集时，这些技术域所有技术的技术可供性就具有了关联性。当纯粹技术与技术可供性集合之间的关联是双向的，我们就可以通过Z 个技术域的技术可供性关联，搜寻到与这些技术可供性具有双向关联性的纯粹技术。例如，我们现在说的“互联网+”或“人工智能+”等，最初就是因为信息技术的某项技术可供性与传统行业的某项技术可供性产生了交集（如“互联网+出租车”，前者的技术可供性在于提供出行信息，后者则在于提供出行方式），而根据技术递归性原理，无论是信息技术还是传统行业，某项特定的技术既是由其它层级的技术构成，同时又能够成为更高层级的技术构成元素，因此，当两者之中的某项技术可供性产生交集，就使得在随后的演化过程中，整个信息技术的技术域与传统行业的技术域能够建立全面关联（如由“互联网+出租车”演变为“互联网+交通”）。

4 结论

基于可供性理论解释人与物之间的互动以及由此理解人类的创造机制，在现有文献中已经多有阐述[12],[21]，从这个角度看，技术可供性实质上就是人对技术的知觉和体验。但我们希望能够对该概念做出进一步的理解和应用，因为技术可供性在大数据背景下拥有巨大价值，这种价值集中体现在技术创新决策上。技术可供性作为人对技术的知觉和体验，以及不同行动者对于实现某种技术可供性所需的规则和资源的认知，是能够呈现在公开报道、年报、讲话、论文和专利等文本大数据上的，这就使得相应的宏微观决策要素可测可获，特别是，这些宏微观决策要素并不仅仅来源于技术专家，还来源于行政领导、企业家、创业者、科学家等各个领域的行动者。只要能够论证技术可供性与纯粹技术之间的关系，就有可能建立以“大数据驱动”为起点的技术创新决策范式。为此，我们结合技术递归性原理和组合进化原理，指出基于技术可供性的技术创新决策属于大数据问题，并通过提出4 个命题和1 个推论来阐明该决策模式的意蕴和机理，尝试通过技术可供性为跨学科、跨领域、跨界以及高度复杂的不同技术之间建立关联。

注释

1 https://www.ebrun.com/20180201/263399.shtml