潮新聞·浙江日報(bào) 見習(xí)記者 涂佳煜

過去三年,，全球各地都或多或少遭受過新冠疫情引發(fā)的經(jīng)濟(jì)蕭條,。疫情對于政府部門來說是一場社會治理的大考,，制定合理的政策助推各行業(yè)有序復(fù)工復(fù)產(chǎn),，對于提振經(jīng)濟(jì)尤為重要,。

早在疫情之初，浙江大學(xué)計(jì)算機(jī)學(xué)院楊洋副教授團(tuán)隊(duì)就十分關(guān)注城市如何從防疫封控措施中復(fù)蘇的問題,。近日,，他們的一項(xiàng)研究成果被Nature旗下期刊Scientific Reports錄用。該研究選擇了用電數(shù)據(jù)作為觀察經(jīng)濟(jì)活動(dòng)的對象,，建立了一個(gè)人工智能模型,，通過模擬不同的政策實(shí)施策略，探討它們對各行業(yè)以及城市整體經(jīng)濟(jì)水平回升的作用,。

面對復(fù)雜的經(jīng)濟(jì)社會情境,，人工智能如何幫助政府進(jìn)行科學(xué)決策,？這份研究為我們展示了一種可能——

更加靈敏的復(fù)蘇“晴雨表”

電力數(shù)據(jù)素有經(jīng)濟(jì)運(yùn)行的“晴雨表”和“風(fēng)向標(biāo)”之稱。為了使它更準(zhǔn)確地映射出經(jīng)濟(jì)運(yùn)行情況，研究團(tuán)隊(duì)調(diào)整消除了天氣,、行業(yè)間的發(fā)展差異,、農(nóng)歷節(jié)假日等因素對于用電的影響，構(gòu)建了一個(gè)可以統(tǒng)一衡量各行業(yè)復(fù)蘇情況的“復(fù)蘇指數(shù)”——這是人工智能進(jìn)行學(xué)習(xí)的數(shù)據(jù)基礎(chǔ),。

2020年1月1日至2020年8月31日期間17個(gè)行業(yè)的復(fù)蘇指數(shù),，1代表該行業(yè)恢復(fù)到往年同期的應(yīng)有水平。受訪者提供

“之所以選擇電力數(shù)據(jù)作為觀察對象,，是因?yàn)樗且豁?xiàng)非?！?xì)粒度’的指標(biāo)?！睏钛蟾嬖V記者,。

用電能夠非常精確、靈敏地反映經(jīng)濟(jì)活動(dòng)：不僅用電的對象可以細(xì)化到具體的企業(yè)和部門,，且相較于隔月或隔年公布的GDP等經(jīng)濟(jì)指標(biāo),，電力數(shù)據(jù)的生成還更加“實(shí)時(shí)”，由于無需人為統(tǒng)計(jì),，也更為真實(shí)和客觀,。

熱力圖顯示了疫情封鎖政策對杭州市區(qū)的影響，熱力圖中的每個(gè)點(diǎn)代表一個(gè)組織的每周電力消耗量,。受訪者提供

據(jù)了解,，團(tuán)隊(duì)收集到了杭州市區(qū)11464個(gè)用電戶的超過7600萬份用電記錄，涵蓋了17個(gè)主要行業(yè)類別,，時(shí)間跨度從2020年的1月1日一直到8月31日,。這些數(shù)據(jù)對于每個(gè)企業(yè)運(yùn)行狀態(tài)的刻畫，能夠精確到每一刻鐘,。

在進(jìn)一步分析“復(fù)蘇指數(shù)”時(shí),，數(shù)據(jù)更新的及時(shí)性帶來了許多優(yōu)勢：一方面，復(fù)蘇指數(shù)曲線能比事后統(tǒng)計(jì)更快地捕捉到經(jīng)濟(jì)活動(dòng)中的特殊波動(dòng),；另一方面,，在評估新頒布的政策時(shí)，曲線也可以迅速反映出它的影響力究竟如何,。

“我們設(shè)計(jì)了一種變點(diǎn)算法,，監(jiān)測政策發(fā)布的時(shí)機(jī)是否與復(fù)蘇指數(shù)曲線的轉(zhuǎn)變點(diǎn)吻合，并在此基礎(chǔ)上評估政策的影響,?！闭撐牡谝蛔髡邨钶娓嬖V記者，以往政策研究最常見的手段是發(fā)放問卷,，不僅耗時(shí),，且存在很大主觀性,，而模型的介入能夠?yàn)樘岣哒咴u估的效率提供一種新的思路。

小圖b檢測了三個(gè)部門復(fù)蘇指數(shù)的變化點(diǎn),，垂直虛線代表一處變化點(diǎn),，虛線上的數(shù)字表示這個(gè)變化點(diǎn)對應(yīng)的大圖a中的哪項(xiàng)政策。受訪者提供

“我們發(fā)現(xiàn),，不同政策產(chǎn)生的效果存在很大差異,。”楊萱說,，“一些政策對于經(jīng)濟(jì)的促進(jìn)作用是緩慢但持續(xù)的,，比如開放跨省旅游，另一些政策只在短期內(nèi)能強(qiáng)烈刺激經(jīng)濟(jì),，比如發(fā)放消費(fèi)券后,，餐飲娛樂業(yè)的復(fù)蘇指數(shù)在一周內(nèi)迅速攀升，但一個(gè)月內(nèi)又會回落,?！?/p>

經(jīng)濟(jì)政策的“沙盤模擬”

有了對于過去政策的評估，更重要的問題是,，未來的策略應(yīng)當(dāng)是怎樣的,？

“如果這樣做,，將會發(fā)生什么,？”決策者的面前總是擺著這樣的問題，它的答案卻不簡單,。大量社會科學(xué)理論告訴我們,，社會的運(yùn)行似乎有一定規(guī)律可循，但“預(yù)測”工作往往非常困難,，這是因?yàn)?，每個(gè)新現(xiàn)象的背后都有一條龐雜的因果鏈，其中涉及到無數(shù)個(gè)變量,，我們無法全部厘清,。

機(jī)器學(xué)習(xí)打開了一種可能：在海量數(shù)據(jù)里“淘沙取金”，挖掘并掌握規(guī)律,，這恰好是人工智能擅長的事,。

“在計(jì)算社會學(xué)研究中，人的因素相對沒有那么重要,，我們傾向于打造一套算法工具,，把一切交給計(jì)算機(jī)，由它來摸索一個(gè)清晰的結(jié)論,?！闭劦接?jì)算社會學(xué)與一般社會學(xué)研究之間的區(qū)別,，楊洋這樣說。

為了模擬新政策對經(jīng)濟(jì)影響,，研究團(tuán)隊(duì)建立了一種基于圖學(xué)習(xí)的時(shí)間序列預(yù)測模型：時(shí)序模型通過大量接受過往數(shù)據(jù)的訓(xùn)練,，理解行業(yè)復(fù)蘇過程，提高預(yù)判未來趨勢的準(zhǔn)確性,；圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)則能整合不同行業(yè)的復(fù)蘇指數(shù),，捕捉到行業(yè)之間的“鏈?zhǔn)叫?yīng)”，比如上下游行業(yè)間的互相影響關(guān)系,。

對17個(gè)行業(yè)進(jìn)行的模擬實(shí)驗(yàn)和預(yù)測結(jié)果,。受訪者提供

“我們對17個(gè)主要行業(yè)逐一進(jìn)行了模擬實(shí)驗(yàn)，分別對它們施加了一個(gè)預(yù)期能將其經(jīng)濟(jì)恢復(fù)速度提升一倍的政策,?！睏钶嬲f，“結(jié)果發(fā)現(xiàn)了一些很特別的現(xiàn)象,，比如,，某些自身對政策反響強(qiáng)烈的行業(yè)，由于缺乏對其他行業(yè)的帶動(dòng),，其實(shí)并不能很好地從整體上提振區(qū)域經(jīng)濟(jì),。”

舉例說,，文中提到,，政策對于餐飲業(yè)和商業(yè)服務(wù)業(yè)的促進(jìn)效果是相近的，但增加對商業(yè)服務(wù)業(yè)的支持,，對整體經(jīng)濟(jì)復(fù)蘇的貢獻(xiàn)卻是餐飲業(yè)的27倍,；另外，增加對管理部門的支持只會使其自身的復(fù)蘇速度提高2%,，但能讓區(qū)域整體的經(jīng)濟(jì)效益顯著增強(qiáng),。

這帶來了一個(gè)有益的啟示：政府制定經(jīng)濟(jì)扶持政策時(shí)，不能只看到某個(gè)行業(yè)受疫情打擊的程度,，更應(yīng)把行業(yè)之間的相互依存關(guān)系納入考量,。

除了政策啟發(fā)之外，模型本身作為工具,，也具有很強(qiáng)的復(fù)用性和普適性,。

“開個(gè)腦洞，比如這個(gè)模型,，也可以用來制定大型活動(dòng)的交通管制策略,。”楊洋舉例,，“假設(shè)有若干個(gè)地鐵站,，如果我們對每個(gè)地鐵站的人員流動(dòng)進(jìn)行建模,，就可以讓模型進(jìn)行學(xué)習(xí)，預(yù)判限流措施會對整體流量造成怎樣的影響,，最終找到最優(yōu)解,。”

“未來我們還會在模型的可解釋性方面進(jìn)一步開展研究,?！睏钶娓嬖V記者，深度神經(jīng)網(wǎng)絡(luò)具有“黑盒”的屬性,，也就是說,，我們無從了解模型形成結(jié)論的邏輯和依據(jù)。因此在這項(xiàng)研究中,，團(tuán)隊(duì)需要不斷地借助社會科學(xué)研究中的知識,，對模型的建構(gòu)思路以及得出的政策建議作出闡釋。

楊洋表示,，目前,，計(jì)算社會學(xué)的成果大多仍屬于前瞻性研究，沒有真正在決策流程中發(fā)揮作用,。如果要讓人工智能全面賦能社會治理,，可解釋性仍是一個(gè)需要攻克的挑戰(zhàn)。

“未經(jīng)許可,請勿轉(zhuǎn)載”