提升综合”方法的地位：研究后期的重点关注

算法方法绝不排斥抽象的模型化研究方法的应有地位。面对复杂的社会世界，我们往往需要采用从复杂到简单、再从简单到复杂的研究顺序；这是有限计算速度所要求的。我们需要忽略众多其他因素的存在，或者假设它们不变，然后再看少数变量之间的因果联系。从这个意义上说，任何人的思维方式其实都是模型化的。我们对简单模型的研究结束之后，就要一步步地增加变量，再研究更广范围内的关系，直至逼近现实世界。基于上一步所取得的成果，下一步的研究就会更为容易。众多变量之间的互动就这样可以逐步搞清楚了。这是一种通用的科学研究程序。例如，为了研究物体的运动，我们首先研究静止物体，然后依次研究匀速直线运动、变速运动和曲线运动，等等。每一个研究步骤都意味着建立一个新的模型。

经济学家们的想法最初也是这样子的。他们打算先研究小范围短期决策中的情况，再逐步研究大范围长期变动的情形。可是，自从杰文斯、瓦尔拉等人使用了数学方法之后，一个戏剧性的变化发生了，这就是，经济学家们显然不知道如何回答这样的问题：当事人固然处于临时计算之中，难道他就只能短视地只顾摆在眼前的诸条件吗？难道他就不能在纵观全局和历史之后再决定眼前的事务吗？他的思考为什么要停下来呢？他的思考停留在哪个地方才合适呢？面对这些困难，经济学家们干脆建立了一个称为“一般均衡”的模型，其中抽掉了时间，不再区分短期与长期了。其结果是，模型不再能够回到现实中去了；模型本身在逻辑上不再产生回归现实的需要，而对于那些不得不探讨的现实问题（例如货币），就硬把它（此之谓“添加物”）塞到模型中，然后推演一番。不幸的是，由于每添加一个对象所引起的推演和变化都很复杂，这就限制了可以添加的“添加物”的数量，也限制了添加的频次。结果是，抽象的、分析的过程的确具备了，而其后的综合过程却聊胜于无。这就是所谓“现代经济学”的半成品性质。

算法方法揭示了这样的道理：临时计算其实便是人们实际进行的意识活动。这种活动业已受到时间与其他计算资源的压迫而变得“弯曲”了，因而一般只涉及有限的范围、期间和深度。所以，要想把临时计算局限于一定的范围，并且在有时间的环境中来展开分析，简易的、现成的和有效的办法就是接纳当事人真实的意识，以之作为“原型理论”。其次，分析过程完成之后，当需要进行综合时，也即通过增加“添加物”而向现实靠拢之时，算法理论可以告诉我们，这些添加物是怎么来的，它们为什么会在那里等候我们来添加。简言之，这些添加物实际上大都是时间（尤其是计算时间）的变体；计算时间迫使这些原本（在计算时间为零的新古典条件下）纵向排列、转瞬即逝的事物（也即思维存量）在空间上铺陈开来，并且相对独立了（因而“存在”了，或成为“客观实在”了）。这就是算法理论所提供的“社会科学原理”的作用之一。

受意识支配的当事人的行为与物理世界以及其他人的行为相互“邂逅”和“碰撞”，由此导致的后果将会如何？这是一个有趣的、然而经济学家们尚不很熟悉的问题。新古典的市场机制的确也展示了有关因素集合在一起所造成的后果，也即一种“综合”的方式，可是，这种综合法过于简单了。我们要研究真实的人（或高度真实的虚拟人）在高度真实的环境中的行为及其后果。在算法框架下，这个目标是可以并且应当提出的。当然，这里的困难不小，其程度甚至超过了对意识的研究。首先，一般我们不能进行大规模的社会实验，因为其成本太高了。其次，这里涉及的变量和因素非常多。用计算机语言来说，这显然是个“巨系统”。最后，在这个充斥着结构性的系统中，不要说结构性的变化，即使某些数量的不大的变动，都可能对整个系统产生临界性和方向性的影响（所谓的“蝴蝶效应”）。例如，股票市场同时迎来了诸多利好和利空的消息，市场在整体走势上如何反应，取决于这些正反消息之间的角力以及相互抵消的情况。某个方面的力量稍微增强一点，整个市场的方向可能也就决定了。

这个工作看似困难，可是，经济学者们必须设法来展开它。不进行这样的工作，还算什么科学工作者呢？然而，现实的情况是，经济学者们要么进行高度脱离现实的抽象研究，要么则对现实经济状况随意评头论足，而对于论述的严谨性则不管不顾了。科学分析与关怀现实之间是严重脱节的，这样的态度是自相矛盾的。我们可以推测，“综合”的工作一定是可以进行的。为什么呢？这是因为，在我们进行了抽象分析以及完成了对意识的推断工作之后，当事人的行动（被设想为）发生了；这样一来，我们也就进入了一个物理的、从而必然性的领域（尽管这个观点是可以挑战的）。那么多的因素叠加到一起，一定会产生某些特定的结果；这些结果一定是可以预测的。我们整天说科学工作的核心是解释，而我们需要认识到，这是对经济与社会现象进行解释的非常关键的、甚至是主要的环节。这就好比我们是汽车制造商，我们制造好了各个零部件，现在需要完成整车的组装工作。假如我们放弃这个工序，或者草率从事，岂不辜负了先前的辛勤工作？认识到了这个道理，就可以得出结论，现有的经济学研究方法其实是存在严重偏差的。如今，各种各样的“模型”令人眼花缭乱，有的的确也颇为接近现实，可是，经济学家群体在整体上仍然延续着“选择性地承接研究任务”的路子，对于重要的“综合”工作，因为其比较困难，所以就予以回避或淡化，而不是坦诚地面对它们。古典的经济学者们并不如此；他们广泛地面对、观察、描述和分析任何他们所注意到的经济现象，所得出的结论虽然往往比较模糊，然而却很重要。当今的经济学家们，当他们在公众面前发表演说时，他们所依赖的主要不是他们所完成的学术论文，而是经典著作中那些模糊的、或者经验性的论述。不曾读过经典著作的学者，则往往连这种议论也发表不了——事实不正是这样吗？(www.xing528.com)

针对分析性结果在研究后期所进行的综合，是我们需要予以重点关注并大力展开的。为此，尤其在算法世界中，数学显然是不够的；也正是在这个意义上，计算机模拟可以成为一个非常重要的、甚至必不可少的研究方法。很难设想，如果没有计算机这个工具，我们将如何展开上述“综合”的工作！？经济研究工作其实是与诸如“天气预报”之类的工作有些相似的。据说，后者常常会涉及上百万个变量，因而非常适于在计算机上进行。类似的工作方式现在应该为经济学者们所采用了。然而，由于受到已有经济理论的羁绊，目前的计算机模拟研究还只是处于起步阶段，并且明显地不得要领。算法理论可以作为计算机模拟方法的理论基石，并为这条研究进路开辟广阔的前景。我们可以（主要基于经验研究）设定众多具有特定性格、知识和习惯的虚拟的当事人，给他们以标准的命名，使之进入计算机所设定的环境之中进行“游戏”，然后观察由此所导致的宏观后果。我们也可以先设立一个虚拟的电脑环境，然后邀请受试人或者社会公众上网进行游戏，展开规模巨大的经济学实验，等等。

人工的算法进路虽然不够精确，但真实性强。另一方面，因为电脑中虚拟的当事人毕竟不能等同于真实的人，所以计算机模拟方法在真实性方面必然会有所损失，不过，它却可以十分精确。计算机程式和数据都可以十分确切地进行检视和比较。将两者结合起来，我们就具有了一套不劣于现有方法体系的新体系，这个体系既具有思想性、人文性的一面，也能够满足当前所流行的精确性要求，并且具有明确的操作方法。我深信，这套方法将会在新世纪的经济研究中展现出良好的前景。

当然，新的方法是在现有方法的基础上发展出来的，而且即使用上所有的方法，也不一定完全奏效。完全的真相可能将永远是一个谜，我们所能做的只是竭尽所能地逼近它。在新的观念和理论原理的指导下，上述思路也一定能够不断地得到完善和发展；这是可以期待的。万事开头难，我们只能一步一个脚印地前行。