社会科学研究中

“基于主体建模”方法评述

黄璜，北京大学政府管理学院

【内容摘要】“基于主体建模”方法在对微观个体进行数学建模的基础上，利用计算机模拟技术来推演社会演化发展的过程，从而为社会科学研究提供了一种动态的分析视角。所谓主体，是对社会个体的仿真，具有主动性、交互性和有限理性等特点。大量主体的微观活动会在社会系统层面“涌现”出某种不能以个体的微观行为来解释的宏观现象。在社会科学研究中使用“基于主体建模”方法，要秉持自下而上的研究途径，应强调对“个体”、对“过程”、对“规则”的演化以及对“多中心”体系的建模。

【关键词】社会科学研究；基于主体建模；研究方法

一、引论

在社会科学研究视域下，除了传统的思辨分析、案例分析、社会调查、计量分析等研究方法之外，“基于主体建模”(Agent-based Modeling，以下简称 ABM) 这一新的研究方法越来越受到很多研究者的关注。2009年诺贝尔奖得主，政治学家埃莉诺·奥斯特罗姆教授在 2006 年曾专门著文讨论该方法，并与其他研究者合作建立了一个基于主体建模方法的关于公共池塘的分析模型。

基于主体建模是一种基于计算机的建模方法。它通过计算机模拟出一个虚拟的人类社会，并通过设置各种社会变量为社会过程建模，从而提供了一种解释社会科学问题的动态分析途径。在国外，社会科学研究中出现了基于主体建模方法的计算经济学，(Agent-based Computational Economics，ACE)、计算社会学、计算组织理论等，在政治学、语言学等研究中也有大量的相关文献。

在20世纪40年代，冯·诺依曼最早在“胞元自动机”(cellular automata) 方面的工作中应用了基于主体建模法。实际上，“胞元自动机”仅仅是基于主体建模法的前身。一般认为，最早采用基于主体建模法思想设计模型的研究是诺贝尔奖得主、经济学家谢林(Thomas Schelling) 对种族隔离的实验研究。另一项广为人知的研究是政治学家埃克斯罗德(Robert Axelrod) 设计的“囚徒困境”博弈策略竞赛。他利用基于主体建模方法实现博弈策略的“生存”竞赛，发现“一报还一报”(tit for tat)策略是人类实现合作的最优策略。从此之后，基于主体建模法的合作演化研究受到了跨学科的持续关注。其后，爱普斯坦(Epstein) 和埃克斯特(Axtell)设计的“糖域”( sugarscape) 模型引入了“人工社会”的概念，对社会分化、社会交换等现象进行了探索。众所周知，社会科学与自然科学研究的一个关键区别在于无法进行可重复实验，而爱普斯坦和埃克斯特则提出，基于主体建模的模型可以看作是社会科学的实验室。这个“实验室”可以帮助社会科学家研究动态的社会过程。

在经济学领域中，国内也有学者使用基于主体建模方法来研究证券市场、城市演化等。最近也有研究者开始研究基于主体建模的合作演化。但就国内社会科学研究整体而言，基于主体建模仍然是一种新的研究方法。因此，在梳理国外社会科学中基于主体建模方法的研究文献的同时，我们从其思想基础、基本特性等入手，试图搭建一个基于主体建模方法的分析框架。首先将讨论社会科学研究中建模与模拟研究的发展历程，其次将讨论其在方法论上的特殊意义，然后说明这一方法的基本特点和建模具体方法，最后阐明在社会科学研究中使用这一方法的原则。

二、社会科学中的模型建构与模拟

数学建模通常需要在所考察的因变量和自变量之间建立某种形式的数学方程，从而精确地描述和推断所考察的研究对象。如果方程中输入大量的按照某种内在逻辑相互关联的(比如按照时间顺序排列的)自变量的数据，那么就可以得到一系列的(按照时间发展的)因变量的解值。由于这些方程本身是对人类社会过程的描述，那么这种求解也就是对社会过程的一种“模拟”。也有人认为，模拟可以看作是“一种其他途径很难实现的”社会实验。不过实验往往需要直接控制研究对象，而模拟则是一种“作用于研究对象的模型”。由于需要对大量数据进行操作，早在20世纪60年代，研究者就开始利用计算机实现模拟过程，其中最广为人知的是“罗马俱乐部”的研究者利用系统动力学方法设计的“世界模型”(world model)，这一模型指出了人类世界发展的极限问题。由于计算机的运算过程本身也是数学过程，因此计算机建模并不影响这些模型在数学上的严谨。

总的来说，基于计算机模拟的社会科学研究的发展历程可以划分为三个阶段:宏观模拟阶段、微观模拟阶段和基于主体建模模拟阶段。“世界模型”就是基于宏观模拟方法，它直接在系统层面建模，不涉及具体的微观个体的行为。微观模拟方法则将模型建立在微观个体层面上，但不能解决微观主体相互间的影响问题，这一点在基于主体建模方法中得到了解决。

基于主体建模方法脱胎于计算机人工智能研究 中 的“分布式人工智能”( distribute artificial intelligence)和“机器学习”(machine learning)技术。“分布式人工智能”技术的主旨是将计算任务分配给众多拥有不同知识或技能的智能主体来共同解决，而“机器学习”则关注智能主体如何对外部刺激作出反应以及相互学习。这些技术的发展直接促进了基于主体建模方法，也就是基于主体建模的形成。基于主体建模被引入社会科学后，其研究便从研究智能主体本身转变为如何应用智能主体来构建虚拟人工社会，通过实现主体的自主行动和相互学习，为社会科学问题建模。

三、“基于主体建模”方法

的方法论基础

科学哲学家卡尔·波佩尔曾指出，从系统科学的角度研究社会科学问题大致可以分为两种路径。一种路径是以统计学方法为代表的“还原论”，其特点是将宏观上的社会现象看作是由微观个体行为线性聚集的结果。这种方法已经受到学界的质疑，认为其忽视了个体之间的差异以及个体行为间的相互影响。另一种研究路径则认为，宏观现象往往是一种“出乎意料的情况”，需要用新的范畴，而不能仅用微观个体的行为来解释。呈现这种特征的系统被称作复杂系统，这种“出乎意料”的结果称作“涌现”(emergence)。复杂系统具有自适应和自组织的特点，即指系统的组成成分具有自我学习、自我组织的能力，能够通过与其他组成成分以及系统所处的环境之间的交互作用，调整自身的结构与行为，从而适应这种系统的变化。

人类社会系统被认为是一个典型的复杂系统，其复杂性就表现在社会成员之间存在差异和非线性的互动关系，个体的行为不是独立的，而是相互影响的，因而可能导致社会在整体层面上“涌现”出与社会成员自身行为或目标不同的行为和目标。这样，简单的线性加总不适用于分析和解释这样的社会系统，需要一种可以处理非线性关系的研究方法，比如微分方程方法。但是微分方程建模本身比较复杂，较难得到明确的解析，因此就需要有更具操作性的研究方法来支持。

在上述背景下，结合计算机人工智能技术，便出现了“人工社会”。基于主体建模方法就是一种典型的“人工社会”构建技术。这种方法以主体为核心，通过计算机软件开发机制，实现一个在没有外部干预条件下的大量主体自主行动和主体之间自动交互的虚拟社会过程;通过对这种社会过程的模拟，便有可能 在社会系统宏观层面“生成”(generate)某种形式的“涌现”。

基于主体建模方法或“人工社会”是一种自下而上的建模方式。这一建模认为，社会结构包括规则、制度等可以通过社会行为的“结果涌现”(outcome emergence)进行自下而上地解释。这种观点在传统的政治学、经济学、社会学研究中都有大量论述。比如，哈耶克所谓“自生自发的秩序”认为，社会规则是一种通过社会的长期自我调适而自生自发的演化秩序。

支持“涌现”是基于主体建模方法的核心价值。方法论上的“涌现”并非是指某种神秘的、不可解释的现象。复杂系统学家对是否存在“涌现”的根据作出了三个判断:

(1)整体的特征不是其组成部分的特征之和;

(2)整体特征的种类与组成部分特征的种类完全不同;

(3)整体特征不能由独自考察组分的行为中推导或预测出来。

“涌现”实质上是一种系统层面的均衡。在有的情况下，系统只有一种均衡结果;而在另一些情况下，系统可能存在多个不同的均衡，“涌现”出来的结果只是其中之一。

四、基于主体建模方法

的建模及其特点

在社会科学文献中，“agent”通常被用来指代所研究的个体对象。“agent”常常被翻译为“代理”，用来指代议会议员、政府官员等;或者被翻译为“行动者”，这体现了“agent”在社会活动中的自治性和主动性。计算机科学将“agent”翻译为“智能体”或“主体”。无论是社会科学还是计算机科学，在使用这一词义时并无本质差别。相对而言，“智能体”更强调智能性，即思考的能力，而“主体”更强调主动性，即执行的能力。事实上，社会科学研究对“agent”的智能性要求主要是注重它们的交互能力，因此，一般将“agent”翻译为“主体”。

要构造一个基于主体的建模系统，主要需要三个方面的工作。

第一，需要构造一个“主体”的模型。任何一个主体通常包括基本属性、行动规则和规则解释器三个部分的内容。基本属性记录主体的静态特征，描述主体的基本状态，比如主体的年龄、拥有的资源、社会关系以及对过去的记忆等。行动规则规定了主体在各种内外条件下应该采取什么样的行动，具体的条件将由规则解释器根据外部环境或其他主体给出的信号、主体的自身状态或者过去的记忆等作出判断。在同样的环境中，主体所选择的行动规则并不一定是固定的，这取决于主体在对历史经验，或者向其他主体学习的过程中获得了什么样的新信息，从而使自己能够更好地适应外部环境。

第二，构造主体所生存的社会或自然环境。环境可以看作是在主体之外，能够对主体行为产生影响的各种因素的集合。环境既可以是社会环境，即主体中所有社会关系的集合，比如主体之间会形成社会网络;也可以是自然环境，包括活动的空间范围、可利用的资源等，比如可以将活动空间设置为一个 N×N 的方格矩阵，或者结合地理信息系统(GIS)技术，将主体的活动空间设置为一个真实的地图。

第三，构造模型的运行过程。基于主体建模模型中通常需要设置一个“时间”变量。为了便于操作，时间通常被设置为一系列离散的时间段。在初始时间段，若干主体被“放置”于环境中;在以后每个时间段，主体将从环境中获取信息来选择实施自己的行动策略。通过上述这三方面的工作，就可以建立一个基于主体建模模型。研究者可以根据具体研究的需要为主体设置相应的行动规则。

基于主体建模方法具有以下三个方面的特点。

第一个方面的特点是利用“主体”模拟人类的社会特征，主要包括主动性、有限理性、交互性和学习能力。(1)主动性，即主体们能够拥有自己的意图和行动规则，能够对外界的刺激产生反应，并根据行动规则主动地完成某项行动任务以实现其自我意图。比如，主体可以自己完成生产任务，搜索生存所需的资源，或是寻找最佳的居住环境。(2)有限理性，即不存在能够通晓全局，又能作出超智能分析的主体。主体不能掌握最优的行动策略，也不可能了解全局情况，外部环境也可能随时变化。主体常被限定在特定的时间、空间和社会关系中，这样它只能从有限的时空条件和社会关系中获取分散化的信息。即使是这些信息，主体也可能只具有有限的处理能力。比如，主体往往只拥有短期的记忆，只能看到周围其他主体的行动等。(3)交互性，即主体之间可以相互交流。在传统的数学建模方法中，微观个体往往是原子性的，而非社会性的，它们只是拥有某些静态的属性，相互之间缺乏联系，也缺乏调整自身属性和策略的机会。事实上，每个人都生活在与其他人交往互动的动态结构之中，自我学习与相互模仿是人类的基本能力。ABM 允许主体之间相互交流、相互模仿。比如，主体之间的相互接触会导致某种属性(传染病)的传播;或者为了实现收益最大化，主体会模仿周围其他主体所采取的策略;或者主体之间会传递信息;或者主体会对其他主体采取某种强制措施(如惩罚他人)。(4)学习能力，即主体可以相互学习，改变自己的行动策略。有限理性并不妨碍主体作出“好”决策。主体行动规则不是固定不变的，通常的情况是，主体在与环境和其他主体的交互中会尽可能地根据当前情况获取新信息来更新自己的规则，从而作出有利于自身意图的行为。主体可以根据经验来计算什么样的策略将给自己带来最大化的收益，比如，主体还可以根据周围舆论的变化调整自己的策略。

基于主体建模方法的第二个方面的特点是关注动态过程。计算机模拟的优势在于，可以实时记录模拟过程中出现的全部数据。由于微观主体的策略会发生改变，系统在宏观上并不一定会保持稳定状态。这种不稳定性可以表现为某种周期性的状态变迁，也可以是近乎混沌状态的无规则变化。即便最终能够形成稳定的社会状态，而且通过其他的建模方法也可以获得这样的结果，ABM系统所记录的数据却可以描述实现这种最终社会状态的“历史”过程。在使用ABM方法时，社会的初始条件通常是随机的、无规律的，仅靠一次行动很难即刻改变这种随机性。因此可以在一个较长的时间中引入扰动因素，比如行为发生“变异”，这样更有利于讨论模型的稳定性。基于主体建模方法就好似打开了一个“黑箱”，让人们了解到不同的社会状态之间是如何变迁的。比如，选举投票的动态模型反映了选民政治偏好的变化过程，而传染病模型则显示了传染病扩散的可能路径以及传染病患者的分布变化情况。

基于主体建模方法的第三个方面的特点是能够支持复杂系统中的所谓“涌现”。基于主体建模可以实现在系统中“涌现”出无法用微观个体意图来描述的宏观现象。基于主体建模的“涌现”大体上可以分为两类:一类是自组织( self-organizing) 的社会结构;另一类是形成某种社会秩序( social order)。自组织就是谢林(Schelling)的社会隔离实验的例子。这项研究表明，种族隔离可以是一种社会自组织的结果，而与种族主义之间并不一定存在必然的联系。城市演化分析则旨在探索城市中居民、企业等大量微观主体的自组织过程而导致的宏观空间结构的演化。基于主体建模方法的合作演化研究便试图对社会合作秩序作出解释。

五、在社会科学研究中

使用基于主体建模方法

在讨论的过程中，我们看到，较之于其他分析方法，基于主体建模既有其优势，也存在局限性。优势表现在，通过构造“人工社会”，可以为非线性的社会交互建模提供实现“社会”均衡的过程信息，但是，这种方法的技术门槛较高，对人类社会的仿真不可能做到完全复制。事实上，对于这一方法的适用性仍然存在争论。有研究者认为，基于主体建模方法有助于理解那些出现在各种情景中的一般过程，换言之，这一方法更适用于理论的发展和解释，而不是对具体现实问题的预测。之所以产生这些判断，原因就在于，利用基于主体建模方法所构建的模型实际上是一种形式(formal)逻辑模型。这种形式模型的特征是，通过控制其他变量来考察少数变量之间的关系，其目的并不在于精确预测社会现象的具体发展方向，而是要抓住社会现象中的一般性。不过，也有不少学者将ABM模型和实证数据结合起来研究具体的社会或政策发展问题。

无论是用于理论推演还是对实际问题的分析，在社会科学研究中使用基于主体建模方法，首要的是要遵循一种“自下而上”的建模路径，着重讨论的是微观行动主体的行为及其之间的互动与社会宏观系统变迁之间的关系。如果仔细周密地考虑，应注意以下问题。

第一，应强调对“个体”的建模。社会的系统行为是由个体行动实现的，个体行动的结果会影响他人的行动，从而塑造或影响社会行为。对社会现象的理解不能仅看到静态的均衡，还要关注动态的社会过程，而社会过程是通过个体行动和交往而形成的，因此就要建立能够更细致地描述个体行为与交往的模型。任何个体都具有自己特定的发展意图，他们的行动或决策不仅受到自身禀赋的限制，个体之间的相互效仿或者冲突都可能影响个体的行动，从而影响社会系统的变迁。

第二，应强调对“过程”的建模。任何“涌现”都需要将个体的行动放置在一个较长的时间中反复进行。由于强调个体的活动，因此必然包含相对较长的时间过程，各种个体在这个时间过程中实施自己的行动。对过程的关注，能够为社会科学研究提供一种动态演化的分析视角。传统方法常常说明，社会最终会出现什么样的均衡结果，通过基于主体建模分析得到的结果很可能与此完全相同。然而，基于主体建模的价值并不在于最后的均衡，而是能够获得社会、经济、政治系统演化与变迁过程中的知识。

第三，应强调对“规则”的演化建模。无论“涌现”是体现为一种社会自组织，还是体现为社会秩序，都表现为一种自身演化的社会“规则”。这种规则不是由系统外部的某种要素强制赋予的，而是通过主体之间的互动在系统内部形成。什么样的规则能够生成，取决于具有特定偏好的微观个体根据其自身意图的行动。这里包括两种情形。一种情形是，微观个体自己并不清楚是否存在某种规则，比如前面讨论的社会隔离模型。另一种情形是，微观个体了解某种规则，并根据自身偏好或行动所取得的效益来选择是否遵循这样的规则。

第四，应强调对“多中心”体系的建模。如果微观个体的行动和交往是非自主的，或者说存在着某种因素，比如模型构建者或者系统中的某个特定主体，能够安排每一个主体的具体行动，那么研究结果也将是被这种因素所决定了的，模型也就失去了价值。基于主体建模方法强调微观个体的自主性，即不存在某个主体可以“凌驾”于其他主体之上的现象，或者说，不存在可以直接控制其他主体具体行动的特殊主体。每一个主体都是一个决策中心，拥有自主的决策能力，也即是一种“多中心”的决策格局。比如，对竞争性市场的建模能够最充分地说明这一点，因为在竞争性市场中并不存在某种绝对的控制者或者操纵者。

为适应微信排版与阅读，注释从略，转载引用等请参阅期刊原文。