第三節 大數據的社會—技術系統

在組織管理理論、演化經濟學、新制度主義等社會研究中，解釋個體行為往往是分析的起點，這個研究趨勢也被稱為方法學個人主義（Methodological Individualism）（Arrow，1994）。從這一視角出發，人類的所有行為都可以被認為是解決問題的活動（Mantzavinos，2004）。問題解決是一個手段—目的（Means-End）的過程，包括確定議程、設定目標和設計行動（Simon et al.，1987）。對于一個定義良好的問題，存在初始和目標兩種狀態。初始狀態指現在的狀態，目標狀態則指期望達到的狀態，或者說是一個解決方案。問題空間就是這兩種狀態之間的差距。解決問題就是在這個問題空間中尋找從初始狀態到達目標狀態的路徑，而對所有可能路徑方案進行評估和選擇則進一步涉及了決策（Newell & Simon，1972；Simon，1978；Simon et al.，1987）。

一 大數據分析的社會基礎

通過模仿和利用人類心智模型并構建大數據心智模型，大數據范式能夠更精確地感知人類需求并推動智能管理、決策優化，并最終推動人類問題解決（徐鵬、徐向藝，2020）。然而，將大數據與管理組織理論實踐結合不僅在于理解大數據如何在流程上成為決策支持，而且要求必須知道數據在通過加工“流水線”時是怎樣被組織分析的，這就要求應用者在面對大數據系統時不僅能夠回答“how”的問題，還要回答“why”的問題（Lugmayr et al.，2017）。

目前，大數據技術已經與人工智能技術深度結合。在大數據出現之前，一切問題解決和決策過程都發生在人類有限的工作記憶中，而大數據等計算技術的出現則部分取代了人類智力活動和問題解決過程（Pearl，1984）。大數據和人類可以被視為兩個相應的實體，兩者都在構建觀察、理解和解決客觀世界問題的模型，這一模型被稱為心智模型（Mental Model）。大數據通過構建根植于數據符號空間的相關系統作為其心智模型來豐富自身數據空間（Chandler，2015）。它們可以處理復雜系統的計算模型，或者利用因果關系的數學模型迭代地優化數據空間以提高預測能力（Grimmer，2015）。因此，有研究者將大數據影響定義為人類通過應用大數據的“心智模型”，達成更高效的問題解決和決策效率（Provost & Fawcett，2013），并撬動個體、組織和社會的改變（Chen et al.，2012；McAfee et al.，2012）。

二 大數據分析的人機認知沖突

雖然大數據通過提高人類問題的解決和決策效率為組織帶來了潛在的發展機會（Clarke，2016），但更廣泛的批評質疑組織在利用大數據獲取經濟利益時兼顧社會價值和倫理道德的能力（Richterich，2018）。例如，記錄用戶信息的大數據能夠賦予廣告商和受眾平臺更精確的推送能力和更高的數字營銷價值（Dempster & Lee，2015），而對數據以及數據潛在價值的渴望往往驅使大數據企業將目光投向用戶隱私，典型的如臉書（Facebook）侵犯用戶隱私的丑聞等倫理問題（Hull，2015）。因此，大數據在加強了組織問題解決能力的同時，也同樣招致了很多社會輿論的批評。

Weber和Simon的理性選擇理論為比較數據與人類的心智模型提供了一個通用的理論框架。Weber（2019）將理性分為對立的兩個維度，即實質理性（Substantive Rationality）和形式理性（Formal Rationality）。根據Weber（2019）的定義，經濟活動的形式理性可以被描述為該活動在技術上可能實現的計算（Calculation）程度，以及實際應用的程度；而經濟活動的實質理性則更關注經濟導向的社會行動受到特定社會人群評價主張（Evaluative Postulates）的影響程度。這些主張通常非常模棱兩可。Lindebaum、Vesa和den Hond（2020）在數字背景下進一步澄清了兩者的概念：以形式理性為前提的決策遵循抽象的形式的程序、規則或者規律，以在手段—目的（Means-end）框架下達到特定的合法目標；而以實質理性為前提的決策則更關注人類價值性的思考和行動的能力（Follesdal，1982）。

Simon（2000）則將理性定義為預先設定的目的和達到目的的方法之間的一致性關系，以過程理性（Procedural Rationality）指代形式理性，強調了形式理性取決于產生行為的過程而非目的，并指出了組織管理理論從實質理性向過程理性過渡的必然性（Simon，1976），以及以計算機技術支持組織管理的可能（Simon，1960，1979）。然而，這一觀點的批判者認為極端的程序理性會壓迫決策者進行價值判斷和選擇，甚至獨立進行問題解決的能力（Lindebaum et al.，2020），大數據系統作為形式理性的載體因而對人類基于實質理性的監管有著固有的要求（Hoc，2001；Konar，2018）。

通過將形式理性固化為算法，不受限制的大數據發展將會導致兩類可能的社會影響：它既可以通過形式理性強化對實質理性的抑制，也可以通過形式化將實質理性轉化為形式理性。一方面，價值取向的形式化必然將資源和注意聚焦于程序所代表的價值，而會將其他理性同時邊緣化，抑制實質理性。例如，Simon（1976）批評的傳統實質理性取向的經濟學家過度地將目光投向了經濟因素，反而忽視了作為形式化結果的形式理性。Lindebaum等（2020）則更進一步地指出，當某一組特定的價值通過形式化成為“顯性”規則時，它們會自然擠壓其他價值的生存空間。另一方面，形式理性是實質理性形式化的結果（Kalberg，1980），團體就一組可識別的價值觀達成一致能夠為其理性化提供方向，這一過程也可以被認為是實質理性的“制度化”過程（Mintzberg，1994）。通過形式化，特定價值凌駕于其他未形式化價值之上，實質理性將失去其多樣性和模糊性，并作為主流價值觀進一步對其他價值實施邊緣化。因此，在一個封閉系統內，完全基于形式理性的大數據驅動的自動化決策在上述兩方面構成了自我強化反饋循環，營造了適合僅形式化成長和數字技術極權生態，消弭了基于價值觀選擇的決策的必要性（Simon，1976），最終威脅作為形式理性基礎的實質理性，并最終導致理性的消亡（Lindebaum et al.，2020）。因而，大數據與人類心智模型的沖突實則是大數據范式背后的形式理性與人類社會廣泛存在的實質理性的人機二元沖突。

三 大數據分析的二元認知調協

有學者認為，大數據的社會應用并非僅僅是數據的加工。作為社會—技術系統的大數據依賴于大數據技術系統與人類社會經驗系統的協同，這一二元模型也可被稱為認知大數據。認知大數據指以人類可理解的數據為基礎，以知識管理為目的，在合適的應用背景和合適的細粒度下，支持個體心智能力發展的社會技術系統（Lugmayr et al.，2017）。這一系統的實現除了依賴傳統的監督學習等方法（Bostrom & Yudkowsky，2014），同樣也依賴于對大數據心智模型和人類心智模型的協調和統一。

認知大數據的本體論暗含著人類和機器的雙元心智模型：一方面，它支持人類從數據中獲取信息、知識、洞察和情報等，并接手程序性的決策過程，解放人類認知；另一方面，它還涉及將人類的經驗價值等實質理性反向輸入大數據系統，使大數據系統能夠感知更多人類價值、意圖和觀念。信息系統研究和社會科學研究需要考慮這些趨勢，并通過支持公司內部的知識創造過程來增加這種可能性。例如，通過關注數據分析和數據可視化等形式理性程序，減輕人類理解數據的認知負擔；同時利用主流的實質理性作為指導，引導大數據發展方向。最終實現大數據系統與人類認知系統在客觀世界的認知上達成一致，或者說允許決策者根據價值觀等進行選擇的大數據系統。

隨著人機交互，關聯模型與控制系統的因果模型之間不斷轉換。從人類的角度來看，大數據系統提供的感知表征提供了可被人類接收的信息。而人類的反饋則通過編碼、規則、程序或數據的形式重構機器的心智模型。機器智能程度越高，兩種模型的操作方式就越接近。此交互的結果減少了人類所需的認知負載，并使數據更易于受過培訓的數據分析人員以外的用戶訪問。

在每個循環中，模型將過濾背景信息，并通過大數據分析轉義為其他形式。通過創建感官表征（例如可視化），相關模型將從它所基于的數據中刪除。只有原始數據的一小部分被傳遞給經驗空間。通常，這些數據以摘要和更高級別的概念的形式呈現。當人類感知可視化時，它們被變成人類經驗空間的記憶，通過記憶和經驗網絡驗證數據中所呈現的抽象模式，并成為經驗空間中的因果模型。

如果兩個模型不匹配，則必須重新調整模型或者重構數據空間。在后一種情況下，因果模型從其人類經驗背景中剝離出來，并通過編碼轉化為相關模型。當因果模型等于編譯后的相關模型時，兩者的平衡就達成了。也就是一個模型通過編碼或表征不再改變任一模型的任何部分時。由于新數據、經驗、需求和問題的出現，大數據的社會—技術知識空間處在持續地平衡破壞和再平衡過程中，這種過程創造了新的知識和應用。人類經驗空間和機器數據空間是同步的，并且以人機可用的形式包含知識，進而成為可能的社會技術應用系統。

對這一再平衡過程的探討同樣見諸傳統決策理論的文獻中。Lindebaum等（2020）指出，極端形式化的社會技術系統會按照手段—目的框架進行決策。換而言之，當決策目的被決定時，對方案的選擇就擁有了抽象而統一的黃金標準，因而算法實質是通過一種必然產生一個結果的可重復的程序性演算來運行的，所以它們排除了根據信念、價值觀等的“選擇”階段，而是自動化的比較和“優化”。Lindebaum等（2020）同樣借此批評Simon（1976，1979）提出的管理學界應當更多地將注意投向程序理性和認知過程這一主張，認為過度關注利用計算機強化形式理性會自然導致人類理性的退化和進一步的“習得性無助”；實質理性必然是在事后反饋，尤其是對錯誤的反饋中，獲得發展機會的。雖然目前社會已經廣泛地利用以數據驅動決策為代表的大數據決策范式作為管理決策的重要組成（Brynjolfsson & McElheran，2016），數據支持的決策系統，例如商業情報，在維持人類實質理性上具有更顯著的積極作用（Larson & Chang，2016）。然而，Simon（1979）的理論雖然強調程序理性的重要，但是其同樣認為計算機雖然增強了人類問題解決能力，然而這僅僅代表賦予人類更多可選擇的方案，而決策階段最終的選擇，則仍然依賴人類經驗參與（Simon et al.，1987）。