厂商运用大数据和物联网的投资选择效用研究
摘要：大数据是物联网运行的基础, 物联网作为互联网的一种跨领域技术融合的升级版, 实际运用时会与大数据技术一起在许多方面影响厂商投资选择。随着厂商以大数据思维和运用物联网进行投资选择的覆盖面越来越宽广, 经济理论对大数据和物联网背景下厂商投资行为的分析, 需要研究大数据和物联网影响厂商投资选择的机理构成, 需要研究厂商如何运用大数据和物联网进行投资选择, 需要对厂商运用大数据和物联网的投资选择效用进行评判, 需要对厂商运用大数据和物联网的投资选择前景做出展望, 需要建构适合大数据和物联网时代的厂商投资选择框架。基于将大数据、物联网和厂商投资选择放置于同一分析框架会关联到很多新经济现象, 还要考虑该分析框架的横截面和纵向面涉及的云计算、机器学习和人工智能运用等内容。本文拟在宽泛的层面上对研究主题展开探讨。
关键词：大数据; 物联网; 厂商投资选择; 云计算; 人工智能;
Abstract：
Big data is the foundation of the operation of the Internet of Things (IOT) . As an upgraded version of the Internet's cross-domain technology integration, IOT will affect manufacturers' investment choices in many aspects together with big data technology in its practical application. As the coverage of manufacturers' usage of big data to think and use IOT to make investment choices is becoming wider and wider, the analysis of firms' investment behavior under the background of big data and IOT by economic theory needs to study the mechanism of large data and IOT. The analysis should also include how firms use big data and IOT to make investment choice and evaluate the utility of firms' investment choice. It is necessary to make an outlook on the prospects of firms' investment choices using big data and IOT, and to construct a framework for firms' investment choices in the era of big data IOT. Based on the fact that large data, IOT and firms' investment choices are placed in the same analysis framework, many new economic phenomena will be related. We also need to consider the cross-sectional and vertical aspects of the analysis framework, such as cloud computing, machine learning and artificial intelligence application. This paper intends to discuss the research topic at a broad level.
Keyword：
big data; IOT; firms' investment choice; cloud computing; artificial intelligence;
一、对经济学理性选择理论的概要评说
经济学关于厂商投资选择的分析和研究, 是散布于厂商理论、投资运行理论、经济增长理论、消费理论和储蓄理论等之中的, 这种情形说明厂商投资选择行为的波及面很广, 经济学家研究厂商投资选择时稍不留神就容易被拖进其他分析领域。不过, 就与之密切相关的基础理论而论, 可认为厂商投资选择理论是经济学理性选择理论的分析延伸。
经济学理性选择理论的根基源自对人类行为本性的定义及描述。英国社会科学家杰里米·边沁在《道德与立法原理导论》中把人的最大程度幸福和自我偏好作为功利主义的两大基本原则, 认为人们总是选择能够比其他选择更好满足自己偏好的行为, 理性原则是个人最大程度幸福和自我偏好的融合 (哈里森, 1996) 。与边沁同时代的近代经济学鼻祖亚当·斯密在《国富论》中, 把个体自利选择行为与社会福利效应结合起来, 通过对市场机制这只“看不见的手”之于厂商无规则选择行为的分析, 提出了反映人类行为本性的众所周知的“经济人”概念。但经济学理性选择理论的完整版, 是在马歇尔1895年的《经济学原理》出版之后。马歇尔保留了以功利主义为基础的“经济人”假设, 剔除了以功利主义为基础的“自然人快乐”假设, 将快乐转义为可测量的效用, 从此效用最大化在经济学世界取代了功利最大化, “理性经济人”成为理性选择理论的范式。
理性选择理论经历了一百多年的发展, 经济学家从普遍接受“经济人”概念发展到将“理性经济人”作为一种分析范式, 集中体现在新古典经济学将个人、厂商、政府看成是抽象行为主体, 并将其纳入以最大化为核心的效用函数分析上。关于偏好的定性分析, 最有代表性的是米塞斯 (2001) 将人类行为的自利偏好和行为目的解说为一种“推理先于经验”而不需证明因果关系的建构理性的哲学解释。关于理性选择理论的系统化论证, 无论是冯·纽曼和摩根斯坦 (Neumann&Morgenstern, 1947) 的期望效用函数理论运用数理逻辑, 以“偏好内在一致性”假设对效用函数的分析, 还是阿罗和德布鲁 (Arrow&Debreu, 1954) 将期望效用函数理论纳入瓦尔拉斯一般均衡分析框架, 从而对效用函数更宽泛层次的研究, 都是从“偏好内在一致性”假设出发以最大化为核心的效用函数的分析论证。
经济学对效用函数分析和论证的过程, 大体上可理解为是理性选择理论的形成过程。现代经济学对新古典经济学的质疑和批评是围绕假设前提展开的。现代主流经济学以不完全信息为假设前提, 对建立在完全信息假设之上的新古典经济学有关偏好、认知和效用等给定条件约束的分析理论进行了修正, 从不同侧面论证了偏好多样化、认知形成以及效用函数变化, 这种在一定程度上把偏好、认知和效用作为内生变量的分析处理, 推进并完善了理性选择理论。现代非主流经济学 (Kahneman&Tversky, 1974, 1979;Smith, 1994) 贯彻不完全信息假设以及把偏好、认知和效用等作为内生变量处理最为彻底, 他们通过心理和行为实验分析, 从认知心理学角度注重研究偏好、认知和效用之间的现实关联, 论证了偏好多样化和认知不确定状态下效用期望调整的经常性存在。至此, 经济学世界各种流派的理性选择理论形成, 从而厂商投资选择理论的基础形成。
经济学理性选择理论对选择偏好的定性分析, 以及将认知和效用作为内生变量的分析处理, 具有一定的科学性, 但它是工业化时代的理论反映。工业化时代科技水平决定的信息获取途径, 主要是通过对信息的搜集、整合、分类、加工和处理来完成, 由于这样的途径受信息和认知的双重约束, 它在因果关系判断和推论上存在主观判断难以获得精准信息, 因而会导致个人、厂商和政府等选择效用的不确定性。在大数据时代或互联网时代, 移动互联网、物联网、传感器、社交媒体和卫星定位系统的充分发展, 能采集到从各个方面反映人们心理活动和行为结果的具有极大量、多维度和完备性的大数据, 于是, 人们的认知形成过程便转变为对大数据的加工和处理过程。这个转变对于经济学理性选择理论的发展, 尤其是对厂商投资选择有重大影响。
姑且不遵循未来学家将未来世界解说成“算法”这样恢宏的思路来考虑问题, 仅就大数据、物联网和人工智能等深度融合下的厂商投资选择而论, 大数据、物联网与厂商投资选择之间有什么样的关联, 厂商在大数据思维下会沿着什么样的路径和运用什么样的手段进行投资选择, 物联网和人工智能等发展会在多大程度和范围内影响厂商投资选择, 能不能通过以上分析来粗线条地构建一个大数据时代厂商投资选择的分析框架, 等等。现有的理性选择理论越来越偏离厂商投资选择是事实, 这就需要根据大数据时代的实践来发展理性选择理论。在笔者看来, 如果理性选择理论能够解释大数据时代人的选择行为, 它便始终是厂商投资选择理论的基础, 探讨大数据、物联网与厂商投资选择的关联, 有必要在一些场合将理性选择理论与之结合起来。
二、大数据实践影响厂商投资选择的理论分析
本文所说的大数据实践, 包括大数据思维和大数据运用两大内容。大数据思维的技术基础是移动互联网、物联网、传感器、社交媒体、定位系统、云端、云计算, 以及与之关联的以机器学习为核心的人工智能;大数据运用是大数据思维的产物, 它主要体现为厂商投资经营的数据智能化和网络协同化。在大数据时代, 大数据思维和运用都可以在一定程度上得到经济学基础理论的解释, 并通过这种解释对厂商投资选择做出理论分析。
(一) 大数据思维与厂商投资选择的相关性
当前社会经济运行在微观层面上展现了一幅需要深入研究方可清晰的画面:移动互联网、大数据、人工智能、尤其是发展势头强劲的物联网, 正在改变厂商的经营理念和营销模式。从宽泛的经济学意义上来理解, 社会的经济制度、科技进步、甚或政治因素都会影响厂商思维;从纯市场角度来理解, 厂商思维受科技进步的影响和推动要比其他因素大得多, 这种情形会直接反映在经营理念和营销模式上, 此乃问题的一方面。另一方面, 社会的经济制度和科技进步会悄然改变厂商投资经营的思维方式, 相对而言, 对厂商思维有持续影响力的因素是科技进步, 科技进步会导致厂商投资经营的市场效用变化, 在改变厂商投资选择途径、方法和手段的同时, 改变厂商投资选择的目标和方向。
大数据实践对厂商投资选择的影响是一个渐进的动态过程。在短期内, 由于厂商的大数据思维和大数据运用是相对稳定的, 如数据搜集能力、利用云端整合和分类数据能力、云计算能力、机器学习能力等处于相对稳定状态, 换言之, 大数据思维与厂商投资选择之间的相关性在短期内是一种静态联系。但在长期内, 由于厂商驾驭、控制和运用大数据的能力增强会提高大数据思维, 厂商投资选择的途径和方式会随着大数据思维的变化而变化, 因而可以认为, 大数据思维与厂商投资选择之间的相关性在长期内是一种动态联系。关于这种动态联系, 最值得研究的是厂商投资选择越来越受到大数据实践的“绑架”。具体地讲, 厂商选择任何投资项目都会采用数据智能化方法, 通过大数据及其网络平台来预测该项目的未来供求数量, 预测成本和收益的未来变动趋势, 预测产品和服务的未来市场占有率以及潜在竞争者的市场势力变化, 预测该项投资的未来智能化发展及其变化, 等等。总之, 厂商在大数据思维下的投资选择过程, 可以看成是对大数据的搜集、整合、分类、加工和处理的过程。
基于以上理解, 可概括性地将“大数据思维”表述为融合了互联网、大数据、人工智能等的一种思维模式, 将“大数据运用”表述为厂商在云端运用云计算所导致的投资经营活动的数据智能化。但在没有大数据实践的工业化时代, 不可能对大数据思维与厂商投资选择的相关性做出研究。经济学在很多方面涉及了厂商投资选择的分析, 但基本上是在效用最大化的理性框架内进行的。例如, 新古典经济学注重设置给定条件约束 (偏好稳定、认知跳越等) 的理性分析模型, 以说明个体怎样才能实现最大化选择 (Harsanyi, 1977) ;现代经济学或是力图建立解释和预测能满足效用最大化条件的理性模型 (Edgeworth, 1981) ;或是注重行为和心理实验来分析实际选择的条件配置, 以揭示实际选择的效用函数 (Kahneman&Tversky, 1973, 1979;Smith, 1994) 。但是, 经济学关于理性选择的所有分析和研究, 都是在信息和认知的双重约束下展开的, 它无法逾越大数据有可能解决的信息不完全的约束问题。因此, 当大数据运用在社会经济生活中全面展开时, 大数据思维与厂商投资选择的相关性就显露出来了。
(二) 大数据运用对厂商投资选择的影响
全世界的未来学家几乎一致认为大数据是一场新技术革命, 这场革命正在解决人类选择所面临的信息不完全以及难以获得精准信息等问题 (凯利, 2014;彭特兰, 2015;吴军, 2016;赫拉利, 2017) 。其实, 人类能不能得到大数据和怎样获取大数据是一回事, 如何运用大数据是另一回事。前者是指获取大数据的方法和途径, 后者重点关注的是通过什么样的模型设计以及利用什么样的运作平台, 使数据运用得以实现智能化, 让数据运用支配的载体得以实现网络协同化。大数据运用牵涉的问题比较宽泛, 但从基础理论分析来考量, 最主要是在加工和处理大数据的基础上获取精准信息, 通过能够实现智能化 (机器学习) 的模型设计, 把具有智能化的操作程序应用于生产经营活动之中。
在大数据和互联网时代, 厂商通过各种方法和路径获取海量数据后, 大数据运用的第一道程序是对之做出整合与分类, 在云端形成“有秩序”的数据储备;第二道程序是通过大数据的完备性和多维度“筛选”精准信息, 为建立应用模型铺垫基础;第三道程序是运用“数据驱动法”构建模型;最后程序是将模型智能化以用于投资经营。撇开大数据运用的各种技术问题, 它对厂商投资选择会产生以下影响: (1) 厂商在大数据导引下会掌握更多更精确的信息, 未来甚至可能掌握完全信息; (2) 厂商由原先对部分信息的处理转变为对海量数据的处理; (3) 厂商的认知由原先对信息的处理及对心理活动的分析, 转变为对大数据的分析而获得; (4) 厂商的效用期望调整不再是完全由市场决定, 而是随数据智能化和网络协同化的实现程度而变化。若进一步考察这些影响, 还可以联系经济学理性选择理论做更深层次的解读。
(三) 理性选择理论无法说明大数据时代的厂
商投资选择, 这种理论情形可以通过偏好函数、认知函数和效用函数来说明
经济学研究人的理性选择, 是从利己偏好直面效用函数的。这种分析路径跳越或淡化对认知阶段的分析, 使偏好函数、认知函数和效用函数三位一体而被置于最大化分析框架。厂商投资选择理论的正宗经济学分析源头, 是“偏好的内在一致性”假设, 新古典经济学对这个假设的分析性说明是, 在可供选择的全部子集中存在一种选择X比选择Y更受偏好的理性化能力, 偏好函数的变量由选择X比选择Y受偏好时的最大化元素构成 (Richter, 1971) , 著名期望效用函数理论 (Neumann&Morgenstern, 1947;Arrow&Debreu, 1954) 通过对不同选择子集系统中存在个体理性化能力的分析, 论证了“偏好内在一致性”假设的合理性。自从经济学理性选择理论有了这个被数理逻辑完美论证的假设, 认知阶段被跳越或被淡化就成为理论分析的必然结果, 偏好函数、认知函数和效用函数被统一置于最大化分析框架, 也就成为顺理成章的理论演绎。
现代经济学通过行为和心理的实验分析, 认为以“偏好内在一致性”为基础的理性选择理论与人们实际选择之间存在系统性偏差, 这种分析观点是以信息经济学和博弈论为基础, 通过对选择行为的结果集及其概率分布的分析, 从而对新古典经济学进行质疑和批评的1。在未来大数据运用全面展开的以人工智能为标志的物联网时代, 尽管厂商投资选择偏好仍然是自利最大化, 但厂商的选择偏好、认知过程、效用期望等的表现形式发生了密切相关于大数据运用的变化。概括而言, 大数据思维会改变以前夹带主观判断的因果思维模式, 大数据具体运用会调整经济学家或是从经验或是从实验得到认知的分析路径, 大数据具体运用所显现的表征实际绩效的效用函数, 会在很大程度上纠正各大经济学流派有关效用期望调整的分析论断。也就是说, 大数据实践改变了厂商投资选择的偏好函数、认知函数和效用函数。
在对新经济做出解说的许多文献中, 经常可以看到诸如大数据时代、互联网时代、人工智能时代的表述, 其实, 大数据、互联网和人工智能等是相互融合相互渗透的, 这些融合和渗透具有明显的跨领域特征, 这些特征在工业化时代是不存在的, 因而经济学理性选择理论不能解释这些特征下厂商的偏好函数、认知函数和效用函数。基于物联网是大数据、互联网和人工智能等跨领域的技术融合, 它对厂商投资选择会产生什么样的影响是需要研究的。
三、物联网影响厂商投资选择的理论分析
物联网是在互联网基础上升级而成的一种跨领域的技术融合平台。通讯行业解决了人与人的信息互通后, 业内人士曾把物联网理解或定义为M2M (Machine to Machine) ;Internet普及后, 物联网被解释为物与物之间的联网 (Internet of Things) ;在大数据采集和人工智能运用两方面显示出很高技术层级, 从而在物与物的关联中导致自动化领域硬件产生虚拟数字信息映射时, 物联网则被解释为Cyber Physical System (CPS) 。但不管如何理解或定义, 物联网作为互联网、通讯和信息等三大技术融合的平台, 它连接了物理世界和互联网, 是厂商投资经营实现数据智能化和网络协同化的重要运行载体。所以, 联系物联网来考察厂商投资选择, 需要从物联网覆盖面、连接物理世界和互联网途径及其效应等方面展开。
(一) 物联网是边界极其宽广的生态圈, 它打
开了厂商投资选择的活动空间, 使厂商投资选择偏好的表现形式处于经常变动状态
大数据或互联网时代的重要标志之一, 是产品和服务进入了“时空错开、同步并联和实时评价”的在线状态。从人类围绕“物理、心理和智能”三大世界主网的建构, 进而从物联网跨越互联网向智能网过渡来分析, 物联网的在线状态显露的是心理世界主网向智能世界主网的发展。在这一发展过程中, 尽管厂商投资选择偏好的底蕴仍然是自利最大化, 但由于物联网有着边界极其宽广的生态圈, 其偏好表现形式会随着大数据支配或反映的心理世界主网的变化而变化。厂商投资选择偏好的表现形式至少有以下几点值得关注:
1. 厂商投资选择标的和方向, 明显受到充分
体现大数据及其应用的信息技术和控制技术的影响, 这些技术对产品和服务的供给和需求产生的效用前景预期, 会使厂商投资选择从过去纯粹市场经验转向物联网体验, 并诱导厂商偏好于在物联网平台上进行投资选择。
2. 在物联网平台上, 厂商投资选择容易出现
类似于从众行为或一窝风效应的偏好形式, 这种偏好形式在很大程度上是心理因素使然, 它根植于掌控物联网的科技人士分析和预测市场的能力及选择后的市场效用验证。
3. 厂商在追求市场占有率或市场势力的驱动
下, 逐步偏好于选择人工智能技术含量高的产品和行业, 即偏好于选择以智能联通技术 (ICT) +社会物理信息 (CPS) (德国工业4.0) 的产品和行业, 随着物联网覆盖面扩大, 这种偏好的形式变化会伴随工业自动化转向知识自动化而进一步加强。
物联网之所以能改变厂商投资选择的偏好形式, 与它有着极其宽广的生态圈分不开。从行为主体上讲, 这个生态圈包括生产者、消费者、各级政府、大学和科研机构等;从技术融合、智能运用和学习能力来看, 这个生态圈包括标准制定、云平台及云计算、系统整合和测试、传感装置、应用软硬件、网络软硬件等。厂商投资选择的偏好形式发生变化, 是厂商追求效用的内在冲动与外部环境诱导及其约束的共同作用结果。厂商的内在冲动是追求利润 (效用) 最大化, 但如果厂商要借助物联网实现最大化, 就必须以数据智能化作为实现手段, 具体地说, 必须在投资经营的诸环节以“算法”作为决策依据。厂商的外部环境诱导及约束, 是市场机制对厂商的外部强制性, 如果厂商要借助物联网取得投资经营协调的外部性, 就必须以网络协同化作为实现手段, 并取得物联网意义上的网络协同效应。数据智能化、网络协同化以及网络协同效应, 是厂商在物联网时代扩大市场占有率乃至形成垄断的基础。当然, 这属于另一讨论专题。
(二) 物联网的技术融合和智能运用等对大数
据技术有很高要求, 这促使厂商努力挖掘、搜寻、加工并处理大数据, 厂商从大数据获取准确信息后产生新认知, 从而改变投资选择行为
物联网宽广的生态圈决定其有着复杂场景, 这种复杂场景与其说是各大主体及其行为的关联, 还不如说是多维度数据的分布及融合。物联网生态圈是由物联网PaaS平台承载2, 厂商对大数据的挖掘、搜寻、整合、分类、加工和处理通常离不开物联网平台, 对于这些具有复杂场景的数据, 厂商必须根据大数据的极大量、多维度和完备性特征, 运用“数据驱动法”进行甄别以获取准确信息。较之于以前获取信息的途径和方法, “数据驱动法”不是依赖单一抽象模型, 而是事先设置许多针对复杂场景的简单模型, 运用大量计算机服务器确定这些模型中的参数。厂商运用这种挖掘、搜寻、整合、分类、加工和处理数据的过程, 就是厂商利用物联网平台建构让其适合于物联网生态圈, 从而实现数据智能化、网络协同化以及网络协同效应的过程。
工业化时代的厂商投资经营是没有新科技支撑的物联网或互联网运作平台的, 只是存在以价格和供求波动为信号而难以运用网络模型操作的市场平台, 或只是存在政府行政干预以维系投资经营的政策性平台。以市场平台情形而言, 厂商获取投资经营的认知, 主要是通过对影响投资经营的信息进行搜寻、整合、分类、加工和处理来实现的, 由于这些信息只是部分数据结果, 得不到云计算和机器学习等技术手段的支持, 并且或多或少具有主观判断成分。因此, 厂商在工业化时代得到的用于选择的信息不是大数据意义上的信息, 厂商在工业化时代的认知明显不同于物联网时代厂商依据大数据分析获取的认知。就厂商具体的投资选择而论, 在物联网时代, 厂商选择什么样的投资项目、投资多少和怎样投资, 一方面会考虑物联网生态圈及技术融合, 另一方面会通过物联网的智能运用和学习能力来选择经营方法和途径, 即会充分利用物联网平台选择经营品种、销售模式和物流模式等;所有这些都是厂商有新认知的结果。
人类的理性选择行为是在偏好促动下形成认知再到具体选择的, 认知始终处于偏好与选择的中介位置。经济学理性选择理论有关自利偏好决定个人、厂商和政府追求效用最大化的分析, 是人类选择行为的真谛, 它同样适合于物联网时代的厂商投资选择。然则, 新古典经济学把认知作为外生变量而逾越认知的分析, 现代经济学力图将认知作为内生变量所做的分析, 都不能解释物联网时代厂商投资选择行为, 问题症结在于对“认知形成”的理解和处理上。经济学理性选择理论对效用函数的分析, 发展轨迹从新古典经济学有关能够实现效用最大化的解释, 转变为现代经济学有关效用期望调整的解释, 这些分析适合于物联网时代厂商投资选择之效用函数的解释吗?这个问题有必要讨论。
(三) 物联网时代的大数据包括“行为数据流”
和“想法数据流”两大块, 未来, 效用函数及其期望调整取决于对人类“想法数据流”的驾驭能力
物联网时代的大数据, 不仅包括记录事物数量的信息数字, 还包括图片、图书、图纸、视频、影像、指纹等人类行为结果的所有非数字化信息。对于厂商投资选择来说, 一方面, 大数据可解释为已发生数据和未发生数据之和, 前者指历史数据和正在产生的数据, 后者指未来将产生的数据;另一方面, 就数据对厂商投资选择的影响来讲, 大数据又可解释为“行为数据流”和“想法数据流”。厂商利用物联网进行投资选择, 通常依据已发生的“行为数据流”, 对其进行挖掘、搜寻、整合、分类、加工和处理, 以决定选择什么样的投资项目、投资多少和怎样投资。当匹配和处理大数据的机器深度学习发展到很高水平, 从而人工智能在物联网得以广泛和精准运用时, 厂商投资选择的效用函数是有可能准确预期的, 因而不会出现效用期望的调整问题。这是工业化时代不存在的情形, 经济学理性选择理论无法进行解释。
厂商的效用期望预期是投资选择的一项重要内容。以新古典经济学为底蕴的主流经济学不曾对效用期望预期有专门分析, 非主流经济学曾利用实验对效用期望预期做过专门分析, 但那是没有大数据和人工智能背景且有着主观判断的分析。社会物理学家阿莱克斯·彭特兰 (2015) 对未来大数据展望时提出“想法流”概念, 认为它与人们行为之间存在可靠的数量关系, 它可以通过互联网成为一种改变人类选择的重要因素。联系将来人工智能的广泛和精准运用考察厂商投资选择, 如果机器学习在将来充分发展, 即人类可以在机器强化学习和深度学习的基础上, 依据历史数据和正在产生的数据进行机器学习模拟并推测未来数据 (AlphaGo已有这方面实践) , 那么就会出现被人类控制的“想法数据流”。这个“想法数据流”将是人工智能发展史上的重大事件, 它会给人类准确推测未来事件结果提供大数据和人工智能的分析基础。因此, 可得推论:一旦人类具备驾驭“想法数据流”的能力, 厂商在物联网时代投资选择的效用期望问题, 就会在理论上成为一个不需讨论的问题。
(四) 物联网发展同样会使厂商投资选择的效
用函数以最大化为核心, 但这个效用函数不同于经济学理性选择理论围绕最大化分析而得出的效用函数
效用函数是经济学最重要的基础理论问题之一。无论侧重对经济运行和发展中的制度、主体、行为等哪个方面的分析, 都不可避免要涉及对效用函数问题的讨论。这里有一个饶有风趣的理论问题值得探讨:依据对大数据和物联网运行分析所得出的效用函数, 与经济学在工业化背景下分析出来的效用函数一样, 两者都是以最大化为核心, 并且在形式上都是将偏好函数、认知函数、效用函数统一于最大化分析框架。那么, 怎样看待这两个效用函数在形式上的雷同呢?如何解说这两个效用函数的性质差异呢?显然, 这对于进一步理解物联网影响厂商投资选择是有帮助的。
关于这两个效用函数的形式雷同和性质差异, 可通过以下几点予以解说。传统主流经济学将偏好函数、认知函数和效用函数统一于最大化分析框架, 是在完全信息假设下通过诸如“偏好内在一致性、选择者知晓选择结果”等给定条件约束, 并通过跳越认知 (将认知视为外生变量) 实现;该分析中作为效用函数核心的最大化, 表现为研究者建构理性思维的结果, 有明显的主观判断色彩。与此不同, 根据物联网运行分析得出的有关偏好函数、认知函数和效用函数统一于最大化框架, 不是以完全信息为假设前提, 也不存在任何给定条件约束, 而是通过物联网运行中的大数据、人工智能对偏好和认知形成的作用机理及其过程的研究得出的, 不具有任何主观判断;至于通过分析物联网运行反映的以最大化为核心的效用函数, 则是以物联网具有跨领域技术融合平台和大数据有可能揭示完全信息为分析基础的, 这是建立在厂商能够实现数据智能化、网络协同化及网络协同效应基础上的分析结论。
大数据和人工智能之所以影响厂商投资选择, 关键在于它可以揭示并有可能提供完全信息, 而物联网的跨领域技术融合平台会在哪些方面或通过什么途径影响厂商投资选择, 则需要结合物联网开发者平台和开发者生态展开分析。网络协同化的技术设施基础是开发者平台。例如, 几乎所有的互联网平台或物联网平台公司都搭建了属于自己的开发者平台, 但物联网应用要比移动互联网复杂。以厂商投资经营关联的场景及生态而言, 由于任何厂商都难以独立测算出所有的用户需求和供给, 通常需要借助其他开发者平台进行投资经营, 这就要求物联网必须具有能融合所有厂商开发者平台的物联网服务平台 (PaaS) , 正是这个服务平台会对厂商投资选择发生影响。
1. 厂商投资选择需要有安全可靠的云端平台
和物联网应用平台, 需要有分析软件、应用软硬件、云软硬件和网络软硬件等供应商, 需要有系统整合、云服务、微服务、测试服务以及网络服务等。只有具备了这些条件, 厂商才能在投资选择时在云端运用云计算对数据进行搜集、整合、分类、加工和处理。
2. 厂商只有借助PaaS平台和利用云平台及
微服务架构, 才能将工业技术原理和行业知识等软件化、模块化及基础模型规则化, 这在体现物联网融合互联网、通讯和信息等三大技术的同时, 也反映了厂商投资选择追求效用最大化的技术规定。
3. 厂商投资什么项目、投资多少和怎样投资以
及效用期望, 离不开对影响投资的极大量、多维度和完备性之大数据的云计算, 而这些大数据是物联网生态圈各类主体行为互动的结果, 单靠一个厂商的开发者平台是无法处理大数据的, 因此, 物联网水平高低直接影响着厂商投资选择及其效用。
总之, 物联网将物理世界和互联网紧密连接, 是运用数据采集技术和智能网络来分析、预测和优化物理世界的。具体地讲, 物联网时代会出现物联网平台服务商与应用开发商生态, 大平台PaaS具有渠道扁平化、市场透明化、盈利多元化和支付便捷化等功能。随着物联网大数据采集和人工智能运用层次的升级, 厂商投资选择对物联网依赖的程度与范围将进一步提高和扩大。
四、建构厂商投资选择理论框架的几点设想
(一) 在工业化时代, 无论经济学家以完全信
息假设还是以不完全信息假设建构的理性选择理论, 都难以产生与实际相一致的厂商理论, 这种情形表明厂商投资选择理论有待完善
新古典学说的厂商理论将投资主体解说为追求自利最大化、知晓选择结果并能实现最大效用的“理性经济人”。尽管追求自利最大化是一个相对科学的分析假设, 但由于现实中存在利他、公平和互惠等动机, 完全以追求自利最大化来描述厂商投资选择理论是偏离实际的。同时, 建立在完全信息假设基础上的“理性经济人”概念, 是传统经济学理论的基本范式, 这个范式绕避了如何符合实际地使选择偏好、认知过程和效用期望统一于效用函数。现代主流经济学以信息不完全和有限理性约束为基础对厂商投资选择进行分析, 开始重视认知过程之于投资选择的研究, 但仍然留恋于把厂商界定为“理性经济人” (何大安, 2016) ;现代非主流经济学彻底摆脱了传统理论束缚, 试图通过行为实验和心理实验的案例分析重塑行为主体的分析假设 (何大安, 2004, 2005) 。但是, 由于现实中存在着非常复杂的信息约束和认知约束, 经济学家一直难以在符合实际的行为主体假设的基础上建立与实际相一致的厂商理论。"
厂商投资选择理论是厂商理论的一个重要组成部分。新古典理论内蕴的厂商投资选择理论, 是建立在“偏好内在一致性”之严密数理逻辑论证基础上的, 这一逻辑论证赋予厂商投资选择偏好之非此即彼的偏好稳定假设规定。这一点可从新古典经济学厂商理论运用“无差异曲线”、“等产量线”等分析厂商行为来说明。偏好稳定假设是建立在完全信息假设基础上的, 而内蕴了偏好稳定假设的厂商理论却严重偏离厂商投资选择实际, 因而遭到强调信息约束和认知约束的现代经济学批评。现代经济学围绕偏好多维性和认知不确定展开的一系列批评, 重点集中在对偏好稳定假设引致将认知作为外生变量, 从而将行为主体视为脱离现实的抽象主体等方面, 但由于现代经济学没有对行为主体作出新界定, 即对行为主体的界定经常处于现实主体与抽象主体之间, 这就大大影响了厂商投资选择理论的完善。
厂商投资选择理论的完善很大程度上取决于对厂商投资选择的效用函数的解释。基于效用函数与认知过程有密切联系, 换言之, 基于厂商的效用期望是认知的结果, 经济学一直没有放弃以最大化作为解说效用函数的传统, 现代经济学也不例外。与新古典经济学将效用期望隐匿在效用函数中的情形不同, 现代经济学重视效用函数与认知过程的关联。例如, 行为经济学把厂商投资选择划分为风险厌恶和风险偏好两种情形, 认为厂商在认知过程会不断调整效用期望, 并根据特定参照点调整期望效用, 行为经济学主张把厂商追求最大化的效用函数描述为反映效用期望调整的价值函数 (Kahneman&Tversky, 1979) 。诚然, 现代经济学关于效用函数的解释使厂商投资选择在一定程度上由黑板走向了现实, 但它仍然是一种理论抽象, 难以产生与实际相一致的厂商理论, 因此, 厂商投资选择理论有待完善。
(二) 在大数据和物联网时代, 投资主体有可
能获取完全信息, 建构厂商投资选择理论可考虑将厂商定义为“理性行为人”, 这是一种取代“理性经济人”对行为主体作出新假设的分析尝试
如上所述, 大数据的极大量、多维度和完备性在未来有可能给厂商提供完全信息, 物联网的技术融合和智能运用等促使厂商努力挖掘、搜寻、加工和处理大数据, 以至于在获取准确信息的前提上产生新认知和改变投资选择行为。关于该问题的深入分析, 涉及对厂商选择偏好、认知过程和效用期望等的定性讨论。厂商作为大数据和物联网时代的投资行为主体, 其理性仍然表现为追求效用最大化是无可非议的, 但其行为方式是否存在某种共性的东西, 则在很大程度上决定其作为行为主体的属性。基于厂商追求最大化的行为属性主要反映在偏好、认知和效用等方面, 可以通过对偏好、认知和效用等的分析, 把大数据和物联网时代的厂商界定为“行为人”。“行为人”概念的外延要比“经济人”宽泛, 不仅反映各种行为动机驱动的选择偏好, 更重要的是将“认知”规定为内生变量。当然, 把“理性行为人”作为行为主体的分析假设, 必须对厂商投资选择的偏好、认知和效用等进行解释。
在大数据和物联网时代, 就厂商投资选择的层级而论, 可依据运用大数据和物联网水平以及取得效用高低的差别, 将其分为高层级投资厂商和低层级投资厂商;在数量比例上, 高层级厂商是极少数, 低层级厂商是绝大多数。当把厂商看作是“理性行为人”时, 有三个重要问题需要研究:第一, 如何解说厂商投资选择偏好;第二, 如何解说厂商投资选择的认知过程;第三, 如何解说厂商投资选择的效用期望。按照“理性行为人”概念的宽泛外延, 首先, 厂商不是仅仅以自利最大化为偏好, 而是在一定程度与范围内夹带公平和互惠等利他偏好, 其次, 厂商投资选择是在认知基础上进行的, 即对影响投资选择的信息做出搜集、整合、分类、加工和处理;再次, 厂商的效用期望随认知变化而变化, 即效用函数会发生调整。将厂商定义为“理性行为人”, 是基于大数据和物联网时代厂商受制于科技环境影响的考虑。
关于第一个问题, 由于对大数据的搜集、整合、分类、加工和处理需要很高的云端平台和云计算能力的支撑, 在只有极少数厂商而不是绝大部分厂商具备这种平台和能力的情况下, 厂商投资选择偏好会出现从众效应, 即出现投资选择偏好的趋同化:绝大部分厂商会以那些掌握大数据技术和运用物联网并取得最大化效用的极少数厂商的偏好, 作为自己的投资选择偏好3。这种解说与上述第二个、第三个问题有极强的关联。因为, 当绝大部分厂商以极少数厂商的偏好作为自己的投资选择偏好时, 随之出现的是绝大部分厂商将以极少数厂商的认知作为自己的认知, 从而出现趋同化认知;当绝大部分厂商出现偏好趋同化和认知趋同化时, 就不再具有严格意义上属于自己的效用函数, 即会出现以极少数厂商的效用期望作为自己效用期望的情形。如果对厂商投资选择偏好、认知和效用的以上描述符合大数据和物联网时代的实际, 那么, 厂商行为主体的性质就可依据掌握大数据和物联网技术的极少数厂商界定为“理性行为人”。
从建构厂商投资选择理论的分析框架考察, 行为主体的性质界定是整个理论分析框架的基础, 只有在此基础上才能对厂商投资选择行为做出系统的理论描述, 这是问题的一方面。另一方面, 对厂商投资选择进行分析, 必须将重点放在认知研究上, 这不仅是因为对大数据的搜集、整合、分类、加工和处理最后会落在认知上, 更重要的是物联网的运行和操作也离不开认知。换言之, 只有对厂商投资选择的认知过程展开符合大数据和物联网时代实际的研究, 才能使厂商投资选择理论研究落地。
(三) 未来, 厂商的认知形成将以大数据的搜
集、整合、分类、加工和处理为前提, 该过程不存在主观判断, 建构厂商投资选择理论的分析框架必须关注这些问题
大数据和物联网时代的厂商投资选择的最大特点, 是认知形成过程不再像工业化时代那样, 通过对不完全信息的搜集、整合、分类、加工和处理来完成, 而是通过对大数据的搜集、整合、分类、加工和处理以获取信息来完成。关于信息的理解有两点需要说明:一是通过大数据获取的信息有可能是精准信息, 二是通过大数据获取的信息有可能是完全信息。因此, 建构厂商投资选择理论的分析框架时必须考虑信息的不同状态。
1. 当厂商能够通过大数据分析剔除虚假或被
扭曲的信息, 厂商就可以获得精准信息而产生正确认知, 以至于获得投资选择的最大化效用, 这是厂商投资选择理论的重要内容
厂商获取精准信息的前提条件是能够获取具有极大量、多维度和完备性的大数据, 并且能够通过大数据的多维度和完备性甄别虚假和真实信息。建构厂商投资选择理论的分析框架, 一方面需要对厂商搜集、整合和分类大数据的过程展开分析, 另一方面需要对厂商加工和处理大数据的过程展开分析。如此, 才能对大数据时代厂商认知过程的形成做出解释。投资选择理论不可绕避的环节是对效用函数的解说, 按照逻辑推论, 厂商获取精准信息就可以知晓选择结果, 而知晓选择结果就有可能获取效用最大化。于是, 问题的讨论便绕到精准信息与完全信息的区分上来了。一般来讲, 精准信息主要是针对单个厂商投资选择而言, 而完全信息是针对泛化的信息状态而言, 这是建构厂商投资选择理论的分析框架时不可混淆的。
同样, 也要区分单个厂商与全体厂商的认知形成和效用函数的实现条件问题。将厂商解说为“理性行为人”, 是基于对厂商作为投资选择行为主体的定性分析, 可以暂不考虑实现条件。当进入厂商投资选择的现实分析时, 对单个厂商的认知形成和效用函数的实现条件分析就十分重要了。怎样展开这些分析呢?可选择的研究途径至少有以下几种:第一, 分析厂商搜集、整合和分类大数据的能力;第二, 分析厂商加工和处理大数据的能力;第三, 分析厂商利用云端和云计算的能力;第四, 分析厂商人工智能创新和运用的能力。在建构厂商投资选择理论时, 可依据厂商能力大小分为不同层级, 并以此对他们的认知形成和效用函数做出评判。这样的分析途径也适合于全体厂商。
2. 基于未来大数据有可能给人类提供完全信
息, 可在划分厂商类别的基础上, 以完全信息为背景研究厂商投资选择的认知过程
大数据和物联网时代的厂商投资选择的认知形成, 说到底, 是厂商对大数据的搜集、处理及算法问题。大数据能够给人类提供完全信息的物质基础, 是互联网、物联网、云平台、社交媒体、传感器、定位系统等, 覆盖了社会经济、政治、文化等领域并贯穿人类活动的始终。问题在于, 这种物质基础只是一种客观存在, 厂商要获取完全信息, 必须拥有云平台和云计算能力, 必须具有搜集、整合、分类、加工和处理大数据的能力。如果以这些能力作为考量标准, 可将厂商划分为两种类别:一类是具备这些能力的极少数厂商, 另一类是不具备这些能力的绝大部分厂商, 在选择偏好和认知形成上, 极少数厂商会引领绝大部分厂商。因此, 以完全信息为背景研究厂商投资选择的认知过程, 可以极少数厂商作为分析对象。
较之于工业化时代厂商投资选择的认知过程, 具有云平台和云计算能力的极少数厂商投资选择的最大亮点, 是能够在搜集数据的基础上通过大数据的多维度和完备性得到准确甚至精准信息。由于这些准确或精准信息是通过大数据分析获得而没有主观判断成分, 所以, 无论是从现实还是从逻辑来考察, 一旦厂商能够获取准确或精准信息, 便可知晓投资选择的未来结果, 而知晓投资选择结果则意味着厂商可以通过认知过程实现自己的效用期望。值得说明的是, 这里所说的对投资选择结果的知晓, 与新古典经济学在“偏好内在一致性”等假设条件下得出的知晓选择结果的分析判断不是一回事, 它除了不存在一系列的事先预设外, 最重要的在于它是没有主观判断的数据分析结果。因此, 对大数据和物联网时代的厂商投资选择认知的研究, 需要在理论上将以上过程做出系统分析, 以便将认知过程与实际选择过程衔接起来。
举例来说, 厂商在准备做出一项投资选择时, 可通过互联网、社交媒体、传感器、定位系统等搜集的海量数据, 在云平台上进行整合、分类、加工和处理, 再经过云计算之日新月异的算法, 就可以知晓该项目生产的产品或提供的服务的社会需求、投资成本、投资收益, 以及社会存量资本和增量资本生产同类产品或提供同类服务的供给量。现实中, 厂商的认知过程和实际选择过程往往具有连续性, 因此, 要把该连续过程放置于统一的分析框架。同时, 厂商的实际投资选择常常是通过物联网平台进行的, 建构厂商投资选择理论的分析框架, 还需要围绕物联网的实际运行来展开。
(四) 以大数据分析为主线, 依据物联网运行原理, 说明厂商借助物联网平台进行投资选择的过程
物联网作为互联网技术、通讯技术和信息技术的融合, 由最底层的物理世界、中间层的公用网络 (移动互联网) 和最高层的物联网专网三大层级构成。它的人工智能运行原理是从底层采集数据汇总到中间层, 再由智慧大脑设计参数和模型将选定的执行指令送达到最高层级并予以实施应用。从技术角度考察, 物联网运行表现为大数据采集和运用, 但从大数据采集到人工智能运用, 穿插着人类智慧大脑对选择过程的认知。建构厂商投资选择理论的分析框架, 需要对人类智慧大脑如何运用物联网进行投资选择做出描述, 这是物联网运用与厂商投资选择关联的重要问题, 会涉及许多以现实为逻辑底蕴的数理分析。
如前所述, 物联网时代的大数据等于“行为数据流”+“想法数据流”, 厂商投资选择的效用函数取决于对“想法数据流”的驾驭能力。对“想法数据流”的解说, 需要分析机器深度学习和强化学习, 这就涉及到物联网的人工智能运用与厂商投资选择的关系。描述这种关系的学术参照是数据智能化和网络协同化, 大体上可以按照厂商如何利用机器学习将大数据的智能化处理, 数据智能化如何促成厂商投资选择的认知, 厂商如何利用物联网平台实现厂商与厂商、厂商与客户之间各种复杂场景的网络协同等分析路径来展开。这些问题的讨论涉及很多物联网运用的技术问题和模型处理问题, 但如果紧扣厂商投资选择的偏好、认知和效用与物联网运行的某些症结性关联, 或许有助于厂商投资选择理论之分析框架的建构。
厂商投资选择借助的物联网平台, 有着从较低技术层级向较高技术层级过渡情形, 反映了厂商投资选择认知从低层级向高层级的转化, 或者说, 反映了厂商数据智能化能力从低层级向高层级的转化。物联网平台的技术层级高低, 除了受大数据及数据智能化制约外, 还要受用户场景及网络协同的制约。如果厂商在较低技术层级的物联网平台进行投资选择, 只能在诸如智能家电、智能家居、机器人等这些行业中实现数据智能化和网络协同化。这些问题要不要在厂商投资选择理论分析框架的建构中展开深入讨论, 答案应当是肯定的。因为, 大数据、物联网和厂商投资选择之间的关联通常呈现同层级变动, 这些变动在反映大数据和物联网运用的技术规定性的同时, 也反映了厂商投资选择偏好、认知和效用等因技术约束而变化的机理。
五、简短的结束语
在大数据和物联网时代, 研究厂商投资选择有两方面内容:一方面是对厂商的选择偏好、认知和效用等与大数据和物联网关联的基础理论描述, 另一方面是大数据和物联网运用对厂商投资选择的影响和规定。事实上, 厂商选择什么样的投资项目、投资多少和怎样投资, 重点和难点是探求有可能获取完全信息的“算法”以及寻找能够使大数据和物联网有用武之地的需求端。厂商运用大数据和物联网的最高境界是实现数据智能化和网络协同化, 这就涉及到以机器学习为核心内容的人工智能, 而全面考察厂商投资选择, 则需要分析大数据各种特征与厂商投资选择的关联, 需要研究物联网的技术融合及其生态圈, 需要研究物联网层级变化的厂商投资选择的影响。如果能够有机地把这些分析和研究与厂商投资选择的偏好、认知和效用等结合起来, 厂商投资选择理论的分析框架就有了支撑材料。
参考文献
[1].Von Neumann, John, And Oskar Morgenstern.Theory Of Games And Economic Behavior, 2d ed.Princeton:Princeton University Press, 1947.
[2].Arrow, K.and G.Debreu.“Existence of Equilibrium for a Competitive Economy”[J].Econometrica, 1954, 22.
[3].Kahneman, D and Tversky, A.“Judgement under Uncertainty-Heuristics and Biases”[J].Science, 1974, 185 (3) .
[4].D.Kahneman and A.Tversky.“Prospect Theory:An Analysis of Decision under Risk”[J].Econometrica, vol.47, no.2, 1979.
[5].V.L.Smith.“Economics in The Laboratory”[J].Journal Of Economic Perspectives, vol.8, no.1, 1994.
[6].F.Edgeworth, Mathematical Psychics, London:Kegan Paul, 1981.
[7].Kahneman, D., Tversky, A.“On the Psychology of Prediction”[J].Psychological Review, 1973, 80.
[8].Richter, M.K.Rational Choice.In Chipman, Hurwicz, Richter and Sonnenschein, 1971.
[9].M.Allais.“Le Comportement de l'Homme Rationnel devant le Risque:Critique des Postulats et Axiomes de l'Ecole Americaine”[J].Econometrica, vol.21, no.1, 1953.
[10].D.Ellsberg.“Risk, Ambiguity, and the Savage Axioms”[J].The Quarterly Journal of Economics, vol.75, no.4, 1961.
[11].W.Fellner.“Distortion of Subjective Probabilities as a Reaction to Uncertainty”[J].Quarter1 Journal of Economics, vol.75, no.4, 1961.
[12].S.Becker and F.Brownson.“What Price Ambiguity?Or the Role of Ambiguity in Decision Making”[J].Journal of Political Economy, vol.72, 1964.
[13].罗斯·哈里森:《新帕尔格雷夫经济学大辞典》, 经济科学出版社1996年版。
[14].米塞斯:《经济学的认识论问题》, 经济科学出版社2001年版。
[15].凯文·凯利著, 刘仲涛等译:《新经济新准则》, 电子工业出版社2014年版。
[16].阿莱克斯·彭特兰著, 汪小帆、汪容译:《智慧城市---大数据与社会物理学》, 浙江人民出版社2015年版。
[17].吴军:《智能时代:大数据与智能革命重新定义未来》, 中信出版集团股份有限公司2016年版。
[18].尤瓦尔·赫拉利著, 林俊宏译:《未来简史:从智人到神人》, 中信出版社2017年版。
[19].何大安:《大数据思维改变人类认知的经济学分析》, 《社会科学战线》2018年第1期。
[20].何大安:《经济学个体主义方法论边界拓宽及局限性》, 《中国社会科学》2016年第2期。
[21].何大安:《行为经济人有限理性的实现程度》, 《中国社会科学》2004年第4期。
[22].何大安:《理性选择向非理性选择转化的行为分析》, 《经济研究》2005年第8期。
[23].罗伯特·希勒:《非理性繁荣》, 中国人民大学出版社2001年版。
注释
1 反映这种分析观点的学术文献涉及面相当宽泛, 考察其根基, 它发端于阿莱悖论 (Allais, 1953) 和艾尔斯伯格悖论 (Ellsberg, 1961) 。阿莱悖论认为, 相同选择并不等同于相同概率, 期望效用函数理论不符合贝叶斯法则, 不能对个体选择做出不违背先验概率和后验事件更新后验概率的说明;艾尔斯伯格悖论认为, 人们倾向于押注已知概率的风险性事件 (Fellner, 1961;Becker&Brownson, 1964) 。这两大悖论为后期经济学家进一步质疑和批评“偏好内在一致性”奠定了基础。
2 现在几乎所有的互联网公司都搭建了开发者平台, 并在此基础上构建开发者生态。世界上最早的开发者平台是苹果的App Store, 这个平台开启了智能手机时代;继之, 随着Android开发者平台出现, 互联网公司纷纷利用开发者平台构建开发者生态。
3 现代经济学曾描述过从众行为或一窝蜂效应等选择现象。例如, 针对股市的这种选择现象, 诺奖得主罗伯特·希勒 (2001) 分析过股市中的催化因素、连锁反应、放大机制等, 但希勒对从众心理和行为的分析没有从偏好、认知和效用等基础理论角度展开, 这类问题有进一步讨论的空间。
我要分享到：
最新文章NEWS
- • 无创呼吸机治疗慢性阻塞性肺疾病
- • 腹腔镜手术联合醋酸甲地孕酮治疗
- • 羟考酮诱导喉罩通气在腹腔镜胆囊
- • 艾司西酞普兰联合阿戈美拉汀治疗
- • 正畸正颌联合治疗唇腭裂术后牙颌
- • B超引导下微波消融治疗原发性肝
- • 纤维支气管镜肺泡灌洗治疗重症肺
- • 植入式中心静脉输液港与经外周静
- • 微型种植体支抗在正畸治疗中的应
- • 腹腔镜下修补术治疗胃十二指肠溃
