報告下載：添加199IT官方微信【i199it】，回復關鍵詞【大數(shù)據(jù)思維改變人類認知的經濟學分析】即可！
一、經濟學因果思維模式及其局限性
在人類改造自然和變革制度的歷史長河中，認知水平在相當長的時期內是受制于數(shù)據(jù)積累的。在農業(yè)時代，人們主要是靠文字記載和簡單數(shù)學工具等進行數(shù)據(jù)積累，數(shù)據(jù)與信息之間的聯(lián)系是間接的；或者說，人們認知事物是通過經驗觀察，是以因果關系作為判斷依據(jù)和準則的，這種思維模式貫穿于幾千年的農業(yè)文明中。到了工業(yè)化時代，人們積累數(shù)據(jù)的方法和手段發(fā)生了質的變化，事物因果關系的揭示被逐級科學化，它以公理或定律的形式廣泛運用于科研和實踐。但盡管如此，信息與數(shù)據(jù)之間的聯(lián)系仍然是間接的，人們對事物的認知，仍然是依據(jù)于因果關系，只不過經驗觀察的成分越來越少罷了。在經濟理論學說史中，以亞當?斯密在《國民財富性質及其原因的研究》中提出的“經濟人”概念為分析起點，從而在后期逐步形成和完善的有關人類選擇行為的經濟學理性選擇理論，便是一種典型的因果思維模式在經濟理論研究中的反映。
理性選擇理論對行為主體“認知”問題的學術處理，從“經濟人”到“理性經濟人”并沒有顯著的變化。古典經濟學框架下的理性選擇理論以完全信息假設為前提，將行為主體（個人）界定為無本質差異和不涉及個體間行為互動，不受認知約束的單純追求自身福利的“經濟人”（約翰·伊特韋爾等，1996）。新古典經濟學的理性選擇理論將行為主體界定為“理性經濟人”，它同樣以完全信息假設為前提，研究了被古典經濟學忽略的選擇偏好，通過對“偏好的內在一致性”的解析，論證了個體能夠得知選擇結果的抽象認知(Von Neumann and Morgenstern，1947；Arrow and Debreu,1954)。這里所說的抽象認知，是指行為主體沒有經歷具體認知過程而直接關聯(lián)于效用函數(shù)的一種認知狀態(tài)，這種狀態(tài)在新古典理性選擇理論中的存在，表明“認知”是被作為外生變量處理的。
現(xiàn)代經濟學的理性選擇理論開始嘗試將“認知”作為內生變量來研究?，F(xiàn)代主流經濟學從人的有限計算能力、感知、意志、記憶和自控能力等方面研究了認知形成及其約束（Salvatore, 1999；Schandler，2006；Rubinstein，2007），認為認知是介于偏好與效用之間，從而在理論研究上處于不可逾越的位置，只有對認知進行研究，對偏好和效用的研究才能接近實際?，F(xiàn)代非主流經濟學注重于運用認知心理學來研究人的認知形成及其約束（Kahneman and Tversky，1973，1974，1979；Smith，1994），它通過實驗揭示了一些反映認知心理進而影響選擇行為的情景，如確定性效應、錨定效應、從眾行為、框架依賴、信息存疊等，以論證傳統(tǒng)理論忽視認知分析而出現(xiàn)的理論與實際之間的系統(tǒng)性偏差。
但是，經濟學理性選擇理論對認知的分析和研究，是在預先設定規(guī)則的建構理性框架內進行理論演繹和推理的，它們對認知的解釋，通常表現(xiàn)為一種規(guī)則遵循。例如，新古典理性選擇理論關注個體應怎樣符合理性（最大化）的選擇，而不是關注個體的實際選擇，它對認知的學術處理是從屬于效用最大化的（Harsanyi，1977）。現(xiàn)代理性選擇理論所關注的，或是在忽略認知的基礎上建立解釋和預測實際選擇的理性模型來說明實現(xiàn)效用最大化的條件，以闡釋個體如何選擇才符合理性（Edgeworth，1981）；或是通過行為和心理實驗來解說實際選擇的條件配置，以揭示實際選擇的效用函數(shù)（Kahneman and Tversky，1973，1974，1979；Smith，1994），因而對認知的學術處理同樣是從屬于效用最大化的。基于選擇的結果是效用，而認知與偏好都內蘊著效用形成的原因，我們可以認為，經濟學在將個人追求效用最大化視為公理的同時，也在相當大的程度上表明理性選擇理論對效用函數(shù)的描述和論證，不是依據(jù)數(shù)據(jù)分析而是一種通過理論預設、判斷和推理得出的因果思維模式。
因果思維模式在信息完全和不完全情況下的效應是不同的。在信息不完全狀態(tài)下，如果研究者以信息完全預設為分析前提，依據(jù)自己掌握的部分信息對問題研究做出因果邏輯判斷和推論，則其不一定能得到正確的認知。在信息完全狀態(tài)下，研究者不需要有預設的分析假設，也不需要依賴邏輯判斷和推論，而是可以通過數(shù)據(jù)高概率地獲取正確的認知。經濟學的信息完全假設對認知研究的影響是廣泛而深刻的。例如，新古典經濟學假設選擇者擁有完全信息，能夠實現(xiàn)效用最大化，它對偏好與認知以及認知與效用之間因果關系的邏輯處理，是通過可稱之為屬于該理論之亞層級預設的“給定條件約束”實現(xiàn)的（信息完全假設是第一層級預設）。在該理論中，偏好被規(guī)定為是一種處于二元化的非此即彼狀態(tài)，認知在“選擇者知曉選擇結果（效用）”這一亞層級預設下被跳越。很明顯，這種因果思維模式有助于使其建立精美的理性選擇理論體系，但由于沒有對認知階段作出分析，它很容易嚴重偏離實際。
現(xiàn)代主流經濟學的理性選擇理論偏離現(xiàn)實的程度有所降低，原因在于開始重視認知的研究。半個多世紀以來的經濟理論研究文獻表明，現(xiàn)代主流經濟學的理性選擇理論正在做逐步放棄完全信息假設的努力，它對偏好與認知以及認知與效用之間因果關系的邏輯處理，是在質疑和批評新古典經濟學偏好穩(wěn)定學說的基礎是進行的，該理論用不穩(wěn)定偏好取代偏好的內在一致性，解說了認知的不確定性，以及不完全信息和心理活動變動等如何對認知形成約束，以此質疑和批評新古典經濟學的期望效用函數(shù)理論，并結合認知分析對個體選擇的效用期望展開了深入的討論。相對于新古典經濟學的理性選擇理論，雖然現(xiàn)代主流經濟學的理性選擇理論仍然是因果思維模式，但它有關偏好與認知以及認知與效用之因果鏈的分析銜接，明顯逼近了實際。
現(xiàn)代非主流經濟學的理性選擇理論不僅徹底放棄了完全信息假設，而且徹底放棄了主流經濟學中隱性存在的屬于新古典理論的某些“給定條件約束”。具體地講，它對偏好與認知以及認知與效用之間因果關系的論證，不是基于純理論層次的邏輯分析，而是從實驗過程及其結果對這些因果關系做出解說。至于效用最大化，該理論則認為認知與效用最大化的關聯(lián)，并不像先前理論描述的那樣存在直接的因果關系?，F(xiàn)代非主流理性選擇理論通過實驗得出一個試圖取代傳統(tǒng)效用函數(shù)的價值函數(shù)（Kahneman and Tversky，1979），該函數(shù)體現(xiàn)了一種以實驗為分析底蘊的不同于先前理論的因果思維模式，開啟了以實驗數(shù)據(jù)作為解析因果關聯(lián)的理論分析先河。但由于現(xiàn)代非主流理性選擇理論畢竟還是一種因果思維模式，因而同先前理論一樣，在理論建構上它仍然具有局限性。
從理論與實踐的聯(lián)系看，經濟學理性選擇理論的因果思維模式之所以具有局限性，乃是因為它用于分析的信息是不完全和不精確，甚至有時不準確，以至于造成認知不正確和決策失誤。當研究者以不準確或不精確的信息來探尋因果關系時，極有可能致使認知出現(xiàn)偏差；而當認知出現(xiàn)偏差時，理論研究和實際操作就會出問題。誠然，因果思維模式本身并沒有錯，但問題在于，單純從現(xiàn)象形態(tài)或單純從結果所做出的理論判斷和推論，不足以讓研究者揭示真實的因果關系。人們對因果關系的理解過程伴隨著認知的形成過程，在非數(shù)據(jù)支持的因果思維模式存在局限性的情況下，經濟學家依據(jù)這種模式所構建的理性選擇理論，難以得到符合實際的認知理論。那么，在未來世界是什么影響和決定認知呢？人類認知有沒有可能達到準確化呢？我們把目光聚焦于大數(shù)據(jù)，或許能夠找到問題的答案。
二 、運用大數(shù)據(jù)能獲得正確認知嗎？
在迄今為止的經濟理論研究文獻中，經濟指標或行為指標所選用的樣本數(shù)據(jù)，不是互聯(lián)網(wǎng)和人工智能時代所言的大數(shù)據(jù)。大數(shù)據(jù)具有極大量、多維度和完備性等特征，極大量和完備性表明大數(shù)據(jù)有可能提供完全信息，多維度意味著信息可以通過大數(shù)據(jù)的相關性得到甄別和處理。廣而論之，人類的行為活動表現(xiàn)為一個龐大的數(shù)據(jù)堆積，個別行為所產生的數(shù)據(jù)只是這個龐大數(shù)據(jù)的元素形式。如果我們以人們的投資和消費活動作為考察對象，對大數(shù)據(jù)蘊含的因果關系以及由此得出的認知進行分析，那么，我們可認為投資和消費不僅在結果上會產生大數(shù)據(jù)，而且在運作過程中也會產生大數(shù)據(jù)。換言之，投資行為和消費行為在“結果”上顯示極大量數(shù)據(jù)的同時，也在“原因”上留下了極大量數(shù)據(jù)讓人們去追溯。因此，人類要取得因果關系的正確認知，離不開大數(shù)據(jù)，而在樣本數(shù)據(jù)基礎上經由判斷和推理得出的針對因果關系的認知，至少是不全面的，它不足以作為人們投資和消費選擇的科學依據(jù)。
人類認知的形成離不開因果關系分析，但運用大數(shù)據(jù)來分析因果關系以求獲取正確的認知，必須具備以下條件配置：1、移動設備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)等的覆蓋面要足夠大，以便能搜取到極大量和完備性的數(shù)據(jù)；2、需要探索對極大量（海量）數(shù)據(jù)的算法，能夠對大數(shù)據(jù)進行分類、整合、加工和處理；3、需要厘清和區(qū)別數(shù)據(jù)的不同維度及權重，以至于能夠運用大數(shù)據(jù)來甄別因果關系的內在機理。顯然，人類從兩百年前的工業(yè)革命到今天的信息革命，對數(shù)據(jù)的搜集、整合、加工和處理還不全然具備以上的配置條件，人類運用大數(shù)據(jù)來分析因果關系，還剛剛處于起步階段。
聯(lián)系經濟學理論看問題，經濟學家分析投資行為和消費行為以及對其因果關系的研究，主要是在抽象理論分析基礎上運用歷史數(shù)據(jù)來完成的。其實，對投資行為和消費行為的研究，不能只是從結果反映的數(shù)據(jù)來考量，即不能只是局限于歷史數(shù)據(jù)分析，還需要從即時發(fā)生的數(shù)據(jù)，乃至于對未來推測的數(shù)據(jù)展開分析。這可以理解為是運用大數(shù)據(jù)思維來研究經濟問題的真諦。從大數(shù)據(jù)觀點看問題，投資和消費的因果關系應該是歷史數(shù)據(jù)流、現(xiàn)期數(shù)據(jù)流和未來數(shù)據(jù)流等三大部分構成的。經濟學實證分析注重的是歷史數(shù)據(jù)流，很少涉及現(xiàn)期數(shù)據(jù)流，從未考慮過未來數(shù)據(jù)流，因此，現(xiàn)有經濟理論文獻的實證分析以及建立其上的規(guī)范分析，很難全面反映或揭示經濟活動的真實因果關系。
在互聯(lián)網(wǎng)悄然改變人類經濟、政治和文化生活的當今社會，互聯(lián)網(wǎng)的發(fā)展歷史可理解為經歷了三個階段：從前期“人與信息對話”的1.0版本，經由中期“信息與信息對話”的2.0版本，近期正走向“信息與數(shù)字對話”的3.0版本，互聯(lián)網(wǎng)版本的不斷升級是大數(shù)據(jù)運用范圍不斷擴大的結果，這是問題的一方面。另一方面，隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)以及物聯(lián)網(wǎng)技術等的廣泛運用，人類各種活動的數(shù)據(jù)將極大量地被搜集，人們行為的因果關系也會以迂回方式通過數(shù)字關系顯露出來。特別地，若互聯(lián)網(wǎng)在將來發(fā)展成“數(shù)字與數(shù)字對話”的4.0版本，這樣的發(fā)展方向則明顯預示著數(shù)字關系將取代因果關系，或者說，數(shù)據(jù)思維將取代因果思維，人類將全面進入大數(shù)據(jù)和人工智能時代。
如果我們把互聯(lián)網(wǎng)版本的不斷升級以及大數(shù)據(jù)運用范圍的無邊界擴大，看成是未來幾十年運用大數(shù)據(jù)來分析因果關系的重要配置條件，那么，如何對大數(shù)據(jù)的整合、分類、加工和處理，以及如何通過大數(shù)據(jù)的完備性和相關性來獲取因果關系的真實信息，則是另外兩個重要的配置條件。工業(yè)革命后的人類科學文明對因果關系揭示的主要方法和路徑，是先利用掌握的信息再通過抽象思維建立復雜模型，然后在實驗室通過試錯法來設置能反映因果關系的參數(shù)使模型具有操作性；但這種方法和路徑涉及的數(shù)據(jù)，是樣本數(shù)據(jù)而不是大數(shù)據(jù)。在大數(shù)據(jù)和人工智能時代，智慧大腦是使用“數(shù)據(jù)驅動法”來設置模型和參數(shù)的（吳軍，2016）。具體地講，是用云計算集約化及其運算模式來整合、分類、加工和處理大數(shù)據(jù)，通過數(shù)據(jù)之間的相關性來探尋在樣本數(shù)據(jù)基礎上無法判斷和推論的信息；同時，對模型的處理，不是建立復雜模型而是建立許多簡單模型，并通過數(shù)以萬計的計算機服務器對模型進行優(yōu)化和設定相應的參數(shù)，以至于完完全全地運用大數(shù)據(jù)來揭示因果關系。
有必要說明的是，數(shù)據(jù)驅動法使用的數(shù)據(jù)不僅包括“行為數(shù)據(jù)流”，而且在某些特定場景中，還包括“想法數(shù)據(jù)流”；前者是指歷史數(shù)據(jù)和當前發(fā)生的數(shù)據(jù)，后者是指從已知數(shù)據(jù)的相關性所推測的未來數(shù)據(jù)。社會物理學認為，人們實際行為與“想法流”之間有著可以通過大數(shù)據(jù)分析而得到的可靠數(shù)量關系，這種關系會通過互聯(lián)網(wǎng)成為一種改變人們選擇行為的重要因素（阿萊克斯?彭特蘭，2015）。誠然，在未來幾十年，數(shù)據(jù)驅動法是否能成功地成為解析因果關系的有效方法，尚有待于大數(shù)據(jù)運用的實踐，特別是有待于它在人工智能運用上之成效的檢驗。不過，數(shù)據(jù)驅動法作為解析因果關系的一種重要方法，無疑是智慧大腦的人機結合在大數(shù)據(jù)思維上的重要突破，它至少在如何展開大數(shù)據(jù)思維上打開了解析因果關系的窗口。
經濟學家運用大數(shù)據(jù)來研究經濟現(xiàn)象的因果關系，對經濟現(xiàn)象原因和結果關聯(lián)的解讀，只有以極大量、多維度和完備性的數(shù)據(jù)為依據(jù)，才是大數(shù)據(jù)意義上的思維。大數(shù)據(jù)思維較之于傳統(tǒng)邏輯思維，最顯著的特征是它可以通過對不同維度數(shù)據(jù)之間相關性的分析，得到比傳統(tǒng)邏輯思維要精準得多的信息。這里所說的精準信息，是指由大數(shù)據(jù)規(guī)定且不夾帶任何主觀判斷和推測的信息。例如，經濟學家要得到特定時期某類（種）產品的投資和消費的認知，其大數(shù)據(jù)思維過程如下：1、搜集、整理和分類前期該類產品的投資和消費的極大量和完備性的數(shù)據(jù)；2、加工和處理業(yè)已掌握的數(shù)據(jù)，并在結合利潤收益率、投資回收期、收入水平和物價水平等的基礎上解析這些不同緯度的數(shù)據(jù)；3、根據(jù)不同緯度數(shù)據(jù)的相關性，獲取該類產品投資和消費的精準信息，從而得出如何應對該產品投資和消費的認知。當然，這只是在梗概層面上對運用大數(shù)據(jù)分析而獲取認知的解說，現(xiàn)實情況要復雜得多。
然則，現(xiàn)有的關于投資和消費的模型分析以及建立其上的實證分析，主要是以非大數(shù)據(jù)的歷史數(shù)據(jù)作為分析藍本的，因此嚴格來講，經濟學對投資和消費的因果關系分析所形成的認知，屬于典型的對歷史數(shù)據(jù)分析所形成的歷史認知。眾所周知，自經濟理論注重實證分析以來，一直存在著如何“從事后評估走向事前決策”問題的討論。由于經濟學家對投資和消費展開實證分析所使用的數(shù)據(jù)，幾乎完全局限于（樣本）歷史數(shù)據(jù)，這便導致對投資和消費的因果關系分析對現(xiàn)期認知和未來認知的缺位，它不能解決“從事后評估走向事前決策”問題。國內一些著名的成功人士指責經濟學家不能解決實際問題。在我們看來，不熟悉大數(shù)據(jù)的成功人士的這種指責是可以理解的，但深諳大數(shù)據(jù)的成功人士帶有調侃風味的指責就不公允了。經濟學家要在理論上立竿見影地解決實際問題，必須能得到現(xiàn)期數(shù)據(jù)和未來數(shù)據(jù)（而不僅僅是歷史數(shù)據(jù)），這需要計算機學家的配合和支持，否則便不能在精準信息的基礎上分析投資和消費的因果關系，但經濟學家又不是計算機學家，因此，經濟理論的科學化需要大數(shù)據(jù)挖掘、搜集、整合、分類、加工、處理、模型和參數(shù)設置、云計算等技術及其手段的充分發(fā)展。
歷史數(shù)據(jù)是存量，目前計算機對其處理的能力已綽綽有余，難點是在于模型和參數(shù)設置；現(xiàn)期數(shù)據(jù)是無規(guī)則而難以把控的流量，對這種流量數(shù)據(jù)的挖掘、搜集、整合、分類、加工和處理，取決于移動設備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)的覆蓋面，以及云計算的集約化的運算能力；未來數(shù)據(jù)是一種展望流量，它依賴于對歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)的把握而通過大數(shù)據(jù)思維來推測。如果說經濟學家對投資和消費的因果分析以及由此產生的認知，主要取決于歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)，那么，解決“從事后評估走向事前決策”問題，既要依賴于歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)，也離不開未來數(shù)據(jù)。也就是說，在“歷史數(shù)據(jù) + 現(xiàn)期數(shù)據(jù) + 未來數(shù)據(jù) = 行為數(shù)據(jù)流 + 想法數(shù)據(jù)流”的世界中，經濟學家要解決實際問題，其理論思維和分析手段都受制于大數(shù)據(jù)思維，經濟學家運用大數(shù)據(jù)分析因果關系而得到正確認知的前提條件，是必須利用歷史數(shù)據(jù)、現(xiàn)期數(shù)據(jù)和未來數(shù)據(jù)以獲取精準信息。
就人類認知形成的解說而論，現(xiàn)有的社會科學理論是以信息的搜集、整理、加工、處理、判斷和推論，作為分析路徑來解釋認知形成的。當認知被解釋成通過數(shù)據(jù)的挖掘、搜集、整合、分類、加工和處理而形成，對認知形成的解釋，就取得了大數(shù)據(jù)思維的形式。大數(shù)據(jù)思維是排斥判斷和推論的，它否定一切非數(shù)據(jù)信息，認為產生精準信息的唯一渠道是大數(shù)據(jù)。在現(xiàn)有的社會科學理論中，經濟學的理性選擇理論對人類認知的分析和研究具有極強代表性，經濟學家對投資選擇和消費選擇的解釋，便是理性選擇理論的代表性運用?；谌祟愓J知形成和變動的一般框架在很大程度上與理性選擇理論有關動機、偏好、選擇和效用等的分析結構有很強的關聯(lián)，我們可以結合這個理論來研究大數(shù)據(jù)思維下人們對經濟、政治、文化和思想意識形態(tài)等的認知變動。事實上，經濟學關于動機、偏好、選擇和效用等關聯(lián)于認知的分析，存在著一種可以通過對大數(shù)據(jù)思維的深入研究而得以拓展的分析空間，那就是大數(shù)據(jù)思維會導致人類認知的變動。
三 、大數(shù)據(jù)思維之于認知變動的經濟學分析
我們研究這個專題之前有必要指出這樣一個基本事實：大數(shù)據(jù)思維可以改變人的認知路徑，可以改變不同階段或不同場景下的認知形成過程，但改變不了影響認知的動機、偏好、認知和效用等的性質規(guī)定。如前所述，傳統(tǒng)經濟學理性選擇理論在完全信息假設下，認為個體選擇的動機和偏好以追求最大化為軸心，傳統(tǒng)理論的這個真知卓見從未被后期理論質疑；但由于傳統(tǒng)理論的完全信息假設存在著“知曉選擇結果”的邏輯推論，因而認知在傳統(tǒng)理論中是黑箱，也就是說，傳統(tǒng)理論無所謂認知的形成和變動問題。現(xiàn)代主流經濟學尤其是現(xiàn)代非主流經濟學在不完全信息假設下開始重視對認知的研究，在他們看來，認知形成過程是從理智思考到信息加工和處理的過程；他們特別注重從心理因素來考察認知變動（Schandler，2006；Rubinstein，2007；），注重通過實驗且運用一些數(shù)據(jù)來分析和研究認知（Kahneman and Tversky，1974，1979；Smith，1994），但這些分析和研究不是對極大量、多維度和完備性的數(shù)據(jù)分析。因此，經濟學理性選擇理論發(fā)展到今天，還沒有進入對大數(shù)據(jù)思維改變人類認知問題的討論。
經濟學關于人類選擇動機、偏好和效用期望等反映人們追求最大化的基本性質分析，以及從這三大要素與認知關聯(lián)出發(fā)，從不同層面或角度對認知形成的分析，主要體現(xiàn)在理性選擇理論中。但這方面顯而易見的缺憾，是不能對動機、偏好、認知和效用等展開數(shù)據(jù)分析。現(xiàn)實的情況是，在大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能和機器學習等沒有問世或沒有發(fā)展到一定水平以前，經濟學家對這些要素只能做抽象的模型分析。經濟學理性選擇理論要跳出抽象模型分析，必須選擇具有解釋義或指示義的指標對動機、偏好和效用期望等進行數(shù)據(jù)分類分析，以便給認知的數(shù)據(jù)分析提供基礎，顯然，這會涉及抽象行為模型的具體化和參數(shù)設計的具體化，需要得到大數(shù)據(jù)和云計算集約化運算模式的支持（吳軍，2016）。作為對未來大數(shù)據(jù)發(fā)展及其運用的一種展望，如果經濟學家能夠圍繞最大化這一性質規(guī)定來尋覓動機、偏好和效用期望等的特征值，并以之來設置參數(shù)和模型，則有可能對直接或間接關聯(lián)于動機、偏好和效用期望的大數(shù)據(jù)進行分析，從而為認知分析提供基礎。
大數(shù)據(jù)的極大量和完備性有可能消除信息不完全，這給認知的數(shù)據(jù)分析提供可行性。誠然，選擇動機、偏好和效用期望等只是反映人們選擇的現(xiàn)期意愿和未來愿景，其極強的抽象性決定這樣的數(shù)據(jù)分析還有很大困難，但由于選擇動機、偏好和效用期望等會通過實際行為迂回地反映出來，因而我們可以找到解決這一困難的路徑。例如，人們在準備投資和消費以前，一般有各種調研活動，即對影響投資和消費的信息進行搜集、整合、分類、加工和處理，值得注意的是，這些調研活動會在移動設備、物聯(lián)網(wǎng)、傳感器、定位系統(tǒng)和社交媒體中留下大數(shù)據(jù)的痕跡，這些數(shù)據(jù)痕跡會從某個層面或某個角度顯現(xiàn)出投資者和消費者選擇動機、偏好和效用期望的傾向或意愿。
智慧大腦依據(jù)什么樣的標準來數(shù)據(jù)化這些傾向或意愿，從而對選擇動機、偏好和效用期望以及進一步對認知展開數(shù)據(jù)分析呢？這里所說的標準，是指通過云計算和機器學習等對人們實際行為的數(shù)字和非數(shù)字信息進行相關性分類，把反映選擇動機、偏好和效用期望的具有共性特征的傾向或意愿進行整理和歸納，以確定符合選擇動機、偏好和效用期望之實際的參數(shù)。如果智慧大腦能夠利用大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能和機器學習等完成以上工作，根據(jù)認知是偏好與效用的中介這個現(xiàn)實，智慧大腦便可以對認知進行大數(shù)據(jù)分析。如果經濟學家能夠利用智慧大腦提供的大數(shù)據(jù)分析成果，經濟學理性選擇理論將會隨著信息不完全假設前提變?yōu)樾畔⑼耆僭O前提，選擇動機、偏好和效用期望的抽象分析變?yōu)閿?shù)據(jù)分析，認知的抽象框定或心理分析變?yōu)閿?shù)據(jù)分析而發(fā)生重大變化。以上的分析性討論，是我們理解大數(shù)據(jù)思維改變人類認知之經濟學解釋的最重要的分析基點。
現(xiàn)有的理性選擇理論有關動機和偏好的分析和研究（這里集中于偏好的討論），主要集中于偏好如何界定和形成以及如何隨認知和效用期望調整而發(fā)生變動等方面，并且這些分析和研究是采用“個體行為”為基本分析單元的個體主義方法論。在大數(shù)據(jù)時代，雖然個人、廠商和政府的選擇偏好仍然是追求最大化，個體選擇行為仍然是整個社會選擇的基礎，個體主義方法論仍然在一定程度和范圍內存在合理性，但互聯(lián)網(wǎng)平臺改變了選擇偏好的形成過程和機理。具體地說，現(xiàn)今人們的選擇偏好已不是經濟學理性選擇理論意義上的選擇偏好，而更多地表現(xiàn)為是一種以最大化為底蘊的具有趨同化特征的偏好。例如，某種產品投資或消費的介紹會和研討會，對某種產品投資或消費的點贊和評價，中央政府和地方政府關于某種產品投資或消費的統(tǒng)計數(shù)據(jù)，專家和新聞媒體對某種產品投資或消費的評說和報道，等等，都會成為人們選擇偏好出現(xiàn)一致性的催化劑。因此，經濟學理性選擇理論跳出抽象模型分析，已經在偏好分析上具備了大數(shù)據(jù)思維的條件和基礎。
智慧大腦與非智慧大腦的區(qū)別，在于能對人們消費和投資的偏好展開大數(shù)據(jù)分析，能通過大數(shù)據(jù)的搜集、整合、加工和處理，運用云計算得到來自不同維度數(shù)據(jù)之間相關性的精準信息，以至于能獲取建立在大數(shù)據(jù)分析基礎之上的認知。從理論上來講，偏好會影響認知但不能決定認知。就偏好影響認知而論，它主要是通過利益訴求、情感驅動、身心體驗和時尚追求等對認知產生誘導或牽引作用。但在非大數(shù)據(jù)時代，這些誘導或牽引作用無法數(shù)據(jù)化，于是經濟學家對偏好影響認知的研究便只能以抽象模型來描述。大數(shù)據(jù)思維對偏好影響認知的處理，是使用以許多簡單而相對具體的模型取代高度抽象的單一模型，運用數(shù)據(jù)驅動法來設置參數(shù)和模型，對利益訴求、情感驅動、身心體驗和時尚追求等偏好特征進行解讀，這樣便實現(xiàn)了很多非數(shù)據(jù)化信息的數(shù)據(jù)化，從而使以偏好為基礎的在理論上對認知變動的研究有了新的分析路徑。
阿里巴巴公司正在奮力打造的線上和線下相結合的“新零售”模式，是以大數(shù)據(jù)分析和運用的阿里云平臺為背景和依托的。這個模式試圖通過充分搜集、整合、分類、加工和處理已發(fā)生的歷史消費數(shù)據(jù)，正在發(fā)生的現(xiàn)期消費數(shù)據(jù)和有可能發(fā)生的未來消費數(shù)據(jù)，捕捉人們消費偏好的動態(tài)變化，以期構建符合大數(shù)據(jù)思維的全新商業(yè)業(yè)態(tài)。撇開新零售模式在運營過程中的諸如數(shù)據(jù)處理、機器學習和人工智能運用等技術問題，僅以該模式對人們消費行為的系統(tǒng)梳理、分級整合及相關處理來說，它無疑會在引領人們消費行為的同時促動消費趨同化偏好的形成。尤其值得關注和研究的是，隨著該模式運營所積累的數(shù)據(jù)量全然達到大數(shù)據(jù)的標準，人們的消費認知將會在消費趨同化偏好的導引下發(fā)生變化，這種情形不僅會發(fā)生在消費領域，投資領域也會出現(xiàn)投資趨同化偏好。很明顯，趨同化偏好具有共性特征，它在很大程度上是對個體選擇偏好的否定，對于這種偏好所導致的認知應該怎樣理解呢？這個問題需要進一步研究。
廠商的投資選擇偏好是追求利潤最大化，這一永恒的事實不妨礙或排斥投資趨同化偏好的形成。一般來講，大數(shù)據(jù)發(fā)展初期的互聯(lián)網(wǎng)平臺對選擇趨同化偏好形成的作用力，在消費領域要比投資領域來得更加直接和迅速。究其原因，是兩大領域的機會成本和風險程度不同的緣故。但隨著大數(shù)據(jù)、云計算和機器學習等的充分發(fā)展，智慧大腦有可能對歷史、現(xiàn)期和未來的大量投資數(shù)據(jù)進行搜集、整合、加工和處理，有可能通過云計算集約化模式來分析不同維度數(shù)據(jù)之間相關性而獲得精準信息，同時，智慧大腦會根據(jù)市場“行為數(shù)據(jù)流”折射出“想法數(shù)據(jù)流”而產生預見能力，尋覓和遴選出高收益的投資方向和投資標的。若此，智慧大腦投資選擇的勝算率（利潤率）將會大大提高，廠商會效尤智慧大腦進行投資選擇，從而出現(xiàn)投資趨同化偏好。經濟學曾經對諸如“羊群效應、蝴蝶效應、從眾行為、信息重疊”等現(xiàn)象有過許多研究（羅伯特?希勒，2001），但嚴格來講，這些研究是描述性的，不是聯(lián)系偏好和認知等的分析性研究。
消費和投資的趨同化偏好主要是針對消費者和投資者的選擇行為方式而言的，它不改變消費和投資選擇偏好的追求效用最大化的性質規(guī)定，這是問題的一方面。另一方面，在將來大數(shù)據(jù)充分發(fā)展的鼎盛時期，消費和投資的趨同化偏好會改變認知形成過程，這可以從兩種意義上來理解：1、從原先通過對信息進行搜集、整合、分類、加工和處理來獲取認知，轉變?yōu)橥ㄟ^對數(shù)據(jù)的搜集、整合、分類、加工和處理來獲取認知；2、消費者和投資者的認知不再是自己獨立思考和理智判斷的產物，而是在趨同化偏好的驅動下認同智慧大腦的認知。關于第一點，大數(shù)據(jù)思維的認知之所以會取代獨立思考和理智判斷的認知，乃是因為它能夠運用云計算集約化模式將消費和投資的歷史數(shù)據(jù)、現(xiàn)期數(shù)據(jù)甚至未來數(shù)據(jù)進行分類處理和相關性分析，能夠運用數(shù)以萬計的計算機服務器對特定事物的因果關系展開深度機器學習，從而通過分類和歸納不同維度數(shù)據(jù)而得到精準信息（精準醫(yī)療就是基于此原理）。人類對因果關系探索的手段和路徑發(fā)生變化，認知的形成過程及其機理就會發(fā)生變化。
關于第二點，消費者和投資者在未來放棄對信息的搜集、整合、分類、加工和處理，認同和效尤智慧大腦的認知來進行選擇，這可理解為是他們進行效用比較（投入與收益）時的“幡然悔悟”。尤瓦爾?赫拉利（2017）有關一切有機和無機實體都可以運用算法來解構的前景預期，（吳軍，2016）關于未來制造業(yè)、農業(yè)、醫(yī)療、體育、律師業(yè)甚至新聞出版業(yè)都將由大數(shù)據(jù)統(tǒng)治的觀點，凱文?凱利（2014）以大數(shù)據(jù)和人工智能為分析底蘊對新經濟十大重要準則的論述，均認為具有大數(shù)據(jù)思維且不作出主觀判斷的智慧大腦將是未來世界的操控者，而Master和AlphaGo戰(zhàn)勝世界頂級圍棋高手的實踐，則顯露了人工智能完全有可能戰(zhàn)勝人腦的端倪?，F(xiàn)實中的普通消費者和投資者通常只是依據(jù)有限或不準確的信息進行消費和選擇，經濟學家也只是根據(jù)有限或不準確的信息進行因果關系分析而得出認知，因此，相對于智慧大腦的選擇效用，消費者和投資者是相形見絀，經濟學家的理論見解和政策主張往往不吻合實際。
智慧大腦是運用大數(shù)據(jù)思維而超越一般智人大腦的大腦。不過，從性質上來講，極少數(shù)擁有智慧大腦的人通過對數(shù)據(jù)的搜集、整合、分類、加工和處理所得到的認知，仍然屬于人的認知。需要強調指出的是，這種認知不同于經濟學理論及其他社會科學理論所闡述和論證的認知，它是在大數(shù)據(jù)思維驅動下的人類認知。對于這種新型認知的理解，如果我們結合經濟學理性選擇理論對其展開解說，則有著基礎理論的分析價值。
熟悉經濟學理性選擇理論的學者知道，無論經濟學家是從信息的搜集、整合、分類、加工和處理獲取認知，還是通過心理分析或行為實驗獲取認知，他們都是在不完全信息或有限理性約束下進行的，這不僅存在著以不精準信息推論認知的問題，而且存在認知形成過程的主觀判斷問題。智慧大腦運用大數(shù)據(jù)思維所形成的認知的最大特點，是在接近完全信息基礎上獲取認知的，并且不夾帶任何主觀判斷?，F(xiàn)代未來學家曾分別從不同角度和層面對大數(shù)據(jù)、互聯(lián)網(wǎng)和人工智能展開了許多討論，他們的共同見解是認為大數(shù)據(jù)的極大量、多維度和完備性將有可能解決信息不完全問題（包含信息不對稱），并且能夠給人類選擇提供精準信息。倘若如此，人類的認知問題便完全成為智慧大腦對數(shù)據(jù)的搜集、整合、分類、加工和處理問題，一旦人類可以通過大數(shù)據(jù)思維獲取精準信息和完全信息，經濟學理性選擇理論將會在根基上被顛覆。
智慧大腦只有極少數(shù)人才具備，絕大部分人（包括智人）都是非智慧大腦。在未來世界，智慧大腦將引領非智慧大腦進行選擇。這一引領過程是由前后相繼的兩個階段構成：一是智慧大腦運用大數(shù)據(jù)對偏好進行分析，通過互聯(lián)網(wǎng)將偏好傳送給具有從眾心理和從眾行為傾向的非智慧大腦，形成非智慧大腦的趨同化偏好；另一是智慧大腦運用大數(shù)據(jù)分析獲取認知，同樣是通過互聯(lián)網(wǎng)讓非智慧大腦效尤智慧大腦的認知，形成趨同化認知，從而使非智慧大腦以智慧大腦的認知為認知來選擇。這些情形表明，未來人類智慧大腦將決定非智慧大腦的偏好和認知，進一步說，則是智慧大腦將影響非智慧大腦的選擇行為。這里有一個極其重要問題須討論：對絕大部分非智慧大腦而言，他們在選擇過程中是否還存在認知？事實上，無論是趨同化偏好還是趨同化認知，非智慧大腦的偏好和認知并沒有徹底消失，只是形成的路徑和內容發(fā)生了變化。關于這個問題的討論，聯(lián)系經濟學的認知理論進行比較分析，或許會有更深的理解。
如前所述，傳統(tǒng)經濟學以完全信息為假設前提，將認知作為理性選擇模型的外生變量，“認知”是被理論分析跳越的?，F(xiàn)代經濟學以不完全信息為假設前提，在理性選擇模型中，努力通過心理和實驗分析把認知作為內生變量，易言之，“認知”被解釋為個體對信息進行搜集、整合、分類、加工和處理的結果，顯然，以上分析在分析對象、分析方法和分析路徑上，是與大數(shù)據(jù)思維不同的?，F(xiàn)代經濟學理性選擇理論所分析的個體，是通過邏輯推論所抽象出來的蕓蕓眾生；雖然智慧大腦也可以看成是個體，但人數(shù)極少，是具有大數(shù)據(jù)思維之共同特征的個體?，F(xiàn)代經濟學理性選擇理論是借助于偏好分析來研究認知的，雖然認知已在一定程度上被視為內生變量，但分析方法和路徑仍然是邏輯判斷或推論為主；大數(shù)據(jù)思維對認知分析將會采用的方法和路徑，是搜集、整合、分類、加工和處理數(shù)據(jù)，試圖從極大量、多維度和完備性的數(shù)據(jù)中獲取精準信息以得出認知。因此，盡管認知出現(xiàn)了趨同化，人類在大數(shù)據(jù)思維下仍然存在認知，只不過是非智慧大腦放棄自己的認知而統(tǒng)一于智慧大腦的認知罷了。
總之，偏好和認知的趨同化顯示了大數(shù)據(jù)思維的魅力，這種魅力根植于大數(shù)據(jù)能夠經由智慧大腦而產生精準信息。其實，智慧大腦如何設置參數(shù)和模型，如何運用云計算集約化模式，如何利用互聯(lián)網(wǎng)以及尋覓廣泛使用人工智能的方法和途徑等，主要是計算機運用層面上的技術問題。我們研究大數(shù)據(jù)思維下人類認知變動需要重點關注的，是非智慧大腦究竟還有沒有認知，其效用期望會呈現(xiàn)什么樣的格局？既然非智慧大腦只是沒有獨立認知而不是完全跳越了認知，那么非智慧大腦便存在著效用期望，關于這種效用期望，我們可以聯(lián)系效用函數(shù)來解說。
四 、認知結構一元化與效用期望變動的新解說
經濟理論對選擇行為與效用期望之間動態(tài)關聯(lián)所建立的基本分析框架，展現(xiàn)出一幅“偏好→認知→選擇→效用期望”的圖景。各大經濟學流派的理性選擇理論對這幅圖景中的 “→”有不同的解說和取舍（前文有所涉及），概括來說，或側重于分析這些箭頭前后要素之間的相互關聯(lián)，或側重于分析這些箭頭前后要素之間的影響和決定作用。但就人們選擇動機和目的與效用之間的關聯(lián)而論，幾乎所有理論都不懷疑“追求自身利益最大化”的公理性，于是，“最大化”在成為效用函數(shù)核心變量的同時，也在一定程度上被作為理性選擇的判斷標準。以上圖景的邏輯分析鏈是建立在信息不完全分析假設上的，各大經濟學流派的理性選擇理論對這條邏輯分析鏈各環(huán)節(jié)的不同解說所產生的理論分歧，可歸結為是在信息不完全假設分析框架內的分歧。值得學術界關注的是，當大數(shù)據(jù)在未來有可能提供完全信息時，這些分歧將會讓位于新的理論探討。
經濟學家對效用函數(shù)的研究是與認知分析緊密相聯(lián)的。但無論是傳統(tǒng)經濟理論還是現(xiàn)代經濟理論，他們對效用函數(shù)以及最大化問題的研究存在著共性，即這些研究都是建立在抽象的認知結構一元化基礎上的。具體地說，傳統(tǒng)經濟理論在完全信息假設上認為，選擇者可以得到“獲悉選擇結果的認知”，從而主張用“最大化”來描述選擇者的效用函數(shù)?，F(xiàn)代主流和非主流經濟理論在不完全信息假設上認為，選擇者受有限理性約束不可能得到“獲悉選擇結果的認知”，從而主張不可用“最大化”來描述選擇者的效用函數(shù)。這里所說的抽象認知結構一元化，是指不是以具體的認知主體作為分析對象，而是把整個人類描述為一個同一的抽象主體，讓“最大化”問題成為效用函數(shù)的核心問題。在大數(shù)據(jù)思維的未來世界，隨著信息有可能出現(xiàn)完全化，“最大化”問題將會成為不是問題的問題。
誠然，智慧大腦對大數(shù)據(jù)進行搜集、整合、分類、加工和處理，并通過云計算、機器學習乃至于根據(jù)人工智能實踐來選擇參數(shù)和設置模型，仍然沒有越出追求自身利益最大化這一效用函數(shù)的性質規(guī)定，但由于智慧大腦的認知形成過程是建立在具有極大量、多維度和完備性的大數(shù)據(jù)基礎之上的，大數(shù)據(jù)能夠提供完全信息的特點有可能會讓智慧大腦取得效用最大化。人類絕大部分選擇者是非智慧大腦者，從科學意義上來講，大數(shù)據(jù)對他們可謂是長期的黑箱，而他們依據(jù)自己認知所做出的選擇又不可能實現(xiàn)效用最大化，于是，非智慧大腦者將以智慧大腦者的認知作為自己認知而做出選擇，這便形成了大數(shù)據(jù)時代實際意義上的一元化認知結構。如果說我們劃分智慧大腦和非智慧大腦是對人類選擇主體的一種新界定；那么，我們揭示這兩大選擇主體實際意義上的一元化認知結構，則是對大數(shù)據(jù)時代人類認知問題的一種新解說。
大數(shù)據(jù)背景下人類實際意義上的認知結構一元化，將是未來發(fā)展的一種趨勢，相對于經濟理論抽象意義上的認知結構一元化，它容易把握和理解。但它在將來能否成為一種固定化趨勢，取決于智慧大腦在經濟、政治、文化和思想意識形態(tài)等領域進行選擇時獲得的效用函數(shù)值。對于該效用函數(shù)值的預期，大數(shù)據(jù)思維下的智慧大腦是具備這種能力的。從經濟理論分析看，對效用函數(shù)值的討論，將涉及內蘊且展示效用函數(shù)的效用期望問題的討論。傳統(tǒng)經濟學的期望效用函數(shù)理論，是一種運用數(shù)學模型論證選擇者能夠實現(xiàn)最大化的理性選擇理論（(Von Neumann and Morgenstern，1947；Arrow and Debreu,1954），現(xiàn)代非主流經濟學是在分析風險厭惡和風險偏好的基礎上，用一條S型的價值（函數(shù)）曲線取代傳統(tǒng)的效用函數(shù)，并通過相對財富變動對選擇者感受的分析，解析了選擇者的效用期望會不斷發(fā)生調整的情形（Kahneman and Tversky，1979）。那么，大數(shù)據(jù)時代選擇者的效用期望會發(fā)生怎樣變動呢？
人類社會發(fā)展的歷史表明，人的主觀期望與實際選擇結果之間會發(fā)生經常性偏離。選擇者的效用期望能否實現(xiàn)最大化，一是取決于選擇者能否得到完全信息，另一是取決于選擇者認知過程的科學化。事實上，現(xiàn)代經濟學對傳統(tǒng)經濟學以最大化為核心的效用函數(shù)的質疑和批評，主要是圍繞信息不完全和忽略認知過程展開的。大數(shù)據(jù)時代存在著提供完全信息的可能性，而智慧大腦利用互聯(lián)網(wǎng)和運用云計算、機器學習和人工智能等手段，正在實現(xiàn)著認知過程的科學化，這便提出了經濟學必須回答的兩大問題：1、大數(shù)據(jù)思維下的人類選擇是否可以實現(xiàn)最大化，2、大數(shù)據(jù)思維下選擇者的效用期望會不會發(fā)生調整。這是現(xiàn)代經濟學沒有提及的兩大問題，但當我們分別從智慧大腦和非智慧大腦來討論這兩大問題時，結論或許會讓篤信經濟學經典理論的學者大跌眼鏡。
在未來世界，隨著互聯(lián)網(wǎng)平臺的日新月異以及移動設備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)等搜集大數(shù)據(jù)手段的覆蓋面的日益擴大，大數(shù)據(jù)的極大量、多維度和完備性給人類選擇提供了完全信息的基礎。智慧大腦在云計算、機器學習和人工智能等的支持下，以數(shù)據(jù)分析為基礎的認知過程也越來越科學化，于是，智慧大腦便可以知曉選擇過程的結果，有可能實現(xiàn)最大化，這說明智慧大腦不存在效用期望的調整問題。另一方面，非智慧大腦以智慧大腦的認知為自己的認知，其效用期望完全依附于智慧大腦的效用期望。具體地說，非智慧大腦不對數(shù)據(jù)進行搜集、整合、分類、加工和處理，跳越了認知過程，同樣不存在效用期望的調整問題。非智慧大腦效用期望完全依附于智慧大腦效用期望的情形，或者說，非智慧大腦以智慧大腦效用期望為自己效用期望的情形，統(tǒng)一于智慧大腦與非智慧大腦的認知結構一元化。如果要追溯非智慧大腦效用期望的變動，那就是從原先屬于自己的效用期望轉變成了智慧大腦的效用期望。
智慧大腦有可能實現(xiàn)最大化，以及不存在效用期望調整是一回事，但智慧大腦能否在所建模型中給定效用期望值卻是另一回事。效用期望作為一種主觀預期或判斷，它不會在互聯(lián)網(wǎng)上留下可供大數(shù)據(jù)分析的歷史數(shù)據(jù)流、現(xiàn)期數(shù)據(jù)流和未來數(shù)據(jù)流，也就是說，不會在互聯(lián)網(wǎng)上留下可供大數(shù)據(jù)分析的行為數(shù)據(jù)流和想法數(shù)據(jù)流，這在決定智慧大腦難以跟蹤、模擬和推論效用期望值的同時，也給非智慧大腦放棄認知而效尤智慧大腦提供了某種聊以自慰。推崇人工智能可以替代人腦的學者，好用Master和AlphaGo戰(zhàn)勝世界頂級圍棋高手的事實作為這種替代的立論依據(jù)，但無論我們怎樣在大數(shù)據(jù)分析、機器學習和人工智能運用等方面進行深度挖掘，也找不到智慧大腦能在所建模型中給定效用期望值的科學依據(jù)。智慧大腦不能確定效用期望值，也就規(guī)定了非智慧大腦不能確定效用期望值。這又提出了一個在理論上有必要回答的問題：非智慧大腦還有沒有效用期望？
在經濟社會，智慧大腦和非智慧大腦的投資和消費選擇的效用期望都是追求最大化，這一點是永恒的。但問題在于，非智慧大腦以智慧大腦的認知為自己認知，以智慧大腦的選擇作為自己選擇的情形，會使自己的效用期望完全停留在期望智慧大腦選擇結果的形式上，這可以解釋為大數(shù)據(jù)時代非智慧大腦的效用期望的一種變動。但對于這樣的效用期望的理解，與其說它是一種效用期望，倒不如說它是一種效用期待。社會經濟的精英是人數(shù)極少的智慧大腦群體，但推動投資和消費的是占人口絕大多數(shù)的非智慧大腦群體。因此，非智慧大腦群體的偏好、認知、選擇和效用期望，應該是理性選擇理論研究的重點。關于這一研究重點的邏輯和現(xiàn)實的分析線索，是大數(shù)據(jù)思維→趨同化偏好→趨同化認知→認知結構一元化→最大化效用期望。不過，這條分析線索包含著許多本文或有所涉及或尚未涉及的交叉性內容，它需要我們在繼續(xù)研究大數(shù)據(jù)思維改變人類認知這一理論專題時，做出進一步深入的探討。
大數(shù)據(jù)時代認知結構一元化以及效用期望不再發(fā)生調整的分析結論，在形式上與傳統(tǒng)理性選擇理論有雷同之處。之所以如此，是因為傳統(tǒng)理論的整個分析結論是建立在信息完全假設上的，而大數(shù)據(jù)思維有關人類認知變化的分析，也是建立在大數(shù)據(jù)時代有可能提供完全信息的實際基礎上的，這種殊途同歸的分析結論并不是性質上的雷同。未來社會學家和社會物理學家開始關注大數(shù)據(jù)、人工智能對人類社會的影響，大有大數(shù)據(jù)帝國主義的思想端倪，他們擔心以機器人為代表的人工智能會致使大量人口失業(yè)，恐懼以芯片為代表的大數(shù)據(jù)監(jiān)控會導致人類沒有隱私可言，并為之付梓出版了許多分析文獻。但從基礎理論來考察，研究大數(shù)據(jù)思維如何改變人類認知，無疑是一個十分重要的分析課題。在未來世界，大數(shù)據(jù)思維究竟能在多大程度和范圍內改變人類認知，尚有待于觀察。
原載《社會科學戰(zhàn)線》2018年第1期，《新華文摘》2018年第10期全文轉載
報告下載：添加199IT官方微信【i199it】，回復關鍵詞【大數(shù)據(jù)思維改變人類認知的經濟學分析】即可！
- 消息稱去年全球IT支出超過5萬億美元 數(shù)據(jù)中心系統(tǒng)支出大幅增加
- 2025年全球數(shù)據(jù)中心：數(shù)字基礎設施的演變
- 谷歌押注多模態(tài)AI，BigQuery湖倉一體是核心支柱
- 數(shù)字化轉型支出將飆升：到2027年將達到4萬億美元
- 量子與人工智能：數(shù)字化轉型的力量倍增器
- 華為OceanStor Dorado全閃存存儲榮獲CC認證存儲設備最高認證級別證書
- 2024年終盤點 | 華為攜手伙伴共筑鯤鵬生態(tài)，openEuler與openGauss雙星閃耀
- 特朗普宣布200億美元投資計劃，在美國多地建設數(shù)據(jù)中心
- 工信部：“點、鏈、網(wǎng)、面”體系化推進算力網(wǎng)絡工作 持續(xù)提升算網(wǎng)綜合供給能力
- 2025年超融合基礎設施的4大趨勢
免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
