浙大研究團(tuán)隊用電力數(shù)據(jù)建模經(jīng)濟(jì)復(fù)蘇過程 政策效果好不好 人工智能算一算
過去三年，全球各地都或多或少遭受過新冠疫情對經(jīng)濟(jì)的沖擊。疫情對于政府部門來說是一場社會治理的大考，制定合理的政策助推各行業(yè)有序復(fù)工復(fù)產(chǎn)，對于提振經(jīng)濟(jì)尤為重要。
早在疫情之初，浙江大學(xué)計算機(jī)學(xué)院楊洋副教授團(tuán)隊就十分關(guān)注城市如何從防疫封控措施中復(fù)蘇的問題。近日，他們的一項研究成果被《自然》旗下期刊《科學(xué)報告》錄用。該研究選擇用電數(shù)據(jù)作為觀察經(jīng)濟(jì)活動的對象，建立了一個人工智能模型，通過模擬不同的政策實施策略，探討它們對各行業(yè)以及城市整體經(jīng)濟(jì)水平回升的作用。
面對復(fù)雜的經(jīng)濟(jì)社會情境，人工智能如何幫助政府進(jìn)行科學(xué)決策？這份研究為我們展示了一種可能。
電力數(shù)據(jù)素有經(jīng)濟(jì)運(yùn)行“晴雨表”和“風(fēng)向標(biāo)”之稱。為了使它更準(zhǔn)確地映射出經(jīng)濟(jì)運(yùn)行情況，研究團(tuán)隊調(diào)整消除了天氣、行業(yè)間的發(fā)展差異和農(nóng)歷節(jié)假日等因素對于用電的影響，構(gòu)建了一個可以統(tǒng)一衡量各行業(yè)復(fù)蘇情況的“復(fù)蘇指數(shù)”——這是人工智能進(jìn)行學(xué)習(xí)的數(shù)據(jù)基礎(chǔ)。
“電力數(shù)據(jù)，是一項非�！�(xì)粒度’的指標(biāo)�！睏钛蟾嬖V記者。
用電數(shù)據(jù)能夠精確、靈敏地反映經(jīng)濟(jì)活動：不僅用電的對象可以細(xì)化到具體的企業(yè)和部門，且相較于按月或按年公布的GDP等經(jīng)濟(jì)指標(biāo)，電力數(shù)據(jù)的生成更加“實時”；由于無需人為統(tǒng)計，也更為客觀。
據(jù)了解，團(tuán)隊收集到杭州市區(qū)11464個用電戶的超過7600萬份用電記錄，涵蓋了17個主要行業(yè)類別，時間跨度從2020年的1月1日一直到8月31日。這些數(shù)據(jù)對于每個企業(yè)運(yùn)行狀態(tài)的刻畫，能夠精確到每一刻鐘。
在進(jìn)一步分析“復(fù)蘇指數(shù)”時，數(shù)據(jù)更新的及時性帶來了許多優(yōu)勢：一方面，復(fù)蘇指數(shù)曲線能比事后統(tǒng)計更快地捕捉到經(jīng)濟(jì)活動中的特殊波動；另一方面，在評估新頒布的政策時，曲線也可以迅速反映出它的影響力究竟如何。
“我們設(shè)計了一種變點(diǎn)算法，監(jiān)測政策發(fā)布的時機(jī)是否與復(fù)蘇指數(shù)曲線的轉(zhuǎn)變點(diǎn)吻合，并在此基礎(chǔ)上評估政策的影響�！闭撐牡谝蛔髡邨钶娓嬖V記者，以往政策研究最常見的手段是發(fā)放問卷，不僅耗時，且存在很大主觀性，而模型的介入能夠為提高政策評估的效率提供一種新的思路。
“復(fù)蘇指數(shù)”確實發(fā)現(xiàn)了一些有意思的現(xiàn)象——不同政策產(chǎn)生的效果存在很大差異。一些政策對于經(jīng)濟(jì)的促進(jìn)作用是緩慢但持續(xù)的，比如開放跨省旅游；另一些政策只能在短期內(nèi)強(qiáng)烈刺激經(jīng)濟(jì)，比如發(fā)放消費(fèi)券后，餐飲娛樂業(yè)的復(fù)蘇指數(shù)在一周內(nèi)迅速攀升，但一個月內(nèi)又會回落。
有了對于過去政策的評估，更重要的問題是，未來的策略應(yīng)當(dāng)是怎樣的？
“如果這樣做，將會發(fā)生什么？”決策者的面前總是擺著這樣的問題，它的答案卻不簡單。大量社會科學(xué)理論告訴我們，社會的運(yùn)行似乎有一定規(guī)律可循，但預(yù)測工作往往非常困難，這是因為，每個新現(xiàn)象的背后都有一條龐雜的因果鏈，涉及到無數(shù)個變量，無法全部厘清。
機(jī)器學(xué)習(xí)打開了一種可能：在海量數(shù)據(jù)里“淘沙取金”，挖掘并掌握規(guī)律，這恰好是人工智能擅長的事。
“在計算社會學(xué)研究中，人的因素相對沒有那么重要，我們傾向于打造一套算法工具，把一切交給計算機(jī)，由它來摸索一個清晰的結(jié)論�！闭劦接嬎闵鐣䦟W(xué)與一般社會學(xué)研究之間的區(qū)別，楊洋這樣說。
為了模擬新政策對經(jīng)濟(jì)的影響，研究團(tuán)隊建立了一種基于圖學(xué)習(xí)的時間序列預(yù)測模型：時序模型通過大量接受過往數(shù)據(jù)的訓(xùn)練，理解行業(yè)復(fù)蘇過程，提高預(yù)判未來趨勢的準(zhǔn)確性；圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)則能整合不同行業(yè)的復(fù)蘇指數(shù)，捕捉到行業(yè)之間的“鏈?zhǔn)叫?yīng)”，比如上下游行業(yè)間的互相影響關(guān)系。
“我們對17個主要行業(yè)逐一進(jìn)行模擬實驗，分別對它們施加了一個預(yù)期能將其經(jīng)濟(jì)恢復(fù)速度提升一倍的政策�！睏钶嬲f，“結(jié)果發(fā)現(xiàn)了一些很特別的現(xiàn)象，比如，某些自身對政策反響強(qiáng)烈的行業(yè)，由于缺乏對其他行業(yè)的帶動，其實并不能很好地從整體上提振區(qū)域經(jīng)濟(jì)�！�
舉例來說，政策對于餐飲業(yè)和商業(yè)服務(wù)業(yè)的促進(jìn)效果是相近的，但增加對商業(yè)服務(wù)業(yè)的支持，對整體經(jīng)濟(jì)復(fù)蘇的貢獻(xiàn)卻是餐飲業(yè)的27倍。另外，增加對管理部門的支持只會使其自身的復(fù)蘇速度提高2%，但能讓區(qū)域整體的經(jīng)濟(jì)效益顯著增強(qiáng)。
這帶來了一個有益的啟示：政府制定經(jīng)濟(jì)扶持政策時，不能只看到某個行業(yè)受疫情打擊的程度，更應(yīng)把行業(yè)之間的相互依存關(guān)系納入考量。
除了政策啟發(fā)之外，模型本身作為工具，也具有很強(qiáng)的復(fù)用性和普適性。
“開個腦洞，比如，這個模型也可以用來制定大型活動的交通管制策略。”楊洋舉例，“假設(shè)有若干個地鐵站，如果我們對每個地鐵站的人員流動進(jìn)行建模，就可以讓模型進(jìn)行學(xué)習(xí)，預(yù)判限流措施會對整體流量造成怎樣的影響，最終找到最優(yōu)解�！�
“未來我們還會在模型的可解釋性方面進(jìn)一步開展研究。”楊萱告訴記者，深度神經(jīng)網(wǎng)絡(luò)具有“黑盒”的屬性，也就是說，我們無從了解模型形成結(jié)論的邏輯和依據(jù)。因此在這項研究中，團(tuán)隊需要不斷地借助社會科學(xué)研究中的知識，對模型的建構(gòu)思路以及得出的政策建議作出闡釋。
楊洋表示，目前，計算社會學(xué)的成果大多仍屬于前瞻性研究，沒有真正在決策流程中發(fā)揮作用。如果要讓人工智能全面賦能社會治理，可解釋性仍是一個需要攻克的挑戰(zhàn)。
<愛上你，愛上新江南網(wǎng):hzgou.cn www.xjnnet.net,hzgou.cn歡迎您！>聲明：
本文僅代表作者個人觀點(diǎn)，與新江南網(wǎng)無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關(guān)內(nèi)容，新江南網(wǎng)號系信息發(fā)布平臺，新江南網(wǎng)僅提供信息存儲空間服務(wù)。如有侵權(quán)請出示權(quán)屬憑證聯(lián)系管理員（yin040310@sina.com）刪除！
閱讀推薦
新聞爆料
點(diǎn)擊排行
