當(dāng)前簡訊:浙大團隊建了個人工智能模型 從用電看決策效應(yīng)

過去三年，全球各地都或多或少遭受過新冠疫情引發(fā)的經(jīng)濟蕭條。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)濟尤為重要。

早在疫情之初，浙江大學(xué)計算機學(xué)院楊洋副教授團隊就十分關(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Nature旗下期刊Scientific Reports錄用。該研究選擇了用電數(shù)據(jù)作為觀察經(jīng)濟活動的對象，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)濟水平回升的作用。

面對復(fù)雜的經(jīng)濟社會情境，人工智能如何幫助政府進行科學(xué)決策？這份研究為我們展示了一種可能——

(資料圖片)

更加靈敏的復(fù)蘇“晴雨表”

電力數(shù)據(jù)素有經(jīng)濟運行的“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)濟運行情況，研究團隊調(diào)整消除了天氣、行業(yè)間的發(fā)展差異、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)”——這是人工智能進行學(xué)習(xí)的數(shù)據(jù)基礎(chǔ)。

2020年1月1日至2020年8月31日期間17個行業(yè)的復(fù)蘇指數(shù)，1代表該行業(yè)恢復(fù)到往年同期的應(yīng)有水平。受訪者提供

“之所以選擇電力數(shù)據(jù)作為觀察對象，是因為它是一項非?！毩６取闹笜?biāo)。”楊洋告訴記者。

用電能夠非常精確、靈敏地反映經(jīng)濟活動：不僅用電的對象可以細化到具體的企業(yè)和部門，且相較于隔月或隔年公布的GDP等經(jīng)濟指標(biāo)，電力數(shù)據(jù)的生成還更加“實時”，由于無需人為統(tǒng)計，也更為真實和客觀。

熱力圖顯示了疫情封鎖政策對杭州市區(qū)的影響，熱力圖中的每個點代表一個組織的每周電力消耗量。受訪者提供

據(jù)了解，團隊收集到了杭州市區(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)運行狀態(tài)的刻畫，能夠精確到每一刻鐘。

在進一步分析“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)計了一種變點算法，監(jiān)測政策發(fā)布的時機是否與復(fù)蘇指數(shù)曲線的轉(zhuǎn)變點吻合，并在此基礎(chǔ)上評估政策的影響。”論文第一作者楊萱告訴記者，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。

小圖b檢測了三個部門復(fù)蘇指數(shù)的變化點，垂直虛線代表一處變化點，虛線上的數(shù)字表示這個變化點對應(yīng)的大圖a中的哪項政策。受訪者提供

“我們發(fā)現(xiàn)，不同政策產(chǎn)生的效果存在很大差異。”楊萱說，“一些政策對于經(jīng)濟的促進作用是緩慢但持續(xù)的，比如開放跨省旅游，另一些政策只在短期內(nèi)能強烈刺激經(jīng)濟，比如發(fā)放消費券后，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。”

經(jīng)濟政策的“沙盤模擬”

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，其中涉及到無數(shù)個變量，我們無法全部厘清。

機器學(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，由它來摸索一個清晰的結(jié)論?！闭劦接嬎闵鐣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)濟影響，研究團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。

對17個行業(yè)進行的模擬實驗和預(yù)測結(jié)果。受訪者提供

“我們對17個主要行業(yè)逐一進行了模擬實驗，分別對它們施加了一個預(yù)期能將其經(jīng)濟恢復(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。”

舉例說，文中提到，政策對于餐飲業(yè)和商業(yè)服務(wù)業(yè)的促進效果是相近的，但增加對商業(yè)服務(wù)業(yè)的支持，對整體經(jīng)濟復(fù)蘇的貢獻卻是餐飲業(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)濟效益顯著增強。

這帶來了一個有益的啟示：政府制定經(jīng)濟扶持政策時，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?！睏钛笈e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行建模，就可以讓模型進行學(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?！?/p>

“未來我們還會在模型的可解釋性方面進一步開展研究?！睏钶娓嬖V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)。

來源：潮新聞