|
文/陳根 在技術狂飆突進的年代，數字孿生作為一個對人工智能、大數據、物聯網、虛擬現實等技術進行綜合運用的技術框架，越來越成為推動數字社會建設的重要力量，分別進入各國的國家戰略之中。 在我國，國家發改委2020年4月就已經把數字孿生列為數字化轉型的支撐性基礎設施和技術創新賦能的關鍵對象，疫情期間聞名世界的雷神山醫院便是利用了數字孿生技術進行建造。 數字孿生也成為企業數字化轉型進程中炙手可熱的焦點。根據《如何利用數字孿生幫助企業創造價值》行業白皮書，到2021年，半數的大型工業企業將使用數字孿生，從而使這些企業的效率提高10%；到2024年，將有超過25%的全新數字孿生將作為新loT原生業務應用的綁定功能被采用。 然而，隨著數字孿生與社會生活生產的聯系越發緊密，數字孿生底層算法黑箱的問題也越發凸顯。在數字孿生系統的分層體系下，通過算法黑箱將模型和數據封裝于交互界面之后是一種常見的工程模式，在化簡技術復雜性的同時也導致“規則隔音”現象日益嚴重。 如何在數字孿生的發展中規避這一技術弱勢，是數字孿生走向未來的必經之路。 
數字孿生集算法之大成 幾千年來，從游牧社會、農業社會、工業社會到信息社會，人類社會一直面臨的重大挑戰之一，就是如何在不確定性的環境中進行決策。正如《韓非子》所言：“智者決策於愚人，賢士程行於不肖，則賢智之士羞而人主之論悖矣。” 在最初的農業社會里，人們往往通過占卜來進行決策，宗教是人類面在不確定性的環境中進行選擇的依靠。面對一觸即發的部落戰爭，出征前面對戰爭結果的無常，部落首領、諸侯國王們求助龜殼裂紋、星象占卜，以預測等各種重大事件的走向，指導重大決策。 人類對科學認知的進步為人類社會帶來了科學的決策。比如，決定火箭的發射，就需要計算發射窗口期，要計算月球跟地球的距離，要預測未來天氣的變化，選擇飛機的外形和材料，就需要基于風洞試驗等空氣動力學規律，所有的這些所有都是基于科學的決策。 時至信息時代，智能技術的發展和成熟為人們的決策帶來了新的選擇——算法。根據數據，算法能夠對未來（明天、后天）風機的風力發電量進行準確預測；算法能夠幫助美國Uptake公司對卡特彼勒工程機械運行狀態進行預估，實現產品全生命周期的服務；算法能夠為新零售企業盒馬鮮生當天新鮮的產品的選品進行決策；算法能夠為不同的用戶打造千人千面的主頁。 集算法大成的技術則非數字孿生莫屬。數字孿生發端于美國國家航天航空局（NASA）的阿波羅項目，是現有或將有的物理實體對象的數字模型。 數字孿生通過實測、仿真和數據分析來實時感知、診斷、預測物理實體對象的狀態，通過優化和指令來調控物理實體對象的行為，通過相關數字模型間的相互學習來進化自身，同時改進利益相關方在物理實體對象生命周期內的決策。 我在《數字孿生》一書中也提到，數字孿生就是在一個設備或系統“物理實體”的基礎上，創造一個數字版的“虛擬模型”。這個“虛擬模型”被創建在信息化平臺上提供服務。值得一提的是，與電腦的設計圖紙又不同，相比于設計圖紙，數字孿生體最大的特點在于，它是對實體對象的動態仿真。也就是說，數字孿生體是會“動”的。 
同時，數字孿生體“動”的依據，來自實體對象的物理設計模型、傳感器反饋的“數據”以及運行的歷史數據。實體對象的實時狀態，還有外界環境條件，都會“連接”到“孿生體”上。 數字孿生無可比擬的優越性顯而易見。通過數字孿生，物理世界中產品、服務或過程數據也會同步至虛擬世界中，虛擬世界中的模型和數據會和過程應用進行交互。向過程應用輸入激勵和物理世界信息，就可以得到包括優化、預測、仿真、監控、分析等功能的輸出。 在數字孿生的模型構建下，人們將能夠輕易地縮短產品的研發周期，提高建筑物的資源優化效率，提供一種新的醫學分析途徑，或者構造一種城市的資源配置新模式。而這，正是人類決策能夠實現的最高級形態。 
算法為數字孿生帶來挑戰 算法作為數字孿生的基底，是一種全新的認識和改造這個世界的方法論。隨著數字孿生與社會生活生產的聯系越發緊密，算法對社會產生的影響也更加深刻。建立在大數據和機器深度學習基礎上的算法，具備越來越強的自主學習與決策功能。 算法通過既有知識產生出新知識和規則的功能被急速地放大，但在人們輕易地享受算法帶來的優化決策時，卻常常忽略了算法并不必然的客觀性和技術的弱點。算法存在的前提就是數據信息，而算法的本質則是對數據信息的獲取、占有和處理，在此基礎上產生新的數據和信息。 簡言之，算法是對數據信息或獲取的所有知識進行改造和再生產。由于算法的“技術邏輯”是結構化了的事實和規則“推理”出確定可重復的新的事實和規則，以至于在很長一段時間里人們都認為，這種脫胎于大數據技術的算法技術本身并無所謂好壞的問題，其在倫理判斷層面上是中性的。 然而，隨著人工智能的第三次勃興，產業化和社會化應用創新不斷加快，數據量級增長，人們已經逐漸意識到算法所依賴的大數據并非中立。它們從真實社會中抽取，必然帶有社會固有的不平等、排斥性和歧視的痕跡。當這些不客觀性導入進數字孿生的技術框架時，人們也就不再能夠保證數字孿生最后決策的中立與最優了。 從技術的弱點來看，在數字孿生時代，現實世界在數字世界里被重建，隨后數據驅動算法作出決策并借助界面層把指令傳遞到現實世界中。讓人焦慮的是，數字空間的運作邏輯——算法卻是不透明的。在人工智能深度學習輸入的數據和其輸出的答案之間，存在著人們無法洞悉的“隱層”，它被稱為“黑箱”。 黑箱便是關于“不透明”的一個比喻：人們把影響自身權利義務的決策交給了算法，卻又無法理解黑箱內的邏輯或其決策機制。這里的“黑箱”并不只意味著不能觀察，還意味著即使計算機試圖向我們解釋，人們也無法理解。 事實上，早在1962年，美國的埃魯爾在其《技術社會》一書中就指出，人們傳統上認為的技術由人所發明就必然能夠為人所控制的觀點是膚淺的、不切實際的。技術的發展通常會脫離人類的控制，即使是技術人員和科學家，也不能夠控制其所發明的技術。 算法的飛速發展和自我進化已初步驗證了埃魯爾的預言，數字孿生更是凸顯了“算法黑箱”現象帶來的某種技術屏障。弗蘭克·帕斯奎爾在《黑箱社會》中將這一隱喻發揮得淋漓盡致，抨擊了美國社會正陷入被金融和科技行業的秘密算法所操控的、令人難以理解的狀態。 任何技術都很難不受到商業偏好的影響，這使得算法黑箱也往往與“算法獨裁”“算法壟斷”等負面評價綁定在一起。算法的研發和運行作為商業秘密，受到各個企業的保護，資本可以輕易地將自身的利益訴求植入算法，利用技術的“偽中立性”幫助自身實現特定的訴求，實現平臺的發展與擴張，追求利益最大化。 
數字孿生的風險預警 數字孿生時代，政府和企業都大量使用算法進行自動化決策，而其中公權力機關使用算法黑箱導致的決策不透明更易受人詬病。數字孿生時代，算法的黑箱化趨勢日益明顯。通過簡單直接的界面就足以給公眾提供規則的指引，因此決策規則的隱蔽性更強，從而埋下了權力恣意的種子。 以美國為例，由于算法錯誤導致公民權利受損的事件屢見不鮮。伊利諾伊州兒童和家庭服務部在2017年12月停用了一個兒童安全和風險評估系統，原因是該預測算法的不準確性導致父母與子女被錯誤分離的情況；2007年科羅拉多州的公共福利系統以及2016年阿肯色州醫保系統中的代碼錯誤，造成對部分公民的福利申請被錯誤削減或駁回。 此外，當復雜的算法適用于商業決策時，決策者實際上把算法作為決策的依據，這時或多或少轉嫁了決策責任。將決策規則封裝起來，隱藏了因果關系或者至少導致因果關系復雜化，這就使得作為法治基石的問責機制有可能逐漸分崩離析。 此前備受關注的《外賣騎手，困在系統里》的文章，就一度將系統的困境歸結于算法之上。但顯然，無論外賣派送系統的算法技術是多么復雜，這在法律上都無關緊要，事關重要的算法大多由公權力機關或平臺企業在操作，討論平臺在保障外賣騎手權益方面的責任才是關鍵所在。 基于此，為更好促進數字孿生技術的落地應用，社會在積極支持與配合的同時，也要正確應對潛在的問題與風險。其中，算法透明經常被視為解決算法黑箱問題最直接、有效的方式，并與知情權、行政公開、透明政府等概念具有親和性。通過對算法黑箱的信息進行披露，包括代碼、公式、參數等內部信息，可以緩解公眾與算法操控者之間的信息不均衡，抑制權力的恣意。 通過法律規制以消解隱憂是數字孿生得以長遠發展的另一必然。顯然，孿生數據安全的保障有賴于法律-技術雙重保障型體系的構建和完善。其中，技術是體系支撐，法律是重要基礎。 一方面，標準體系的缺失將會嚴重阻礙數字孿生技術的應用與發展，亟須構建規范的標準體系來指導與參考。這就需要推動相關法律的設立，完善相關技術標準，建立行業數據規范，提高數據處理的安全性，以便順利完成數據的交換、集成與融合工作。 另一方面，是要打破商業資本與技術之間強烈的依附性，避免商業利益成為權力的方向盤。當前，算法治理已是大勢所趨，政府要加大對算法技術的把控，建立透明的算法運行機制和協調的智能政務系統，設立算法技術研發和運行的標準，嵌入公共利益的價值觀，平衡多元價值。 總之，數字孿生作為一種無縫連接信息物理并使之融合的實用技術，不僅是未來制造業的關鍵技術，也在越來越多的領域發揮重要的價值。因此，在社會不斷探索數字孿生技術的應用價值的同時，人們也要積極做好數字孿生技術的風險預警工作，讓最優決策有安全的保障。 |
|
|
