人工智能時代的國際關系研究：挑戰與機遇

在過去數年間，人工智能的發展速度遠遠超過人們的預期。我們曾經在“終結者”、“黑客帝國”、“銀翼殺手”等影視作品中看到的場景，似乎開始越來越有可能在將來變成現實。相應地，人工智能對世界政治的影響日益加大。甚至最近爆出的一些新聞顯示在這之前人工智能已經深刻地影響了大國政治。比如被認為有俄羅斯官方背景的“劍橋分析（Cambridge Analytical）”公司被爆出利用人工智能和大數據分析影響美國大選和英國脫歐，該公司對選舉的操縱成為英國最終脫歐和特朗普在美國總統大選中競選獲勝的重要原因。諸如此類的情形，昭示著人工智能和大數據分析已經（而不只是將會）給世界政治格局帶來重大影響。

而人工智能對國際關系研究的影響不僅在于研究對象受人工智能的影響而發生變化，更在于人工智能的發展在研究觀念和研究方法上對國際關系研究者造成的沖擊。這種沖擊可能會在學術界引發一些重要爭議，比如，什么才是國際關系研究最應該關注的研究對象？構成國際關系運行的基本實體及其運行方式會受何種影響？什么樣的研究思路才是國際關系研究所應該采用的思路？什么樣的研究方法才是國際關系研究所應采用的方法？等等。

從研究特點來看，傳統的國際關系研究與人工智能時代的國際關系研究會有較大差異。從國際關系研究的本體論來說，傳統的國際關系研究強調最基本的研究實體是民族國家，而人工智能的發展會助推網絡國家的興起，進而給傳統的國際關系研究本體論帶來一定的挑戰。從國際關系研究的認識論來說，傳統的國際關系研究更強調發現穩定清晰的因果關系和因果機制，而將機器學習方法引入國際關系研究后，國際關系的研究可能不再像以前那么執著于此，追求“無法解釋但有用”的分析或許會變得同追求清晰的因果解釋一樣流行。從國際關系研究的方法論來說，傳統的國際關系研究計量方法還是難以處理維數較高的數據以及復雜的非線性的問題，而引入了機器學習方法后，我們更有信心處理那些數據維度高、非線性以及變量之間相互復雜作用的問題。

人工智能對國際關系研究本體論的挑戰

通常而言，本體論指的是研究構成世界的最基本實體是什么（比如古希臘哲學對構成世界的基本元素的探討）及世界產生、存在和發展變化的根本原因和根本依據。國際關系的本體論指的是研究構成國際關系的最基本實體是什么，以及國際關系產生、存在和發展變化的根本原因和依據。傳統的國際關系研究默認最基本的研究實體是民族國家，力圖探尋民族國家之間沖突與合作的本質和規律，主流的國際關系理論都是圍繞這些來展開的。然而人工智能的發展使得民族國家是否依然會是未來國際關系研究的最基本實體都可能存疑。在人工智能取得高速發展的情況下，民族國家面臨著越來越多的挑戰。

民族國家在人工智能時代所面臨的最核心的挑戰在于，網絡國家（Net States）權勢的進一步興起可能會弱化民族國家在國際關系中的地位和影響。網絡國家指的是除民族國家之外，類似于Facebook 、Google、Twitter這樣的擁有巨大用戶規模和全球影響力的機構。這些機構有的用戶規模超過世界上任一國家的人口（比如Facebook有20億用戶規模），而且在民眾心中擁有比政府高得多的威信。與民族國家相比，網絡國家更有利于人們表達和擴散自己的思想，這可能使得人們在將來日益“拒絕國王和選舉”，“轉而擁護‘初略的共識和運行的代碼’”。而目前很多地方對網絡所得收入的征稅權所屬尚存爭議，以后人們可能會“把自己的工作交給云存儲去做，還向網絡國家交稅”，而受到各種物理限制的國家則可能面臨更多的、各種各樣的挑戰。

這種趨勢在互聯網時代已經露出端倪，而隨著人工智能的發展，這些網絡國家開始成為自動化武器技術、自動駕駛技術、最頂尖的機器學習技術的擁有者，這使得這些機構在將來想要獲得暴力手段時，也能夠輕而易舉地將自己的技術轉化為暴力工具，從而對既有的民族國家統治構成巨大的挑戰。同時，與前人工智能時代能更多地轉化為強制和戰斗力量的是物質資源（比如油氣資源等）不同的是，在人工智能時代，最重要的資源是各種海量的數據資源，而直接擁有這些資源的往往是Facebook、Google等機構，而不是民族國家，這也使得將來民族國家與網絡國家之間的權力天平可能會向網絡國家傾斜。

民族國家在人工智能時代所面臨的挑戰還在于，人工智能的發展可能會打破民族國家內部結構的均衡，也可能會打破民族國家同其他國家或非國家組織之間的均衡。首先，人工智能可能會在未來造成大量的失業，進而影響很多國家的內部力量均衡。而這種內部失衡可能會帶來全球民主國家數量的減少，并因此而對國際關系造成重大影響。在人工智能得到較大發展的時期，可能會有大量的失業人口，這些失業的人需要依賴政府提供的各種資源才能得以生存和發展，這將可能對國家內部力量均衡造成重大影響。當很多國家失去了作為社會穩定和民主中堅的、自食其力的中產階級，也就在很大程度上失去了利用納稅等手段制約政府專權的可能性，那么這些國家能否像以前那樣維持穩定的民主制度將成疑問。而一旦國際關系中民主國家數量減少，有可能會增加國際沖突發生的頻度和烈度。其次，人工智能的發展也會影響民族國家同其他國家或非國家組織之間的均衡。一方面是“進攻性自控制武器”開發帶來的軍備競賽的危險可能會打破民族國家之間的均衡；另一方面，非國家組織在將來會擁有對抗民族國家的更強大的武器。因為人工智能武器比核武器價格低得多，也不需要稀缺的原材料，更容易大批量生產，也更容易流入黑市和恐怖分子手中，最終可能成為被很多非國家行為體掌握的武器。

人工智能對國際關系研究認識論的影響

認識論（epistemology）也被稱為知識論（二者往往被作為同一概念等同使用），通常指的是對“知識的性質、知識的可靠性和知識的獲得方式”的看法。按照此定義，國際關系研究的認識論指的是國際關系研究者對國際關系學知識的性質、國際關系學知識的可靠性以及獲得國際關系學知識的方式的看法。在知識論方面，傳統的國際關系研究多強調對清晰的因果解釋的追求，認為獲得國際關系學知識的最佳途徑是明晰各種國際關系現象背后的因果關系和因果機制，然而這種看法在人工智能時代會不斷受到沖擊。

國際關系研究者在看待國際關系學知識的性質與獲取方式上很大程度會受到人工智能發展的影響。最近幾年人工智能的重要突破在認識論上源于“變思維規則問題為數據問題和策略問題”，這為今后的國際關系研究提供了很大的啟發，卻也對既有的國際關系研究思路提出了重大的挑戰。如果不考慮政策研究的話，在過去的國際關系純學術研究中，占主流的研究問題大部分都是研究“為什么（Why）”的問題，而在今后的國際關系研究中，可能研究“怎么做（How）”的問題的數量會不斷增長，隨著國際關系研究的大數據不斷積累，在使用“深度學習”的方法的情況下研究“怎么做（How）”的問題是合理的。之前很多學者認為國際關系純學術研究最重要的是弄清楚“為什么（Why）”的問題，認為只有弄清楚了相關的因果關系和因果機制（“Why”的問題）后，才能更好地弄清楚怎么做的問題（“How”的問題）。而通過大數據和深度學習的結合，今后可能會有越來越多的研究在一定程度上跳過“為什么”的階段，直接進入到“怎么做”的階段。現在不少研究國際沖突的文章利用機器學習的方法進行預測，在這個過程中，這些文章并不需要關心國際沖突背后的因果關系和因果機制。

國際關系學界之外的群體在看待如何獲取國際關系相關知識方面很大程度上也會受到人工智能發展的影響。這種影響可能會給傳統的國際問題政策咨詢方式帶來沖擊。機器學習方法其實早已使用在包括金融投資咨詢、醫療咨詢等很多行業中了。在金融投資領域，早在20世紀末，“道富環球投資管理公司已運用神經網絡和進化算法進行買賣決策，對3.7萬億美元成功進行管理投資”；在醫療行業，IBM發展出了專家系統電腦醫生“沃森”，它“容納了史上所有的醫學期刊。除了在大醫院部署‘沃森’外，IBM最近還與十幾家癌癥研究機構合作，訓練認知系統”。國際問題政策咨詢方面在未來也很有可能出現金融和醫療等行業類似的現象。未來國際關系領域也極有可能出現類似“沃森”這樣的專家系統，容納所有的國際關系研究期刊，對獲取的國際關系方面的數據進行比較，同時通過深度學習的方式不斷訓練其認知系統，最終在國際問題的咨詢方面，取得超過人類的效果。在今后的國際關系/外交事務中，政府可能會在某些時候越過國際問題專家，直接向擁有大數據和人工智能技術的公司咨詢。比如在尋找本·拉登的過程中，大數據公司Plantir發揮了關鍵作用。今后政府可能會在國際問題咨詢方面更多地尋求國際關系研究者以外群體/主體的幫助。

人工智能對國際關系研究方法的挑戰與機遇

人工智能的研究方法可以在很大程度上實現對既有的定性和定量方法的超越。目前國際關系研究方法主要有案例分析、計量、博弈論、實驗等，這些方法各有所長，但是也均存在各種缺陷，迄今為止還沒有哪種方法能贏得所有國際關系研究者的充分認同。而人工智能在過去幾年進展迅速的“深度學習”方法，在今后的研究中會成為對傳統的定性和定量方法的有力補充。

目前政治學和國際關系學界借助機器學習方法進行研究的趨向可以大體分為三類（三類趨向中，有些研究的主體是政治學和國際關系學學者，另一些研究則是其他學科的學者做出來的，但可以預見其他學科學者的這些研究會很快被政治學和國際關系學科的學者所借鑒）。

第一類是借助機器學習方法對既有的研究方法（比如傳統的計量方法）進行改進，或者是發展出新的更貼合政治學和國際關系研究的機器學習方法。人工智能方法可以改進國際關系研究中使用的計量分析方法。比如在匹配方法方面，機器學習方法被用來估計傾向分，而機器學習中發展出來的遺傳匹配技術也在一定程度上彌補了傳統匹配方法的一些不足。在工具變量方法方面，現在已經有學者利用正則化（regularization）和調參的方式，來減輕使用工具變量時因工具變量數目或維度過多所帶來的過擬合。在實驗方法方面，隨機試驗方法善于處理平均處理效應，但不太擅長處理異質處理效應，有學者將機器學習中的多種方法結合起來改進對異質處理效應的估計。

第二類趨向是將機器學習方法運用到政治學和國際關系研究中去，既包括使用某些其他學科學術研究中使用較多的方法，如神經網絡、支持向量機、隨機森林等，也包括對政治學和國際關系關系學學者自己改進和發展出來的方法的使用，比如在政治學和國際關系研究中對自動文本分析方法的發展與應用等。以自動文本分析方法為例，一些政治學者發展了一些新的主題模型，比如議程表達模型（Expressed Agenda Model）、動態多主題模型（Dynamic Multitopic Model）、結構主題模型（Structural Topic Model）等。自動文本分析在政治學和國際關系研究中的應用，目前主要集中在國際安全和政治態度方面。比如在國際安全研究中，有學者借助結構主題模型方法分析崛起國和衰落的霸權國之間互動模式的微觀行為基礎，有的學者則借助自動文本分析方法分析了1998—2008年間俄羅斯政治精英和軍事精英的8000份公開陳述，研究兩個群體在對外政策方面的差異。在應用到對政治態度的分析方面，一是對政客在意識形態光譜上的定位分析，比如利用給詞匯打分（wordscores）的文本分析方法來判斷政治家在意識形態光譜中的位置；二是對政治議程設置和議程表述、政治家注意力分配的分析，比如對歐洲議會的政治議程的分析，對1995—2004年間美國參議員的政治注意力分配進行的分析，以及使用議程表達模型分析美國參議院是如何與選民進行溝通，以解釋他們在華盛頓的工作的相關分析。

第三類趨向是將機器學習方法同其他研究方法進行總結、對比或綜合。這些研究或是將機器學習方法同實驗方法結合起來（如借此分析美國大眾在何種情形下會將重要暴力事件界定為恐怖主義行為），或是將結構主題模型方法和統計方法結合起來（如借此方法指出美國媒體在報道穆斯林女性相關新聞時所暗含的伊斯蘭恐懼癥偏見），或是比較神經網絡方法和邏輯回歸在分析國際沖突方面的優劣。

現在人工智能中的機器學習方法極大地擴展了國際關系研究可以利用的信息的深度和廣度。深度學習方法已經可以處理之前無法處理的Data，甚至將不是Data的東西變成了Data，比如說圖像和語言信息，這些信息在之前因為維度太高而難以使用傳統的計量方法進行處理，但是借助于機器學習方法就可以得到較好的處理。

人工智能對國際關系研究的挑戰給中國帶來的啟示

面對上述影響，我們應當如何應對？

首先，政府應優化產業支持和國家間產業競爭策略。一方面，國家間存在著激烈的產業競爭，政府不能要求所有被政府支持的產業都取得成功，只要政府總體上所支持的所有產業所帶來的收益超過了政府總的投入成本，就可以說產業政策是有效的。另一方面，政府在支持人工智能產業發展時，也應認真考慮如何避免過度刺激存在相關產業競爭的國家，進而防止該國對自己的產業施加過分的技術和貿易限制。

其次，進一步重視數據安全，防止數據向國外泄露或被少數大企業所壟斷。我們既要重視數據主權，加強對自身數據安全的保護，又要重視通過技術的提升來增強對數據的掌控和分析，防止單純限制數據跨境流動可能引發的國家間對抗的負面效果。與此同時，中國政府也應防止海量的數據被一些國內外大企業壟斷所帶來的不利影響，需要通過相應的法律法規對這種現象進行一定程度的規制。

再次，監控人工智能發展的風險，防止局面失控。出于國家間競爭的原因，人工智能的開發不可能因為存在風險就被放棄。但各國在研發人工智能的過程中，確實有必要通過合作共同管控人工智能開發的風險。也許將來要考慮像對待核武器的控制一樣，各人工智能研發大國之間需要在控制人工智能開發、防止人工智能對人類造成不可挽回的災難性影響等方面達成相關的開發控制協議。

最后，支持用機器學習的方式對國際關系展開研究，在國際關系本科和研究生教育中納入機器學習等課程。不斷吸取其他學科的養分是國際關系學科能夠持續取得進步的重要原因，而國際關系學科的不斷革新也要求國際關系學科人才培養方式不斷革新。在機器學習和人工智能不斷發展的今后，將基礎的編程和機器學習課程納入國際關系學人才培養的課程設計中，也許是一個必要的方案。