Frivolity: Start and Bikes on Campus

开始与校园自行车

这是第一篇周五碎笔。我模仿了Hilary Mason的个人网站 (https://hilarymason.com)，自信的认为自己也有至少是‘不少’的idea并能够不断涌现idea，于是先暂且在GithubPage上开始我这个栏目。限于时间和精力，我想之后远不会像这篇这么长，大概是很短的一点浅浅的狂想（值得探究的可能会被留用发展；我同样可以自信的说绝大多数都是不值一提的糟粕），但第一篇我似乎有不少想法要说。

我愿意模仿一位Data领域的大牛这样做，可能也证明了兴趣或许就在很多社会数据的探索上，也确实观察并提出过一些（虽然很荒谬）。但可能数据科学家会习惯于挖掘数据的模式，更加经验主义一些；我所欣赏的社会科学本质倒先是理论的分析架构，‘数据告诉我什么’不如‘我应怎么用数据实践’。

就举一个简单的例子作为本篇的主题吧，不过它并不是这周提出的，而且被我宣判夭折了（尽管绝大多数都要失败）。我们校园有很多自行车，私人的或共享的。我买了哈啰的卡，却经常在关键赶课时间扫不到车——很明显它们已经被骑到教学楼旁边了——晚上自然是相反的光景。那么哈啰车的流动可以是一个很好的研究对象；更切身一点的问题是我在早八食堂出门究竟多大概率能扫到车？不妨把各地的自行车写成一个向量（自行车主要的停放地点无非几个教学楼和寝室），那么早八、早十、午饭等等都可以写成一个马尔可夫矩阵（暂且不考虑骑到校外的）。是不是可以采用诸如隐马尔可夫链的模型？有待进一步细化。（但更好的办法应该是在哈啰公司那里的数据吧！）

英语课刚好读到The Numerati，社会科学一个激动人心的方向便是里面所说的decode behavior。这只是社会研究的一部分（我想经济学所谓的positive research就可以近似概括为decoding），但这无疑是最吸引人也吸引我的部分。预测、控制几乎可以说是人类数学和科学几百年来追求的目标，理性带来对自然的去魅和客体化，从解密再到预报，无论是自然界的还是现在已经扩展到的人类社会。不过困扰我的是，社会的复杂性和人的思维的复杂性有目共睹，我们究竟可以实现到什么程度？ChatGPT问世的当下人类不禁展望AI未来的预测能力，但我认为以地球的资源支撑的算力恐怕都不足以算尽人类社会——这完全不代表AI没有这方面的效用——统计意义上（这是两个统计的维度，微观的行为个体长时间的序列与宏观的群体截面）一定存在一些可以刻画的规律。有很多很多的方面，理论可大可小。

我仔细回顾了一下，失落的发现我的栏目很可能即将永远囿于这些内容：捡拾一些社会生活中的现象，由数据或模型出发，提出一些构想和指望。仅此而已。不过我想这还是很丰富的，已经达到了上一段所述的意义。那便如此吧！