陈国青

不妨想一想，一天之中，你究竟要做出多少次决策？而当人工智能悄悄走进生活，它又能怎样帮你做出最优选择？

实际上，从个人买什么东西、选什么专业，到企业如何竞争、政府怎样定政策，本质上都是决策问题。在科学领域，决策问题可以简化为一个公式：在满足约束条件的前提下，选定变量值，让目标最优。变量就是影响目标的因素，约束则是资源、时间、资金这些天花板。

过去，决策靠的是既有理论、传统可测量的变量，以及有限的探索路径。但大数据和人工智能一来，整个逻辑被彻底碘伏了。

你有没有觉得，曾经模糊的世界一下子变得清晰了？因为数据的像素越来越高，以前看不见的细节都显露出来；同时算法也越来越聪明，能像照相一样给人或社区画精确的像。简单说，过去是“有什么料做什么菜”，现在则是“料基本齐了，比的是手艺”。前者涉及数据要素的扩充，后者关乎知识生成的智能。

如今，AI不仅在自然科学里大显身手，也开始渗透到社会科学中。那么，在数智化浪潮下，决策研究又出现了哪些新方向？

早在2015年，国家自然科学基金委员会就启动了一项重大研究计划——“大数据驱动的管理与决策研究”，历时近10年，跨学科团队提出了一个名为“全景式PAGE”的新型框架。这个框架把大数据决策的三个特征——粒度缩放、跨界关联、全局视图——映射到四个方向：理论范式、技术方法、资源治理和使能创新，并在商务、金融、公共管理、医疗健康等领域展开实践。比如，针对传统财务报表衡量现代企业的局限，他们突破了国际上沿用百年的“三表”体系，引入数据资产视域，构建了第四张报表。如今，这一框架正以大模型为内核，继续向决策科学纵深拓展。

那么，这个框架对决策者有什么实际启发？个人又需要哪些思维方式来应对挑战？这里不妨提炼三个“提示词”：
第一，跨界关联意识——借助大模型扩展知识边界，开拓视野和认知空间，延伸探索触角和创新路径；
第二，偏差问题意识——小心推荐算法带来的从众和茧房效应，这些偏差会随行为数据进入模型，形成循环放大，需要主动识别和纠偏；
第三，AI向善思维——重视伦理问题，避免算法偏见，防范“数据投毒”等恶意操纵。

说到底，决策与AI的相遇，绝不是给工具箱里添把新工具那么简单，而是一场从认知到方法的系统性变革。我们拥有更广阔的边界和更多的手段，但最终那把关键的尺子——判断、检验和价值选择——仍然握在人类自己手里，需要专业知识和审慎思考。

（作者为清华大学文科资深教授、经济管理学院教授）

《 人民日报 》( 2026年07月08日 11 版)