作者：祁琦（中国人民大学高瓴人工智能学院长聘副教授）

　　人工智能正在推动人类社会迈入数智时代。随着算法系统从辅助工具逐渐转变为经济活动、社会治理和公共决策的重要参与者，一个新的问题正在浮现：面对由人类、智能体和制度规则共同构成的复杂系统，我们不仅需要理解和预测世界，更需要设计能够促进效率、公平与可持续发展的运行规则。这一变化推动人工智能与经济学、优化理论、社会科学形成深层次交叉。机制设计等社会科学理论正在从解释人类行为的理论框架，转变为构建智能时代运行规则的重要思想基础。如何重新认识智能系统与社会之间的关系，形成面向复杂智能社会的新知识体系，已经成为当今跨学科研究必须回答的重大问题。

　　算法开始参与社会运行

　　当消费者打开购物平台，系统会决定哪些商品予以优先展示；当企业参与数字市场竞争，算法会影响其获得流量和资源的机会；当城市进行交通调度和公共服务配置，智能系统可能参与资源分配和决策优化。这些看似技术性问题的背后，隐藏着更加底层的问题：谁获得机会？资源如何分配？不同主体如何在共同规则下实现更好的结果？

　　过去，人们更多将人工智能理解为提升效率的工具。算法帮助人类预测需求、优化流程，使许多复杂任务能够更加快速完成。然而，社会互动主体正在发生扩展，随着大模型和自主智能体的发展，未来社会可能出现大量能够感知环境、制定策略并自主行动的人工智能主体。如今，人工智能越来越深入经济活动和社会治理过程，它面对的问题已经不只是“如何计算”，而是“如何选择”。一个推荐系统应该只追求点击率最大化，还是同时考虑用户体验和信息多样性？一个市场机制应该只关注交易效率，还是兼顾公平和长期稳定？一个智能治理系统应该如何协调不同群体之间的利益？这些问题无法仅依靠计算能力解决。

　　数智时代的新跨学科视角

　　面对未来由人类、人工智能、算法规则和制度环境共同组成的复杂生态，任何单一学科都无法解决前文所述的重大问题。关注如何提升计算能力和算法性能的计算机科学，研究如何描述复杂结构并寻找最优方案的数学与优化理论，研究个体行为和市场运行规律的经济学，以及更多关注制度、组织、社会关系的社会科学，都要成为面向复杂智能社会的新知识体系的思想来源。而这种新的知识体系将为推动人工智能从预测世界走向设计世界提供重要的理论支撑。

　　虽然人工智能的发展通常被认为主要依赖计算机科学和工程技术，但是在数智时代，社会科学同样正在成为人工智能系统设计的重要基础。因为，智能系统不仅需要解决“如何行动”的问题，也需要回答“为何行动”和“行动产生什么影响”的问题。算法可以快速计算，却无法天然判断什么目标更值得追求；模型可以预测行为，却无法自动决定什么规则更加合理；系统可以优化效率，却无法独立理解社会整体利益。这些问题正是社会科学长期以来研究的核心。以经济学为例，博弈论揭示了不同主体之间策略互动的规律，帮助我们理解个体行为如何受到环境和他人的影响；机制设计理论进一步研究如何设计规则，使追求自身利益的主体能够形成符合整体目标的结果。这些思想正在成为人工智能时代的重要理论基础。

　　未来的人工智能系统，不仅需要具备学习能力和计算能力，也需要理解复杂社会环境中的激励结构、行为逻辑和价值目标。换言之，人工智能需要的不只是更强的“计算智能”，也需要更深层次的“社会智能”。

　　机制设计连接技术与社会

　　在人工智能时代，机制设计提供了一条连接自然科学与社会科学的重要路径。优化理论关注如何在约束条件下寻找最佳方案，人工智能关注如何通过数据学习复杂规律，而机制设计关注如何设计规则，使不同主体的行为共同产生更好的社会结果。三者结合，为解决智能时代的复杂问题提供了新的理论框架。例如，在数字经济领域，广告竞价、推荐排序和资源分配背后都存在机制设计问题。平台采用什么样的规则，不仅影响算法效率，也影响市场竞争方式和参与者的发展机会。在公共治理领域，医疗资源配置、城市交通调度和公共服务供给同样需要兼顾效率、公平和可持续性的智能机制。因此，未来人工智能系统的核心能力，不仅体现为算法精度，也体现为规则设计能力。智能系统不应只是执行既定目标的工具，还应成为帮助人类构建更优社会运行方式的重要基础设施。

　　人工智能时代的跨学科研究，正在改变我们理解知识和解决问题的方式。人工智能拓展了人类处理复杂信息和决策问题的能力；数学与优化提供了描述和求解复杂系统的方法；社会科学则提供了理解行为逻辑、设计制度规则和衡量社会价值的理论基础。三者结合，使我们能够回答一个更加根本的问题：当智能技术越来越深入社会运行时，我们应该如何设计人与机器共同参与的未来？在推进数字中国建设、发展新质生产力和推进“人工智能+”行动的过程中，中国正面临如何让智能技术更好服务经济发展、公共治理和民生福祉的重要课题。未来的智能系统不仅需要追求技术性能的提升，更需要在效率、公平、安全与可持续发展之间实现平衡。这既需要自然科学和工程技术提供创新动力，也需要社会科学提供关于规则设计、制度安排和价值目标的深层思考。

　　未来的技术竞争，不只是计算能力的竞争，也是规则设计能力的竞争。真正先进的人工智能系统，不仅是能够完成任务的机器，更是能够理解复杂环境、协调多元主体、服务共同目标的智能系统。从预测世界到设计世界，人工智能时代的跨学科研究正在开启新的知识边界。