本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2024-03-12
摘要
DARPA Ground Truth 計畫試圖透過建構四個具有隱藏因果關係的不同模擬社會世界來評估社會科學，並釋放科學家團隊來收集數據、發現其因果結構、預測其未來並製定政策以創造期望的結果。這項大規模、長期的電腦社會科學實驗揭示了當代定量社會科學方法的局限性，模擬世界的基本事實是已知的，但我們卻不知道。首先，在沒有共享本體論的情況下解決問題（其中許多世界特徵仍然存在不確定性）即使科學家有共同的任務，也對定量分析造成了很大的限制，並表明如果沒有共同的任務，定量分析將如何變得難以克服。其次，數據標籤使我們的分析師做出的關聯和他們採用的假設產生偏差，通常遠離這些標籤所表示的模擬因果過程，這表明在一個領域中開發的分析概念可以移植到其他領域的程度受到限制。第三，目前計算社會科學出版物的標準是對新原因的論證，但這限制了模型解決問題的相關性，並提出了受益於與最重要原因或所有原因的組合相關的更簡單、更不令人驚訝的答案的政策。第四，大多數單一的定量方法本身並不能幫助解決大多數分析挑戰，我們探索了一系列已建立的和新興的方法，包括機率編程、深度神經網路、預測機率有限狀態機系統等，以實現合理的解決方案。然而，儘管目前計算社會科學實踐存在這些局限性，但我們發現積極的一面是，如果應用更多元化的方法，即使不完美的知識也足以識別穩健的預測。透過不同的子團隊（包括一度包括龐大的 TopCoder.com 全球問題解決者社群）應用相互競爭的方法，可以發現單一方法無法發現的相關結構底層世界的許多面向。總之，這些教訓表明，以政策為導向的計算社會科學與我們繼承的計算社會科學有多麼不同。為政策服務的計算社會科學需要承受更多的失敗，維持更多的多樣性，保持更多的不確定性，並允許比當前機構支持的更多的複雜性。