亚恩•科尔坦伦 / 花旗集团市场部总经理，多资产量化分析集团主席，Club Praxis智库主席 / 2018-03-05
理想社会中，公民应有权就所有与自己相关的议题表达立场。因此，为了弥补代议制民主的缺陷，公投兴起了。然而，即便只涉及一个议题，公投也远非理想的解决方案。肯尼斯·阿罗提出的根本问题是，我们是否能够发明一种民主形式来汇聚个人意见，同时通过推理演绎，在最低程度上考虑民主和理性条件。关于动物群体组织的研究有助于研究者解决这一谜题。它促进了新算法（特别是机器人学算法）的开发。即便探讨的政治经济议题错综复杂，这些创新之举也能推动问题的解决。
Read this article in English | Français
我们如何超越代议制民主与参与制民主的辩论？在寻求更好的民主形式，让公民参与政治并更好地关切他们的诉求的探索中，参与制民主似乎为我们提供了可行方案：自上世纪七十年代以来，欧洲的年公投数已经变为原来的三倍。
确实，在理想社会中，公民应有权就任何与他们相关的话题表明观点。为了更好地了解公投与代议制的区别，我们将借用拉塞尔的例子：假设我们将对三个社会议题投票表决，且每一议题上，投票者的立场都分为明确的两派（如，明确支持或明确反对建造新的高速公路）。同时，该投票在两个政党（我们将其称为R党和L党）之间进行，两党自然在每个议题上都有自己的立场。假设投票者立场如下：
| 人数占比 | 议题1 | 议题2 | 议题3 |
| 20% | L | L | R |
| 20% | L | R | L |
| 20% | R | L | L |
| 40% | R | R | R |
从表格中第一行可见，该组选民（占总人数20%）在议题1和议题2上支持L党的选择，在议题3上则支持R党的观点。
可以看到，每个议题中，支持L党的人数都是少数（在三个议题中，支持L党的人数都只占总人数的40%），所以L党应该会在三场公投中全部落败。但是，在代议制体系中，投票者的决定是在综合考量后做出的（在这个例子中，即综合考虑各议题的立场后做出最后的投票决定），因此，L党就会获得多数票，因为对于每一类选民来说，L党在2/3的议题上与他们立场一致！这就是奥斯特罗果尔斯基悖论（Ostrogorski paradox）。
为了避免选举出在各议题中均只获少数人支持的政党，我们似乎应该就单个议题进行全体公投。美国在地方层面（州、市）经常开展这样的公投。反之，代议制体系则呈现出某些弊端：在美国联邦层面，我们看到“一刀切”政策（即具体条例未获多数人支持的政策）数量不断增长。2017年法国总统大选也是一个奥斯特罗果尔斯基悖论的例子：根据第一轮投票的结果可知，最终获胜者其实在竞选的许多重要议题上都不占据明显的领先优势。
但是，即便就单个议题进行公投也远非理想。我们能否确保全民表决不会破坏长期以来法律标准的一致性？加利福尼亚州的公投结果可能会既许可新的支出，又同意降低税收。就政府管辖范围以外的议题进行公投，是否会导致政府行为受缚？麦凯尔维和温德尔（McKelvey and Wendel）告诉我们，至少在理论层面上，如果人们在一系列简单议题上多次采用少数服从多数的投票表决方法，长此以往，前后两次投票结果就可能会自相矛盾！这样的治理方式被称为“混乱的”民主。
我们面对的问题不仅仅是判断各种决策方式孰优孰劣。最根本的问题，应该是我们能否找到至少一种民主形式来汇聚个人意见，同时通过推理演绎，在最低程度上考虑民主和理性条件。这就是著名的阿罗不可能定理（Arrow impossibility）想要解决的问题。该定理有以下条件：
令人惊奇又失望的是，唯一符合以上三个条件的集体选择方式是“独裁”方式——单一独裁体将自己的选择强加于群体。
因此，集体中个人意见的加和是有根本漏洞的。阿罗提出的定理还包含另外的因素：它的跨时期性，以及它的强制力。有了强制力，决定才能实施，这也是西蒙·诺拉所说的“长期的牧师”。确实，一个时刻允许人们就政策开展辩论和投票的体系，效率能有多高？因此，必须控制辩论和投票的时间，各时期的政治议程也应该加以协调。但是，由谁负责呢？
我们不应就所有议题都征求公民意见，相反，真正应该关注的，难道不是不断充实政府人才知识储备，让其更好地为公众利益而非游说团体利益服务吗？我们当下沿用着过去建立的体系，在当时，中央集权体系下的政府只要招聘出色的高级官员来做决定就可以了。现在，公共数据开放和众包等现代科技让我们能够重构集体决策过程，让政府和公民共同制定公共政策。换句话说，政治决策过程也吸收了民众的智慧。
但是，这样的系统难道不会挑战到现代民主的基石之一——所有个体选择权重相等（即“一人一票”）吗？如果我们希望通过吸收集体智慧来提高政策制定质量，我们似乎就必须批判地审视所有的意见，或是高深的专业意见，或是简单的个人看法，我们必须对这些观点进行筛选，赋予不同的权重，特别地，我们要排除那些可能与事实、基本逻辑相悖的观点。
这个问题只是一个长期现象的放大：服从多数的投票表决与政府行政管理的对立。本质上来说，后者选择（至多也是综合考虑）民众的意见，但不会考虑所有选民的观点。
如果这样的治理方式未免有些独断，我们就得回到开明专制。为了根除人类的专断，依赖机器似乎是个不错的选择。然而，人工智能的发展未必能提高决策透明度。极端情况下，用“机器学习”的过程取代政府决策者也许会得出最好的决策结果，却无法将公民阐明理由。但是，公民的认可和忠诚却是至关重要的。
如果根据选民的经济实力对其投票分配权重，也就是说采用19世纪很长一段时间内人们采用的排名赋权选举方式（依据选民在普查中的某项排名赋予其投票一定的权重），那么社会很可能会分崩离析。穆罗和刘（Muro and Liu）在布鲁金斯学会发表的一篇文章显示，如果在美国大选中根据选民的GDP排名分配投票权重，那么希拉里将以64%的比重获胜（2000年大选中，阿尔·戈尔将以54%的比重胜出）。但如果那样的话，人们某些隐隐的不满情绪（也正是这种情绪让特朗普最终能入主白宫）肯定会在常规民主框架之外显现，比如在街头。
我们可以想象这样一个新型社会契约：在优化公共意见的过程中吸取公民看法，而且与传统的多数决定制度不同，个人可做的选择有限，各人意见的重要性也并不相同。
如何实施这样的方案？一个行之有效又常被误解的政治原则就是辅助性原则，即政治决策权应尽可能下放至受该议题影响最深的群体。这样一来，我们似乎应该关注一下简单快捷、非正式的地方决策体系。在这个层面，与其他层面一样，多领域的融合将格外有益：关于动物群体组织的研究可以促进新算法的开发，特别是机器人学算法开发。即便探讨的政治或经济议题错综复杂，这些创新之举也能推动问题的解决。
我们可以说，人类社会是由一系列高度去中心化且利益各异的单元构成的。在这样的社会中，横向或纵向的政治合作往往耗时且不稳定。反之，动物群体（如一群鸟）中的合作是由群体中少数个体引领的。他们并没有特殊权力，但能促使群体最终达成共识，比如迁徙方向。
动物的此类行为让纳格普（Nagpal）等哈佛大学研究者开发出一种名为“隐性领导力”的算法，该算法允许体系中更了解情况的个体推动并促成共识，该过程只着眼局部互动，不考虑全局优化。该模型中，“提供信息者”的意见甚至可以彼此相左，这也更符合实际的政治情况。研究者认为，这是一种行之有效的去中心化决策方法，它有着信息不对称的特点，没有明显“领导者”的牵头，也没有费时费力的沟通：每一个体都根据身边个体的表现调整自己的行为或立场。
这样的体系能否代替公民票选代表或者公投的做法？我们认为，至少在现在的科学发展状况下，政治治理、经济治理的模型并没有集中倾向于动物行为准则或是机器算法。我们只是认为，本着跨领域的理念，前方还有许多疆域等待开拓。
（文中图片来自网络，版权归原作者所有。）
京公网安备 11010502032941号