引言：經濟學的“人性轉向”

長久以來，凱恩斯革命被置于現(xiàn)代經濟學的“對立面”：一邊是市場自發(fā)秩序，一邊是政府干預主義。然而，若以“不確定性”為透鏡，我們會發(fā)現(xiàn)，從斯密的“看不見的手”到哈耶克的分散知識，從科斯的交易成本到西蒙的有限理性，再到行為經濟學對預期偏差的實證研究，諸多看似分立的思想傳統(tǒng)，其實共享一個根本前提——人類面對復雜世界的深刻無知。凱恩斯并非異類，而是這一思想譜系中不可或缺的一環(huán)。他的真正革命，不在于主張干預，而在于直面根本不確定性，并由此重構我們對貨幣、預期與制度的理解。

傳統(tǒng)新古典經濟學常被批評為“脫離現(xiàn)實的數(shù)學游戲”——其依賴完全理性、完全信息與市場即時出清等理想化假設和相應的一系列基本結論，在2008年金融危機等現(xiàn)實沖擊面前屢顯蒼白。過去一個世紀，經濟學最深刻的演進，正是逐步松動這些假設，轉而將“人類認知的局限性”置于理論的核心。

從凱恩斯對“根本不確定性”的洞察，到哈耶克對“分散知識”的強調，再到西蒙與行為經濟學對“有限理性”的探索，現(xiàn)代經濟學日益揭示：經濟系統(tǒng)的運行，并非源于全知全能的理性計算，而是人類在無知中摸索出的集體協(xié)調機制。

一、凱恩斯革命：不確定性作為經濟學的“元問題”

1936年《就業(yè)、利息和貨幣通論》出版，它不僅對古典經濟學的就業(yè)理論發(fā)起挑戰(zhàn)，更從根本上顛覆了經濟學的方法論基礎。凱恩斯革命極為關鍵的理論基石，在于認定經濟決策的本質并非在已知概率分布下進行最優(yōu)計算，而是面對根本不確定性（Fundamental Uncertainty）的判斷行為。這種不確定性無法借助統(tǒng)計學消除，它源自未來事件的不可重復性以及人類知識的不完備性，也就是在復雜多變的現(xiàn)實世界面前難以避免的無知。

此外，凱恩斯還著重指出，現(xiàn)實經濟系統(tǒng)中的人們清楚地知曉根本不確定性普遍存在，即對自身的無知有著十分清醒的認知，并在這一約束條件下開展各項決策。這種對自身無知的充分認識，能夠解釋為何人們會大量依賴直覺而非理性，或者以從眾、因循等看似非理性的方式進行決策和行動。例如，企業(yè)家投資決策所依賴的“動物精神”（Animal Spirits），本質上是對未來技術、需求與政策的直覺判斷，而非概率計算。

這一思想直接否定了新古典經濟學的“瓦爾拉斯一般均衡”框架。在該框架中，市場通過價格調整實現(xiàn)瞬時出清，而凱恩斯則強調：價格剛性、貨幣非中性、非自愿失業(yè)等現(xiàn)象，正是經濟主體在不確定性下尋求安全性的必然結果。例如，工資剛性體現(xiàn)了勞動者對“未來購買力不確定”的風險規(guī)避；貨幣作為“一般等價物”的流動性偏好，源于人們對“不確定性對沖工具”的需求。

凱恩斯的深刻見解為現(xiàn)代宏觀經濟學奠定了基調：經濟系統(tǒng)并非物理世界的機械模型，而是人類認知局限與集體行為相互作用的產物。然而，這一思想在 20 世紀中葉的“新古典綜合”中被部分削弱，直到 20 世紀 70 年代的“理性預期革命”，不確定性才以新的形式重新回到理論前沿。

二、理性預期與“知識悖論”：當模型遭遇現(xiàn)實

20世紀70年代，盧卡斯（Robert Lucas）提出的“理性預期假說”，嘗試將不確定性納入數(shù)理模型框架。該理論假定經濟主體能夠運用所有可獲取的信息，形成無偏預測，進而消除系統(tǒng)性政策誤差。然而，這一框架暗含了“知識完備性假設”，即決策者了解經濟系統(tǒng)的深層結構（如菲利普斯曲線參數(shù)），并且能夠通過貝葉斯學習不斷修正預期。

這一假設在實踐中面臨雙重困境。

首先，根本不確定性本身難以消除。經濟主體對于未來制度、技術和偏好的認知，本質上始終只能是局部的。在2008年金融危機中，金融機構堅信“房地產價格持續(xù)上漲”，正是因為忽視了“歷史經驗的局限性”。

其次，市場主體和經濟學家所構建的模型本身存在諸多不確定性。市場主體不僅不清楚參數(shù)，更不了解“正確模型”的形式。例如，消費者無法預先判斷央行是采用泰勒規(guī)則還是價格水平目標制，這種“模型不確定性”致使政策溝通無法發(fā)揮作用。

為化解這一悖論，現(xiàn)代宏觀經濟學發(fā)展出“穩(wěn)健控制理論”（Robust Control），允許決策者在“模型誤設風險”的情況下尋求保守策略。例如，央行在制定利率政策時，需要考慮“最壞情形下的經濟脆弱性”，而非單一模型的最優(yōu)路徑。這一轉變標志著經濟學從“追求精確預測”邁向“管理認知風險”的范式變革。

三、行為經濟學：有限理性與認知偏差的實證革命

倘若說凱恩斯揭示了不確定性所產生的宏觀影響，那么行為經濟學則借助心理學實驗，把“人類的無知”具體轉化為可驗證的認知偏差。例如，諾貝爾獎得主丹尼爾·卡尼曼（Daniel Kahneman）與阿莫斯·特沃斯基（Amos Tversky）提出的“前景理論”（Prospect Theory）顯示，人類行為反復呈現(xiàn)出兩個看似非理性的典型特征，即損失厭惡（Loss Aversion）和框架效應（Framing Effect）。其中，損失厭惡是指人們對損失的敏感程度遠遠高于對收益的敏感程度，這使得風險規(guī)避行為偏離了期望效用理論。而框架效應則是指，同一問題的不同表述方式（如“存活率90%”或者“死亡率10%”）會引發(fā)相互矛盾的決策。

這些發(fā)現(xiàn)對“理性人假設”的根基發(fā)起了挑戰(zhàn)，并引出了“有限理性”（Bounded Rationality）理論。赫伯特·西蒙（Herbert Simon）指出，人類決策依靠“啟發(fā)式”（Heuristics）而非全局優(yōu)化。比如可得性啟發(fā)（Availability Heuristic）和代表性啟發(fā)（Representativeness Heuristic）。可得性啟發(fā)是指投資者往往傾向于高估近期新聞事件（如股市崩盤）發(fā)生的概率，從而導致過度反應。代表性啟發(fā)則是指企業(yè)家會把短期的行業(yè)繁榮錯誤地判斷為長期趨勢，進而引發(fā)產能過剩。

行為經濟學的政策應用（如“助推理論”Nudge Theory）進一步證實：通過調整選擇架構（Choice Architecture），能夠引導個體在認知局限的情況下做出更優(yōu)的決策。一個經典的例子是，養(yǎng)老金自動加入機制（Opt - out）利用“默認選項效應”，將參保率從49%提高到了86%。

四、奧地利學派與制度經濟學：分散知識與市場過程

與凱恩斯關注宏觀不確定性不同，奧地利學派（以哈耶克為代表）著重強調知識的分散性（Dispersed Knowledge）對經濟系統(tǒng)的決定性作用。哈耶克在《知識在社會中的運用》中明確指出：社會經濟問題并非是如何分配“已知資源”，而是怎樣利用分散于無數(shù)個體頭腦中、無法整合為一幅完整圖景的局部知識或默會知識。

價格機制的核心功能，正是借助競爭性市場過程，將分散的、默會的（Tacit）知識（如地方性供需信息、技術細節(jié)）轉化為一般等價物信號。計劃經濟的失敗，本質上是由于中央計劃者無法獲取和處理這些“非編碼化知識”。

這一思想在現(xiàn)代制度經濟學中得到了進一步深化。諾斯（Douglass North）的“制度適應性效率”理論認為：正式規(guī)則（如法律）與非正式約束（如習俗）共同構成“知識整合系統(tǒng)”，從而降低交易中的不確定性。例如，商業(yè)信譽機制通過重復博弈，將“交易對手的可靠性知識”沉淀為社會資本，進而減少信息搜尋成本。

五、現(xiàn)代宏觀經濟政策：從“工程師思維”邁向“反脆弱設計”

對“人類無知”的認知，深刻地重塑了政策制定的邏輯。以下舉幾個例子加以說明：

第一，貨幣政策。通脹目標制（Inflation Targeting）借助透明化的政策規(guī)則，降低公眾對未來價格水平的不確定性；而“數(shù)據依賴”（Data - dependent）的決策模式，則承認了經濟模型在預測方面的局限性。

第二，宏觀審慎政策。針對金融體系的“尾部風險”（例如2008年的危機），監(jiān)管機構引入了壓力測試與逆周期資本緩沖，其本質是對“未知風險”進行預防性設計。

第三，財政政策。自動穩(wěn)定器（如累進稅制、失業(yè)保險）的強化，源自對“政策時滯”與“乘數(shù)不確定性”的認識——與其追求精準干預，不如構建內生穩(wěn)定機制。

塔勒布（Nassim Taleb）的“反脆弱”（Antifragility）概念進一步拓展了這一思路：經濟系統(tǒng)應設計成能夠從不確定性中獲益。例如，創(chuàng)業(yè)生態(tài)系統(tǒng)的“試錯 - 迭代”機制，通過分散的小額失?。ㄈ绯鮿?chuàng)企業(yè)破產）積累適應性知識，最終推動技術實現(xiàn)躍遷。

六、數(shù)字時代的挑戰(zhàn)：算法、大數(shù)據與新認知鴻溝

在數(shù)字經濟領域，“人類無知”呈現(xiàn)出全新的形態(tài)。例如，算法替代與知識黑箱現(xiàn)象，即機器學習模型借助海量數(shù)據挖掘出復雜的關聯(lián)，但它的決策邏輯卻難以闡釋（如信貸評分算法）。這就引發(fā)了“算法無知”（Algorithmic Ignorance）——人類一方面依賴算法，另一方面卻無法理解其推理過程。又如，大數(shù)據幻覺，即數(shù)據量的增長并未消除根本的不確定性。像谷歌流感趨勢（Google Flu Trends）因過度擬合歷史數(shù)據而失效，這揭示了“數(shù)據豐富并不等同于知識完備”的悖論。再如，平臺經濟的認知壟斷：大型平臺憑借用戶行為數(shù)據構建起“需求預測壁壘”，讓中小競爭者面臨更大的不確定性。

問題與解決辦法往往是同時產生的。面對新的現(xiàn)實狀況，經濟學也在探尋新的發(fā)展方向。例如因果推斷（Causal Inference）。近30年來，經濟學定量分析已系統(tǒng)地從相關性分析轉向因果識別，以應對“數(shù)據噪聲”環(huán)境下的決策風險，實驗室實驗、隨機實地實驗、多元回歸、雙重差分法、工具變量、斷點回歸等方法迅速得到廣泛應用。

聯(lián)邦學習（Federated Learning）：在保護數(shù)據隱私的前提下，實現(xiàn)分散知識的協(xié)同利用，這與哈耶克的價格機制思想相呼應。聯(lián)邦學習是一種“數(shù)據不出門，模型一起練”的技術：多個機構（如銀行或醫(yī)院）能夠在不交換原始數(shù)據的情況下，協(xié)作訓練一個共享的AI模型。對于經濟學家而言，它相當于在保護數(shù)據產權和隱私的基礎上，降低了合作的交易成本，使分散的數(shù)據要素能夠安全地產生協(xié)同價值——既避免了“數(shù)據孤島”現(xiàn)象，又守住了“數(shù)據主權”。對經濟學家來說，聯(lián)邦學習不僅是一種機器學習方法，更是一種新型的數(shù)據治理與協(xié)作制度安排，它重新界定了數(shù)據要素的產權邊界、交易成本與合作可能性邊界，為構建“可用不可見”的數(shù)據要素市場提供了技術支撐。

結語：擁抱無知，方能理解經濟復雜性

從凱恩斯到行為經濟學，從奧地利學派到數(shù)字經濟學，現(xiàn)代經濟學的演進歷程，本質上是一部“人類認知局限的探索史”。承認“無知”的存在，并非理論的缺陷，反而是經濟學走向成熟的標志。正如哈耶克所說：“真正的無知，是不知道自己無知?！?/p>

在日益復雜的世界中，經濟學的任務不再是提供“確定性答案”，而是構建一個能夠容納不確定性、激發(fā)分散知識、適應認知局限的制度框架。唯有如此，才能在“已知”與“未知”的永恒張力中，為人類福祉開辟新的可能。

[作者李輝文為上海對外經貿大學經濟學教授、區(qū)域與產業(yè)發(fā)展研究中心主任，上海交通大學中國發(fā)展研究院特聘研究員，研究興趣為城市化與經濟發(fā)展、制度經濟學、世界經濟和經濟思想史，出版有《現(xiàn)代比較優(yōu)勢理論研究》、《大國經濟學》（合著）等]