来源：斯坦福社会创新评论  原创 SSIR

本文首发于SSIR英文网站

议题编辑：林夕、姚森

学术顾问：段伟文

作者：安德鲁·佐利

翻译：徐子萌

校对：齐菁博、林夕、姚森

停下脚步，让我们考虑一下当今人类面临的一些最有害的挑战：自然灾害的日益频发、 对全世界海洋的系统性过度捕捞、对原始森林的砍伐、可怕的持续贫困，以及全球气候变化的加速效应。

上述每一项都以其自身可怕的方式让世界遭受着苦难。但是就整体而言，它们也具有一些共性。每个问题都很混乱，有很多变动的因素存在。每个问题又都是不透明的，即使是专家也只能了解部分动态。因此，看似合理且善意的干预措施往往会让情况变得更糟。

但是，这些挑战总体上仍然是全球系统的外部性。它们仍面临着影响力测量欠缺、持续性的投资匮乏、问责不力等问题，直到它们造成了灾难性的后果，让人们付出了巨大的代价，才被人们所知。

为了实现真正的进步，我们需要在测量、报告和金融工具方面进行一场革命——即一个把全球问题与解决这些问题所需的资源联系起来的机制。

这样一场革命正在展开。它始于三个关键技术领域的重要新技术的发展：遥感与大数据、人工智能和云计算。

遥感和大数据使我们能够收集数量空前的地球相关以及我们对地球的影响的观测数据流，而人工智能的巨大进步使我们能够提取出这些巨大数据流中包含的更深层的含义和模式。云技术的兴起使拥有互联网连接的任何人都只需要支付和过去相比非常低廉的成本，就能拥有获取这些洞见，并与其进行交互的能力。

在未来的几年中，这些技术将把当前针对大数据的大部分讨论转移到针对“大指标”的讨论。

“大指标”是指跟踪地球上最重要系统健康状况变化的、高度详细的、连续产生的即时全球指标。大指标将形成指导人类行动的重要机制，使我们能够用前所未有的方式追踪人类的集体行动和干预措施所产生的影响，让我们能做出更好、更及时的决策，转变数据汇报的形式，并产生新的政策和融资手段。

简而言之，它们将重塑许多我们解决全球性问题的方法。每个人（尤其是非营利组织，非政府组织以及社会和环境部门的参与者）都将在塑造和使用它们上发挥作用。

▲图片来源于Pixabay

四个I

这是一个名为“四个I”的简单心智模型，说明了各个部分是如何组合在一起的。

该模型的核心和基础是信息层。这是许多当前技术趋势的交汇点：大数据革命，开放数据行动，移动和社交媒体的兴起以及随身的、环境中、海洋中、天空中和太空中等各类传感器的增加。这些趋势一起极大地扩充了我们所生活的世界中，可及的实时信息量。据估计，人类现在每天所产生的数据约为200万兆字节。数据量增长如此之快，以至于有90％的地球上的可及数据是在近两年内产生的。有观点认为，这个数字还会变化。

通过发掘那些以前处于黑暗中的不为人知的信息，这些传感技术正在彻底改变我们对全球系统的认知，并使我们能够以更有针对性和更有效的方式进行干预。

没有什么比保护脆弱森林这一案例能够更好的说明我们当前所拥有的机遇了。

▲图片来源于Pixabay

这些森林很多位于财力和人力资源有限的中低收入国家的广袤偏远地区。例如，亚马逊热带雨林，其面积太大，约为德克萨斯州的九倍，人们从地面，甚至即便是从空中定期巡逻时，也只能覆盖到整个雨林的一部分。同时，人们的经济压力仍然很大，这促使他们开发采伐森林或将土地用于农业、采矿或其他目的。

由于开采森林的动机非常强烈，且监测能力有限，木材砍伐一直难以停止，而且直到很久之后才被发现。例如在巴西，政府估计在2016年8月至2017年8月之间有超过6.6万平方公里的亚马逊雨林被非法砍伐了——面积相当于112个曼哈顿或是美国马里兰州的一半，那甚至还是情况相对“好”的一年。

幸运的是，这一情况正在得到改善。在现有条件下，由卫星、无人驾驶飞机和其他传感器提供的更好、更实时的信息可以持续监视森林状况，并实现更快速响应和更具有前瞻性的管理。

笔者自己的组织星球（Planet），已经部署了世界上最大的对地观测卫星群，能够对地球上任何地方的每片森林，每棵树木和每个城市街区进行实时监测。举例来说，这种持久的实时系统使森林管理者不仅可以看到森林正在被砍伐的迹象（而不是很长时间之后才看到），而且还可以检测到砍伐森林的前兆——诸如开辟非法道路的迹象，这通常会在树木被非法采伐之前出现。星球只是众多革新遥感的组织之一。

另一个组织航海无人机（SailDrone）正在部署庞大的自主航行器队伍以及无数的其他无人机和嵌入式传感器以监测海洋。除此之外，更不用说我们数十亿人每天创建的社交和移动数据宝库了。比如，脸书（Facebook）最近展示了其平台识别受重大自然灾害影响的人的位置和活动的方式，从而帮助非政府组织将援助导向最需要的地方。这些示例只是新兴的全球传感系统网络的一部分，该网络有可能让地球上的每日变化对所有人都可见、可及且可操作。

但是，尽管这样的数据集具有巨大的价值，但隐藏在其中的最重要的信号通常是微妙的，如果不进行大量额外的分析，可能很难发现。大量的可用信息可能使大数据在使用上面临挑战，许多利益相关者（无论是公司，社区成员，非政府组织还是政府）都缺乏充分利用这些数据信息的技术能力和资源。

幸运的是，一场认知革命正在进行，这构成了我们模型的第二层。在这里，人工智能、计算机视觉、众包和相关分析方法正在汇聚在一起，利用的方式可以使我们监测那些哪怕最复杂的人类分析都无法发现的数据模式。

通常，这些方法采用多个数据集和一些专家评估来“训练”算法以进行高级模式识别。比如说，假设我们要自动对卫星图像中的要素进行分类，如新道路的外观、新建筑或自然灾害的影响。为此，我们可能会使用来自多个信息源的样本数据，例如通过移动设备收集的、经过仔细标记的地面观测资料，在线志愿者对图像进行的众包分析，以及现有基础设施的开发的政府地图。

机器学习算法（一种基于大脑工作方式的专门计算模型）通常会基于不同的数据集（训练集），通过适当的“训练”以找到各种数据集之间的分类相关性，该算法便可以很准确地在新的、从未见过的图像中发现特征并对其分类。

这种技术的变化已经显示出在分类地震破坏、预测小农农业产量、确定洪灾风险、估算贫困指数甚至寻找战争罪证据方面的早期前景。重要的是，这些分析方法可通过识别和分离最重要的内容来减少我们必须面对的海量数据，同时挖掘其价值。

信息和洞察这两个革命是当今大多数技术创新的发源地。但是在接下来的几年中，我们将看到在这些革命的基础上建立起新的价值，这些价值将改变我们应对大规模的重要社会和生态挑战的方式。

从大数据到大指标

▲图片来源于Pixabay

正如上文所说，气候变化等全球挑战仍然难以解决的原因之一是因为它们不透明。它们缺乏可靠的实时指标，所以无法引导近期和长期的决策，无法指导集体行动，无法告诉我们是否以及如何取得进展。

但是，随着实时信息流的日益强大和越来越复杂的认知，这种情况必将发生变化。我们将开启一个大指标时代，告诉我们许多世界上最不为人所知、最难以监控的系统的运行状况。

想象一下，如果能每天准确且不断更新森林砍伐造成的碳损失量，或是精确衡量生物多样性遭受的净损失，又或是在空间上实时地评估进入（或摆脱）贫困的人数，再或是估算可能遭受极端天气事件威胁的沿海基础设施的总价值，这些都在大指标的行列。

就像数据和大数据之间的差异一样，指标和大指标之间的差异在一定程度上是主观的，但以下是大指标与其更传统的“表亲”的几种不同：

- 精度和分辨度：因为大指标基于比特定指标更多的实时信息，所以大指标将用一种更精确和更敏锐的方式告诉我们系统在不同空间和时间中发生的情况。它可能会在相同精度下告诉我们有关城市，特定社区以及特定街区的发展状况。
- 频率：由于被不断重新计算，大指标将告诉我们系统每日的运转状况，而不仅仅是以年为单位来报告。因此，它们可以帮助我们回答以下问题：特定干预是否有效？情况变得更好或更糟？是否出现意料之外的后果？
- 可覆盖规模：由于大指标可以利用新传感器和数据集的全球覆盖范围，因此它们可以捕获以前被认为过大、过远或太昂贵而无法有效监控的系统状态。
- 预测能力：随着我们收集越来越多的有关世界的数据，在许多地区，我们不仅开始发现过去变化的标志，而且还发现即将发生变化的预警信号。大指标不仅会告诉我们系统在给定时刻处于什么阶段，而且还会告诉我们将来可能会出现的阶段。
- 复杂性：如上所述，世界上许多关键系统都以复杂且反常规的方式行动，还以微妙和不明显的方式相互影响。大指标将开始阐明这些行为和联系，以便我们创建更有效、更全面和更持久的干预措施。
- 互操作性：大指标将使我们能够比较不同辖区的运转模式和流程。实际上，它们将成为新的测量和报告的标准。

无论是在技术上还是在组织上，发展大指标都是一项复杂的工作。首先，支撑它们的基础数据和洞察必须是准确、透明、可靠且广泛可及的，并且必须是独立、可审核和可验证的。简而言之，数据要开放，因为信任是必不可少的，没有信任，大指标被采纳的希望就很小。

设计此类指标将需要数据提供者、相关专家、计算机科学家、联合国等国际机构、地方政府、民间社会行动者、独立科学机构和倡导组织之间进行大量合作，而其中许多合作才刚刚开始。还有大量数据、容量和治理缺口需要弥补。世界上许多我们最需要大指标的地方，也是最没做好准备以生成大指标并依此采取行动的地方。

但是，随着我们的合作来填补这些空白，世界体系的动态将变得更加透明，透明就会产生责任感和行动。

这种问责和行动的机制将是一类全新的类似于市场的“大工具”，即可以调整资源和激励机制，并鼓励大规模有效行动的新技术、新治理和（尤其重要的）新金融工具。这是模型的第四层，也是最后一层。

我们当然有足够的可用资本。如今，长期资产持有人（如养老基金，主权财富基金，大学和慈善基金会以及家族企业等实体）控制着超过25万亿美元的资本。这些实体规模庞大，且持久存在，因此，他们长期承受着大指标可以帮助测量的各种波动，而且它们的使命感很强，因而有足够动力去减少其波动性和破坏力。

不幸的是，目前没有足够的资金投入到减少气候变化的影响、促进我们的生态系统的健康或确保社会稳定和福祉中来，这在很大程度上是因为缺少有力的、以市场为导向的途径来解决这些问题。大指标可以补上这重要却缺失的一块拼图，其措施包括：从数据和报告的角度启用下一代绿色和蓝色债券，利用按绩效付费的模型（如REDD+，用来减少发展中国家砍伐森林造成的排放），社会影响力投资，灾害风险债券和其他金融工具，以及相关的类似市场的计划。

一个早期的例子来自于旧金山森林湾区公司蓝色森林保护（Blue Forest Conservation）的新兴工作。该公司是森林抗灾债券（一种专门的金融工具，允许私人投资者为美国西部的森林恢复提供资金）的开创者。加利福尼亚州的森林已经变得非常茂密，且由于气候变化，它们变得越来越干燥。这会引发灾难性火灾，造成严重的生命和财产损失，还会导致美国森林服务局一半以上年度预算的消耗。这些债券使私人投资者能够为森林疏伐提供资金，这一过程可以减少火种的出现，从而降低火灾的风险和严重程度，并逐步分享由此产生的联邦储蓄盈余。

诸如此类的金融工具是我们将资本市场的大量资源与现实世界中的问题（例如遭受气候压力的生态系统）联系起来的工具。大指标将为其提供动力。反过来，这将使我们能够将以前一直存在的“外部性”（无价的人类文明和无法量化的生态和社会成本）重新整合到我们的全球经济中，并帮助我们让人类和人类生存的星球都更加安全。

议题编辑：

林夕，关注社会创新和教育，MPA主修影响力投资，本职工作为美国教育科技公司MobLab国际市场负责人，曾任AI早期基金投资总监，数据教育公司联合创始人，Alchemist 斯坦福孵化器兼职小顾问。中美倒班无时差，爱好徒步露营、攀岩、网球、瑜伽，希望保持一颗初心，做现实的理想主义好青年；

姚森，《斯坦福社会创新评论》中文版编辑；

学术顾问：

段伟文，中国社科院哲学所科技哲学研究室主任、研究员，中国社科院科学技术和社会研究中心主任；主要研究方向为科技哲学、科技伦理、信息与智能的哲学、伦理与社会研究等。现任中国大数据专家委员会副主任委员，中国发展战略研究会常务理事，国家社科基金重大项目“智能革命与人类深度科技化前景的哲学研究”首席专家等。著有《可接受的科学：当代科学基础的反思》、《网络空间的伦理反思》等；

作者：

安德鲁·佐利（Andrew Zolli），负责监督Planet上的全球影响计划，著作：《弹性：事物为何反弹》。