王国成

从20世纪七八十年代的系统科学新三论、交叉和边缘学科的一波学术思潮，到逐步形成的复杂性科学、非线性科学和介科学等前沿交叉学科[1-2]，和当今的大数据（数字化）、AI、机器学习、云计算、区块链和万物智联等新一轮科技革命前沿技术的汹涌来袭，都强烈地冲击、改变和挑战着社会生产生活方式和人类的知识体系，不断激发人类智慧和创造性。虽然为了知识生产的效率、积淀和教育传授，各学科门类和知识体系的分工侧重不同，但由客观世界的存在和人类的认知方式所决定，必然是要整体关联、综合分析地感受和看待客观世界与人类社会，也必然要多学科交叉融合。可跨学科交叉的核心问题是什么，如何真正地跨越不同学科间的壁垒和门槛，跨越以后究竟会发生什么变化和起什么作用，当前存在哪些问题和主要障碍，未来发展前景如何……[3-5]这一系列问题需要从跨学科视角深入地思考和探讨。当今世界多元化与全球化、微观个体异变与社会圈层内的趋同互渗并存，认知和学科的发展分门别类精细深入、多元多科广泛包容；人类与自然的交互、人的感知都是多视角和多方式，综合形成判断和理论知识[6]，更有利于理解和推进科学交叉研究和科技与人文的融合创新。本文首先分析论述新的科技革命和数字文明时代对理论和认知提出了更高的需求，然后以计算社会科学（CSS：Computational Social Science）为例，类比指出科学与人文大跨度、大纵深的多学科交叉的必然性和可行性；接下来着重探讨揭示逻辑转换规则，最后展望科技与人文融合创新的发展方向、路径和前景。

一、现实需求与理论困惑

科学技术的发展与人的欲望、社会结构形态的演变和人类文明的进步密切相关、交互推进，科技进步一方面源于和服务于人及社会的全面发展，另一方面人类能力的增强永远赶不上欲望攀高的速度，科技发展和社会进步也要受到相互制约和局限，与一定的历史发展阶段有内在的适应性。在大科学、人工智能和人机协同等迅猛发展的时代，这类特点更为明显、其构成和影响因素更复杂，对理论跨越创新的需求也更为迫切。

（一）大科学时代

科学经过20世纪初的革命岁月之后，结构复杂加剧，发展速度日益加快，规模加速扩展，对社会的影响更加明显。特别是第二次世界大战后战争中所应用的各项新兴方法和技术及对科技发展的推动的总结和发展，以20世纪40年代的“曼哈顿计划”为标志，现代科学已进入了“大科学”时代这一全新阶段。大科学（Megascience/Big Science/Large Science）是国际科技界近年来提出的新概念，其研究特点主要表现为：多学科交叉、投资强度大、需要昂贵且复杂的实验设备、研究目标宏大等。从国际合作研究运行模式来看，大科学主要分为三个层次：科学家个人之间的合作、科研机构或大学之间的对等合作和政府间的合作等，如国际热核聚变实验研究ITER、欧洲核子研究中心的强子对撞机LHC、“世界巨眼”平方千米阵列射电望远镜和人类基因组计划探寻生命奥秘等。大科学发射出强烈的信号：跨学科思维、多元方法应用和多领域联合，这不仅对自然科学和工程技术领域的发展有战略指导意义，对人文社（会）科（学）研究也有重要的示范和引领价值。

（二）AI与人机协同

人机协同，作为大幅提升人与自然交互能力及生产生活品质、丰富人类智慧和创造力的AI核心技术，是促进全社会的产业生态创新和提升国家综合竞争力的关键因素，受到了前所未有的高度重视。人机关系发展到人机协同大致经历了四个阶段：

首先是工具替代阶段。技术的领先和驱动，延伸提高了人的器官、体能提升了劳动生产率，在产业上的辅助替代产生了显著效应。

第二是人机交互的搭档同伴阶段。通过视觉、听觉、文字感知等机器感知技术，以及认知、决策技术实现人与AI之间初期的基本交互。

第三是人机融合的合伙阶段。智能技术帮助行业专家总结提升知识，专家为AI赋予知识和经验，努力为社会提供超越人、机单独工作收效更全面、稳定、优质的智能服务。

第四是人机“合体”的共创阶段，期望AI与行业专家共同探索、相互激发，提升机器的“创新适应”功能和人类的智慧与主动性，创造出新的产品、场景与服务，与全球化和个性化并进的社会发展趋势相适应，更好地服务于人及社会的全面发展。

细数新一轮科技革命的前沿技术及应用，如AI、机器（深度）学习、虚拟现实（VR+）①用VR+表示VR（虚拟现实）、AR（增强现实）、MR（混合现实）及SR（超现实）等现实与虚拟情景交互融合的XR一类技术。等，几乎都是交叉学科、跨界跨域协作的产物，它们同时也在促进和引领着交叉学科的发展。人机协同决策的理论基础就是自然科学、数据科学和计算技术与人文社科的紧密结合，大跨度、大纵深的交叉融合，深入精细、穿梭跨越地探索认知自然界。人类与自然的交互越来越频繁深入，必然涉及多学科交叉，最终进入大科学时代。从上述发展脉络和阶段可看出，AI、人机协同及大科学迅猛发展的显著特点是：应用需求导向，自然科学、工程技术、人文社科、思维科学等跨大门类、大纵深交叉，“干中学”的实践学习模式，催生出新的范式、学科和发展方向，形成良好的学术创新生态。谁都想不到AI究竟会给人类带来什么，以及人类有了AI将会成为什么，生活生产方式在改变、人际交往在改变、思维精神在改变、价值观和伦理也在改变，凸显人的主体中心地位，依赖于内生的主动性和创造性及人类与科技进步的相互支撑激发；人—机共生互进、理解信任、密切协作，预示着未来科技与社会的必然趋势和发展方向。再者，由于人际（社交）网、互联网、物联网、通信网、区块链等多网效应叠加，人机协同（交叉融合）比交叉学科在应用实践上更进了一步，不仅是学科知识的交叉，还促使人类智慧激增。从科技发展和文明进步的历程来看，从来都没有严格的学科划分，传统的学科边界划分在强化与淡化之间徘徊，新的边界的含义将不是按学科知识体系划分，而是按人与机的分工协作、人文与自然的交融来划分：哪些事、什么时候需要人（/机）以什么方式来做，而什么时候又必须人机混合来做，现实社会与理论空间零距离对接转化（见图1），这也为学科交叉研究给予了定向启示[6]。

图1 规则转换方法创新的特色和作用示意图

（三）思维羁绊与理论困惑

从思维和方法论层面看，深入研究复杂社会现实，既不单一地因循物本或人本，也不纯粹地形而上，而是需要回归本原/源思维：事实和对象是什么样，就以事物和问题的本原为逻辑起点，虽然需要但不必只有分门归类后才予以分析；从知识的继承传授角度看，分科、偏科的教育体系和模式及思维定式与习惯，缺乏关联协同的观念意识，哲学（方法论）、数学、计算等通识的思维和技能方面的培养训练薄弱，使受教育者的素养与思辨研究解决问题的能力需求不匹配。理论常常困惑于：为什么会滞后于实践探索和社会发展现实，而且差距越拉越大，这就是单向单一（分类）学科思维所致[7]。任何事物的存在和演变，人与自然的交互，各类问题的发生，都需要多视角（维度）观察认知、形而上与形而下结合、多学科知识多元方法分析解决，传统的观念、框架、方式缺乏与现实对接的桥梁和过渡带，原有学科框架内的思维定式和习惯，既是一种保护，也是一种羁绊；拥有多种思维方式的人更有创新力和灵活性，能在关键问题上构建不同的模型去思考问题，就容易获得更大的认知和能力优势。知识的效果不止取决于数量类别，还取决于结构互联，客观世界的存在演变和社会的运行，不是按分门别类的学科规律构成的，人们的思维认知常常也是多视角多态势综合的。实质性的突破创新常发生于多学科交叉、跨界跨域的过渡地带，冲破羁绊、破除困惑，探索学科协作和人机共生互依、博弈互进、理解信任和对环境条件变化的应变适定等，大科学、跨学科交叉和人机协同等，或许是一个很好的切入点[6-7]。

二、计算社会科学兴起的启示

按通常的理解，CSS是计算科学及相关技术与社会科学结合的交叉学科，其实是多学科交叉融合、科学与人文相互渗透和相互促进产生的新学科，也为跨学科交叉、新文科建设等探索路径，树立典范，促使认知和研究等方法论上的变革与提升。而从CSS的兴起和发展中我们究竟能获得哪些启示呢？

（一）为什么要学科交叉

交叉学科的不断发展出新大大地推动了科技的进步，其产生的深刻影响和广泛的渗透覆盖体现了向综合性发展的大趋势。新思维、新理论、新技术、新发明的产生，经常是在学科的交叉碰撞点上，重视交叉学科将使科学本身的进步向着更深层次和更高水平发展，这是客观规律使然。自然界及各种现象之间本来就是一个客观存在的、相互联系的有机整体，人类社会也是客观世界的一部分，因而人类对于自然界的认识所形成的科学知识体系也必然具有整体化的特征。各学科的边界和壁垒，来自组织制度方面的结构障碍，知识专门化的隔阂和门槛，专业研究者的身份认同和学科文化差异与心理因素，以及资源所限和评估导向产生的压力等[5]，无疑会影响交叉研究的纵深进展，同时这也从另一方面表明跨学科交叉、开辟知识探索新途径的重要性、迫切性和全面性。

为什么跨学科交叉研究会受到前所未有的重视和蓬勃发展？其主要缘由不外乎是：1）人类的科学知识体系和文明生态是有机联系的整体，“合久必分，分久必合”，学科的划分和稳定是相对的，而联系和变化是绝对的；2）现实复杂问题是由多因素的影响效应交织叠加而成，单个学科的发展遭遇边际效应，面对综合复杂难题时无法达到预期的学科目标，而多学科交叉更能顺应事物的发生，以求自然吻合，有利于综合利用跨学科知识解决人类面临的重大问题；3）学科交叉催生、构成众多交叉科学的边缘和前沿，内赋动能、创造机会，有利于新学科、新知识的萌发生长；4）改善提升认知方式和科学研究方法论，从多维视角和以多元方法，在精深层面上善于和勇于用思辨质疑的科学精神去审视剖析传统理论方法和问题，充分发挥创新想象力去提出新的科学问题，尤其是有助于提出大跨度、综合而复杂的重大交叉科学难题，并积极主动地思考探索解决的方式、方向和途径[7-8]。

（二）计算的实质及其广泛应用于其他学科的可行性

近年来，CSS的兴起动因和发展历程清晰表明，无论是其推进速度、渗透规模还是影响力，都远超常规的预期。其中的核心动力是广泛存在的可计算性。计算的实质就是有特定目的、按既定规则的转换，能很好地解释和沟通数值64与数字64两种本质不同的表达方式，前者是客观量度的数量符号，多用于大小多少、长短粗细等；后者是关系映射的逻辑符号，多用于刻画万物状态、结构过程等；而且后者含义更丰富、应用面更广。计算科学（包括数据科学、信息科学及相关技术）和CSS（计算思维、技能和应用）关注和试图更好地回答的问题包括：多视角观察、多因素（维度）分析、多模型思维和分布整合的一体化建模与不同类型研究对象的规则对应和逻辑上的吻合一致；无论是在科技还是在人文领域，都能产生很好的收效[3，6]，且也能作为双边沟通融合的桥梁、载体和有效的实现形式。

“万物皆数，数映万物；万物皆变，万物互联……”由少到多、由个体到群体、由局部到全局，由这（儿）到那（儿）、形态变换、由直到曲，由简单到复杂、由常态到涌现（Emergence），由此及彼、由表及里、由粗到细，人机交互、脑机对接、虚实融通等凡属数与形的变换，无论是逻辑推理、数量运算、形态转换、多态多向多途关联、结构演变、过程机理、动态交互，还是系统的输入与输出、自然语言、可视图景、实物载体、社会现象到0-1代码并机械化（数字化、自动化）处置等，都可由计算（机）的关联转换实现；数的运算，形的转换，逻辑推演，信息的加工处理，文本语言的数字化，结构演变和过程细节的复现，实物的映射认知，网络结构的拓扑重塑等，在现实世界与理论（认知）空间之间实现双向还原转化，这就是计算的本质和功能。其前提和关键是理清对象的内在特征、关联结构和演变规律，找到统一的转换规则。明白了什么是计算和社会的本质特点及构成，社会能否计算及相关问题也就迎刃而解了；精细深入地刻画异质交互的行为特征和发生场景，动态、关联地展现社会（组织）结构和运行及现实形态的生成机理和过程，也与大数据（数字化）、AI和万物互联等新一轮科技革命前沿技术自然对接，（人文）社会科学与计算科学等的联姻是必然的、可行的和有重要价值的。如此的认知视角、手段和路径，不同学科侧面和关注点的交联叠合，就能构成完整的世界（社会）[8-9]。

（三）交叉接点

再来看具体的转换方式和对接点，CSS已做了许多有益的探索尝试，但尚未概括出一般原理、通行规则和底层逻辑上的转换准则。当然，这需要有对人文社科中的逻辑性、科学性及重要性有广泛的认同，相应的研究才会有更好的发展机会和空间；要繁荣哲学社会科学，就要重视社会科学与自然科学的交叉研究及相互协调，要重视和找到多学科交叉的对接点（面）和过渡带，跨界跨域的跨越方式和途径、阶段与特色。从CSS的发展历程中也可类比得到：不仅是由术入道，还要由术悟道，更要以道引术，以道促术！

若完全按自然科学的做法，“人格物化”地把人高度抽象和简化为物，那么基本行为可以假设，可以“公理化”，可以“如果”，可以单向线性思维推理，因素可分门别类地测度和作为独立变量在正交维度框架下分析……但人为主因的社会现象中常常是一因多果、多因一果、互为（循环）因果、多因多果交互、分不清何为因何为果等，况且历史和现实应用场景不可能围绕着理论上的假设和如果去发生，所以，必须要融入人文因素、特色和灵魂，如以多场景（VR+）实验和（数字化）计算模拟人的行为，以社会动力学、迭代逼近技术揭示不断演进的机理等。而若能转变观念和准确理解“科学”，借助数字化处理技术和行为大数据广义矩阵的形式实现逻辑规则转换，利用分布整合式、通宏洞微（微观宏观一体化）的建模分析方法，既能细致刻画异质性个体的多元行为属性及相互关系（微观成因和决定因素），又能反映社会群体和圈层等层级结构的分布和演变（传导机理），还能展现出整体的形态、特点和异象涌现，及其反过来可能对矩阵元素（异质个体行为选择）的影响，内在机制与认知逻辑扣合。如此，既能高保真地映射现实世界中人的行为及社会现象，符合人文的“软”逻辑规则，又能严谨地转换、运算和推理及平台构建，符合科技的“硬”逻辑规则。

三、规则转换的数字化实现

其实，人文社科研究从未排斥过量化分析研究，并且具有丰富实用的定量模型和方法[10-11]，这一是由于量变的泛在性，二是定量分析问题时的聚焦、准确、深刻和通行等独到优势；只是由于高度抽象简化的基本假设和过度工程化处理人文问题的导向加剧了分离，使人们一度产生人文社科研究是以定性分析为主的错觉。而一旦找到两种不同知识体系及研究路数中的范式和规则无缝衔接、平滑转换的方式与途径，就会使人文社科研究跟上科技进步的时代步伐，科技与人文的融合实现全方位的跨越式提升。

（一）核心问题

如果不能找到内在关联、逻辑规则自然吻合的对接和转换/化方式及途径，就会出现科技与人文“两张皮”的状态。而一旦找到和明白了科技与人文思维逻辑的本质区别，可能形成的障碍，人格物化“高仿”科学的束缚，真正地还原人本，才是人文社科研究正确的发展之路。所以说，数字化是一场认知变革，创造了绝好的机遇，对人文社科来说尤其是如此，让人们看清了本源和关键点之所在。在大数据技术和数字化手段出现之前，由于历史的局限性，权宜之计只能是人格物化，行为公理化假设，因素关系形式化表述，采用严谨的演绎推理，形成“严整”的理论知识体系。如此貌似科学，实际上是走偏了道、用错了尺子，没能建立起人文特色主导的话语体系和评价标准。而在行为焦点和大数据基础上的数字化刻画建模，开拓视野和开辟新路，做好逻辑规则转换，既符合人本的社会经济和管理活动，又有严谨科学的逻辑保障和可信度，这可能会引发方法论的革命。对真实存在的场景、行为及关联、宏观形态和互反馈机制进行数字化刻画，然后再以数值式的精准测度，将因素关系置于正交坐标系内分析等；科技与人文、形而上与形而下的结合能够得到真实完整的社会形态、内在联结和运行规律，找到揭秘人文复杂性的切入点、方向和利器。

基础数据的基础是规则、制度和标准；不是用规则框定过滤行为，而是用对真实行为的数字化精细刻画来体现规则。如果只是按机器规则模仿人类思与行，那AI也只能在智慧乐园门外徘徊；如果人类不能借助AI激发提升自身的智慧和创造性，那么机器只能是辅助工具，机器智能和人类智慧永远也只是两股道上跑的车。所以，必须要在机器运行和人类思行两类不同规则之间转换搭桥，才能有真正的混合智能、融合创新；如果不从基本规则上对接转换，两个并行的理论知识体系就谈不上真正的融合。而要融合的最基础的前提和做法是：首先要客观地看待人的感知、有主观意识和情景（状态）依赖的行为，再经数字化映射处理后得到的行为大数据广义矩阵的基本标识形式，见表1。

表1 行为大数据广义矩阵一般表形

如此的数字化刻画和广义矩阵的表示，既有真实场景中行为的社会属性，也可借助脑科学对神经网络研究的进展和神经（元）经济学的技术方法，测定生物属性，如神经突触间的不同电位和神经递质，多巴胺、乙酰胆碱、五羟色胺等传递不同信息的强度，及指挥人的行动的效应，在广义矩阵中强化和提高行为的真实可信度；有助于用规则的确定性、稳定性缓解复杂多变的管理现实中的不确定性和波动性；可一揽子解决人文的多维度、非线性、非结构化、模糊测度、非正交坐标系、主观随意和综合等软规则特点，与科技的线性、结构化、分析式、客观准确、可循序降（变）维的正交系、实数集事件（条件组）域等硬规则对应衔接；建模时是分布整合、通宏洞微、整体关联的，不拘泥于对单一层面因素关系的因果/相关分析，等等。勇于和善于直面问题、拓宽视野、转变观念、理论奠基、科技助推，能使在并行轨道上运行的车辆、不同途径传输的信息波同频共进，驶向共同目的。

（二）规则转换的数字化

规则转换其实就是数字化建模，关键是要在现实研究对象和大数据广义矩阵（理论空间）之间建立映射关系；方法直观简便，道理显而易见，无论是行为混合、态势交织和智能融合，还是人机协同及与决策类型的对应等都可转化为数字化矩阵的表达运算和还原。个体行为属性矩阵（1）、相互关系矩阵（2）、群组分布矩阵（3）、现实场景和微观宏观反馈机制（传导机理）等都可由不同类型的广义矩阵来对应；反过来，特定类型的矩阵也对应着某种特定的个体、场景和现象。

（1）异质行为矩阵

（2）邻接矩阵

（3）子群结构矩阵

其中，矩阵（1）Λnm刻画个体关键行为特征，元素λij表示异质性个体i在第j种行为属性上的测定取值或参数估算值；矩阵（2）Αnn为主体间行为相互影响度，元素αij表示主体i与j之间的相互关系（连接影响方式和程度），也包含了主体对外界条件变化的响应模式；矩阵（3）Λ3中的子集则表示整体分布结构中的群组或利益集团等。如上的（多）主体行为矩阵①具体可与（多）ABM（Agent-Based Modeling）类和复杂系统仿真等技术结合，进一步展开。其各矩阵中的元素的赋值和参数估算等，考虑到数据的可获得性和许多人文因素的不可测性及受主观影响的选择性偏差，可将经验数据、传统的实证分析与行为实验、自然实验和主动观察相结合的方式来获取和校验。需要针对和结合实际应用场景来讨论，本文只是一般化的基础性、示意性表述。，还可进一步根据研究需要扩展到任意多个主体、任意的群组结构的情形和分阶段动态地刻画。

解决逻辑规则衔接转换这一核心问题，既充分尊重客观事实和人文特点，又严格按照规则和逻辑进行分析推理，对复杂现实及演变的分析研究转化为矩阵的运算变换，所得结果又可转换成解决复杂现实问题的方案，实现科技与人文有机“完美”地融合和实质性创新。数字化处理与现实对应的规则、与机器规则对应转化的规则，打开异质行为的黑箱集合，建立起元素分布结构与现象形态（态势）的对应，打通逻辑规则转换的路径及方式，把客观的逻辑与主观的超逻辑（人文逻辑）结合起来；由个体到群体、个量生成总量的加总模式和类型要视具体问题具体选定，而不是一概而论。这就明确了借助数字化实现规则转换的重要性和必要性，以及如何转换的一般原理。当然，如此的数字化映射还会存在一定程度的人为因素，但由于更关注人的行为，这种方法注重主体的相对位序、关系和整体的分布关联，而不只是变量的精准度量和结果数据；着重分析的是主体行为的关联和演变，而不只是因素间的因果/相关关系等，这是基本原理和聚焦点的转变与提升。

以风险分析为例：规则的数字化转换一边要尽可能发挥场景感知（信息获取）时人的意图性、综合性和灵活性，另一边通过机器分析推理时会尽量减少主观性、随意性，两边交融能提高透明度，相互理解和相互激发、创造智慧，既能减少客观的风险，又能降低主观的不确定性。具体可根据每一微观主体的风险偏好、对外界环境条件（包括主体相互间）变化的响应模式和风险承受强度等行为属性予以数字化处理，构建行为大数据广义矩阵，不仅能基于随机试验在抽象的同质样本的概率意义上予以风险分析，而且还能进行更广意义上的真实场景中异质样本的不确定性分析，以便加以临界控制；再通过典型事实/案例，借助模拟校准估算出关键行为特征参数作为基准参照，找出风险类型识别条件、临界突变的征兆和趋势、个（体）群（体）关系和结构性突变涌现的微观行为成因、演变机理过程，及其与总体特征和场景变化的互反馈机制，破解复杂场景管理决策的奥秘[12-13]①当然，进一步的处理还需专门深入的研究，本文只是侧重探讨基础性、先导性的规则转换。。

四、融合创新的发展理路

跨学科交叉研究呈现出良好的开端和发展局面，在初步的案例应用中与传统计量实证等定量分析方法的特点比较，进一步认识通过交叉融合促进理论知识、认知能力创新提升的优势和必然性，构建具有人文社科特色的学术规范、知识体系和赋予新的动能，并展望科技与人文融合的发展前景和可行的路径选择。

（一）应用比较

人的行为和社会结构的演变及互反馈机制是极其复杂的，而且还会越来越复杂，高度抽象和简化的假设，基于因素关系（因果/相关）建模的分析观念、框架和方法等，或许舍弃和掩盖了更重要信息，未必能更有针对性地探讨揭示人本社会复杂现实内在的关键、关系和规律，这也许是为什么要跨学科、为什么科技要与人文融合的缘由。经济、金融和管理活动，更需要人机协同和学科交叉，集中地体现交叉优势。近几年来，我们初步应用数字化建模分析的思路和技术做了一些探索性尝试：由于科研人员的个体异质性特征更为突出，可用数字化建模分析科研投入产出与研究人员微观背景之间的关系[11]；根据投资者的异质行为构建广义大数据矩阵分析资本市场波动及收益率变化[12]；数字化建模和模拟个体与群体决策的复杂行为关系，等等[13]②相关的较为详细的应用案例介绍，可参见作者2018年以来发表的专题系列文章，或者直接与作者联系商讨。。从应用的感受和体悟中更加清晰地意识到：规则间的数字化转换和相应的建模分析，是极具诱惑力的发展方向。

从科技与人文融合的视角看，人文社科研究要在根源和底层逻辑上把关注重点由因素关系、对结果数据的实证转移到主体行为和主动获取数据的广义矩阵分析上，回归初心和本源，深化行为分析；与传统的计量实证、系统仿真和ABM及计算实验等方法相比，规则转换的数字化建模分析是由物本转换为人本；不仅看数据如何处理如何用，更重视数据怎么来、怎么反映现实对象；不只是关注数据、模型、算法和平台，还要强调行为的规则、关联、机理和涌现；是从高度抽象的黑箱式行为假设到具象的高透明度的行为深化分析，从因素间的因果/相关关系的表象分析到主体行为间关联涌现的机理分析，从机器智能的科技逻辑（严整精准）到混合智能的事实逻辑（多元包容），从各行其是、分科并行到连通协作、相互激发等，能解决原有方法不易深入进去、难以从全局和根本上解决的非常规复杂问题[11]。

（二）前景展望

数智时代的观念和做法，不只是大数据（数字化）和AI等在原有理论框架内的应用；跨学科交叉研究必须要有更宽广的视野和多元包容的分析方法；最好的预测未来就是设计和创造未来。总的来看，基于规则的数字化转换、以线性（思维和技术）迭代逼近非线性，为科技与人文对接提供了更加坚实的逻辑支撑和保障，展现出融合创新的美好前景：人的中心地位上升，科学化程度显著提高，新科技应用、双边交融更加自然紧密，跨学科交叉研究方法更接地气，解决复杂现实问题的能力、对人类文明和社会发展的赋能推动更加强劲。这也正是跨学科交叉研究、科技与人文融合可期的发展路径。为科技躯体唤回人文灵魂，注入更多的人文因素，为人文社科研究插上科技翅膀；在把握大趋势中寻求可行路径，以数字化的规则转换和技术实现体现人文特色，作为评价的基础。要与时/实俱进，注重数据的来龙去脉，如何与现实对象对应；各类广义矩阵该如何转换，如何与真实行为关键特征和复杂多变的应用场景对应（图2）。依此可将未来发展蓝图的技术路线大致分为以下几个层次和环节。

图2 规则转换实现方法与功能目的示意图

1.逐步完善和规范对异质主体行为的先天禀赋和后天习得的数字化映射和刻画，以及对他人的策略行为、外界条件变化和场景的响应模式等多元行为属性和关键行为特征，主体的生物本能和有意识的活态信息的实时获取。

2.深入探索异质异构的行为大数据广义矩阵的运算变换、人—机—环（境）决策链中的相互理解协作及互反馈机制，建立和明晰广义矩阵的元素分布和结构与社会圈层、群体和结构的形成演变及现实场景的对应关系。

3.个体与群体的决策行为关系、个量生成总量的加总机理和模式及宏观异象涌现的多模型分类识别、适定性判别、软连接整合一体化和数字化处理结果的场景还原，以及宏观形态对微观主体决策的反馈和影响及构建相应的评价标准和体系，等等。

另，规则的转换其实是广义的，如算法、数字平台（中台）、意象和语言翻译等都可以说是某种规则转换，广泛存在于跨学科交叉研究中；既要用数据研究问题，促进科学发展，即数据如何用，也要知道问题如何映射为数据，科学研究数据，即知道数据如何来，两方面缺一不可；还可从智能制造的数字孪生等技术手段中得到启示：理论上讲，用数字化广义矩阵建模，可根据研究需要聚焦在任意问题点和细节上，在任意深度和精度上映射和分析现实复杂问题。以此突破原有理论方法分析问题的观念、视角和框架，提升技术手段。

（利用）数字化，能使规则在测度、衡量和规范等抽象功能的基础上，逐步实现广联、增效和互激的具象作用，直面人类社会发展中的现实问题，共享和有效利用科技进步与人类文明的成果，试图以数字化方式解决规则转换核心这一问题。借助在逻辑建构和文化基因层面上的变革与提升，创立人文社科的话语体系、学科理论体系和学术评价体系（创新生态），以求更加广泛有效的应用；只有跳出传统思维框架，破解理论滞后于现实的困惑，从基本原理和底层逻辑上完成不同规则的对接、疏浚和转换，促进科技与人文的实质性融合，实现理论知识、实证技术和认知方式的突破创新，逐步完善与各种复杂多变现实场景的对应、延伸和移植，这无疑是今后AI、人机协同智能决策、科技与人文融合创新最有挑战性、最具诱惑力的发展方向与着力点，必定会由此迎来人类文明发展的全新阶段。