文/陈根
在技术狂飙突进的年代，数字孪生作为一个对人工智能、大数据、物联网、虚拟现实等技术进行综合运用的技术框架，越来越成为推动数字社会建设的重要力量，分别进入各国的国家战略之中。
在我国，国家发改委2020年4月就已经把数字孪生列为数字化转型的支撑性基础设施和技术创新赋能的关键对象，疫情期间闻名世界的雷神山医院便是利用了数字孪生技术进行建造。
数字孪生也成为企业数字化转型进程中炙手可热的焦点。根据《如何利用数字孪生帮助企业创造价值》行业白皮书，到2021年，半数的大型工业企业将使用数字孪生，从而使这些企业的效率提高10%；到2024年，将有超过25%的全新数字孪生将作为新loT原生业务应用的绑定功能被采用。
然而，随着数字孪生与社会生活生产的联系越发紧密，数字孪生底层算法黑箱的问题也越发凸显。在数字孪生系统的分层体系下，通过算法黑箱将模型和数据封装于交互界面之后是一种常见的工程模式，在化简技术复杂性的同时也导致“规则隔音”现象日益严重。
如何在数字孪生的发展中规避这一技术弱势，是数字孪生走向未来的必经之路。
数字孪生集算法之大成
几千年来，从游牧社会、农业社会、工业社会到信息社会，人类社会一直面临的重大挑战之一，就是如何在不确定性的环境中进行决策。正如《韩非子》所言：“智者决策於愚人，贤士程行於不肖，则贤智之士羞而人主之论悖矣。”
在最初的农业社会里，人们往往通过占卜来进行决策，宗教是人类面在不确定性的环境中进行选择的依靠。面对一触即发的部落战争，出征前面对战争结果的无常，部落首领、诸侯国王们求助龟壳裂纹、星象占卜，以预测等各种重大事件的走向，指导重大决策。
人类对科学认知的进步为人类社会带来了科学的决策。比如，决定火箭的发射，就需要计算发射窗口期，要计算月球跟地球的距离，要预测未来天气的变化，选择飞机的外形和材料，就需要基于风洞试验等空气动力学规律，所有的这些所有都是基于科学的决策。
时至信息时代，智能技术的发展和成熟为人们的决策带来了新的选择——算法。根据数据，算法能够对未来（明天、后天）风机的风力发电量进行准确预测；算法能够帮助美国Uptake公司对卡特彼勒工程机械运行状态进行预估，实现产品全生命周期的服务；算法能够为新零售企业盒马鲜生当天新鲜的产品的选品进行决策；算法能够为不同的用户打造千人千面的主页。
集算法大成的技术则非数字孪生莫属。数字孪生发端于美国国家航天航空局（NASA）的阿波罗项目，是现有或将有的物理实体对象的数字模型。
数字孪生通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。
我在《数字孪生》一书中也提到，数字孪生就是在一个设备或系统“物理实体”的基础上，创造一个数字版的“虚拟模型”。这个“虚拟模型”被创建在信息化平台上提供服务。值得一提的是，与电脑的设计图纸又不同，相比于设计图纸，数字孪生体最大的特点在于，它是对实体对象的动态仿真。也就是说，数字孪生体是会“动”的。
同时，数字孪生体“动”的依据，来自实体对象的物理设计模型、传感器反馈的“数据”以及运行的历史数据。实体对象的实时状态，还有外界环境条件，都会“连接”到“孪生体”上。
数字孪生无可比拟的优越性显而易见。通过数字孪生，物理世界中产品、服务或过程数据也会同步至虚拟世界中，虚拟世界中的模型和数据会和过程应用进行交互。向过程应用输入激励和物理世界信息，就可以得到包括优化、预测、仿真、监控、分析等功能的输出。
在数字孪生的模型构建下，人们将能够轻易地缩短产品的研发周期，提高建筑物的资源优化效率，提供一种新的医学分析途径，或者构造一种城市的资源配置新模式。而这，正是人类决策能够实现的最高级形态。
算法为数字孪生带来挑战
算法作为数字孪生的基底，是一种全新的认识和改造这个世界的方法论。随着数字孪生与社会生活生产的联系越发紧密，算法对社会产生的影响也更加深刻。建立在大数据和机器深度学习基础上的算法，具备越来越强的自主学习与决策功能。
算法通过既有知识产生出新知识和规则的功能被急速地放大，但在人们轻易地享受算法带来的优化决策时，却常常忽略了算法并不必然的客观性和技术的弱点。算法存在的前提就是数据信息，而算法的本质则是对数据信息的获取、占有和处理，在此基础上产生新的数据和信息。
简言之，算法是对数据信息或获取的所有知识进行改造和再生产。由于算法的“技术逻辑”是结构化了的事实和规则“推理”出确定可重复的新的事实和规则，以至于在很长一段时间里人们都认为，这种脱胎于大数据技术的算法技术本身并无所谓好坏的问题，其在伦理判断层面上是中性的。
然而，随着人工智能的第三次勃兴，产业化和社会化应用创新不断加快，数据量级增长，人们已经逐渐意识到算法所依赖的大数据并非中立。它们从真实社会中抽取，必然带有社会固有的不平等、排斥性和歧视的痕迹。当这些不客观性导入进数字孪生的技术框架时，人们也就不再能够保证数字孪生最后决策的中立与最优了。
从技术的弱点来看，在数字孪生时代，现实世界在数字世界里被重建，随后数据驱动算法作出决策并借助界面层把指令传递到现实世界中。让人焦虑的是，数字空间的运作逻辑——算法却是不透明的。在人工智能深度学习输入的数据和其输出的答案之间，存在着人们无法洞悉的“隐层”，它被称为“黑箱”。
黑箱便是关于“不透明”的一个比喻：人们把影响自身权利义务的决策交给了算法，却又无法理解黑箱内的逻辑或其决策机制。这里的“黑箱”并不只意味着不能观察，还意味着即使计算机试图向我们解释，人们也无法理解。
事实上，早在1962年，美国的埃鲁尔在其《技术社会》一书中就指出，人们传统上认为的技术由人所发明就必然能够为人所控制的观点是肤浅的、不切实际的。技术的发展通常会脱离人类的控制，即使是技术人员和科学家，也不能够控制其所发明的技术。
算法的飞速发展和自我进化已初步验证了埃鲁尔的预言，数字孪生更是凸显了“算法黑箱”现象带来的某种技术屏障。弗兰克·帕斯奎尔在《黑箱社会》中将这一隐喻发挥得淋漓尽致，抨击了美国社会正陷入被金融和科技行业的秘密算法所操控的、令人难以理解的状态。
任何技术都很难不受到商业偏好的影响，这使得算法黑箱也往往与“算法独裁”“算法垄断”等负面评价绑定在一起。算法的研发和运行作为商业秘密，受到各个企业的保护，资本可以轻易地将自身的利益诉求植入算法，利用技术的“伪中立性”帮助自身实现特定的诉求，实现平台的发展与扩张，追求利益最大化。
数字孪生的风险预警
数字孪生时代，政府和企业都大量使用算法进行自动化决策，而其中公权力机关使用算法黑箱导致的决策不透明更易受人诟病。数字孪生时代，算法的黑箱化趋势日益明显。通过简单直接的界面就足以给公众提供规则的指引，因此决策规则的隐蔽性更强，从而埋下了权力恣意的种子。
以美国为例，由于算法错误导致公民权利受损的事件屡见不鲜。伊利诺伊州儿童和家庭服务部在2017年12月停用了一个儿童安全和风险评估系统，原因是该预测算法的不准确性导致父母与子女被错误分离的情况；2007年科罗拉多州的公共福利系统以及2016年阿肯色州医保系统中的代码错误，造成对部分公民的福利申请被错误削减或驳回。
此外，当复杂的算法适用于商业决策时，决策者实际上把算法作为决策的依据，这时或多或少转嫁了决策责任。将决策规则封装起来，隐藏了因果关系或者至少导致因果关系复杂化，这就使得作为法治基石的问责机制有可能逐渐分崩离析。
此前备受关注的《外卖骑手，困在系统里》的文章，就一度将系统的困境归结于算法之上。但显然，无论外卖派送系统的算法技术是多么复杂，这在法律上都无关紧要，事关重要的算法大多由公权力机关或平台企业在操作，讨论平台在保障外卖骑手权益方面的责任才是关键所在。
基于此，为更好促进数字孪生技术的落地应用，社会在积极支持与配合的同时，也要正确应对潜在的问题与风险。其中，算法透明经常被视为解决算法黑箱问题最直接、有效的方式，并与知情权、行政公开、透明政府等概念具有亲和性。通过对算法黑箱的信息进行披露，包括代码、公式、参数等内部信息，可以缓解公众与算法操控者之间的信息不均衡，抑制权力的恣意。
通过法律规制以消解隐忧是数字孪生得以长远发展的另一必然。显然，孪生数据安全的保障有赖于法律-技术双重保障型体系的构建和完善。其中，技术是体系支撑，法律是重要基础。
一方面，标准体系的缺失将会严重阻碍数字孪生技术的应用与发展，亟须构建规范的标准体系来指导与参考。这就需要推动相关法律的设立，完善相关技术标准，建立行业数据规范，提高数据处理的安全性，以便顺利完成数据的交换、集成与融合工作。
另一方面，是要打破商业资本与技术之间强烈的依附性，避免商业利益成为权力的方向盘。当前，算法治理已是大势所趋，政府要加大对算法技术的把控，建立透明的算法运行机制和协调的智能政务系统，设立算法技术研发和运行的标准，嵌入公共利益的价值观，平衡多元价值。
总之，数字孪生作为一种无缝连接信息物理并使之融合的实用技术，不仅是未来制造业的关键技术，也在越来越多的领域发挥重要的价值。因此，在社会不断探索数字孪生技术的应用价值的同时，人们也要积极做好数字孪生技术的风险预警工作，让最优决策有安全的保障。
