把社会想象成“活的”,并不是新鲜比喻。斯宾塞径直把它称作“社会有机体”;迪尔凯姆用“团结”替代了“细胞黏合”;韦伯则给每个细胞核里塞进了“意义”。一百多年来,社会学似乎总在借用生物学的行李箱,却迟迟不肯承认里面装的是同一套生命语法。
直到大数据出现,这套语法才被转写成可验证的实验报告——“人是一串代码,社会是一段可以自我编译的程序”。古老的毕达哥拉斯命题,由此从神秘口号升级为可复现的算法。
两种视角的拉锯:工具 vs. 自洽
| 视角 | 关键词 | 隐喻 | 风险 |
| 工具视角 | 统计、预测、治理 | 数字是手术刀,社会是待解剖的“身体” | 把“活”的社会切成“死”的变量 |
| 自洽视角 | 反馈、涌现、共生 | 数字是神经元,社会是正在思考的“大脑” | 观察者被系统“反观察”,主体性被算法吸收 |
前者让政府和企业欢呼——“终于可以精准投喂”;后者却令社会学家脊背发凉——“当系统开始自我编程,‘我’还是行动者吗?”
关键对比:工具视角把大数据当作“放大镜”,自洽视角则把它变成“镜子”——照出观察者也是镜像的一部分。一次主客移位,量化研究就此滑向质性体验:数字不再是“关于”社会的描述,而是“参与”社会生成的器官。
从“数字生命”到“社会大脑”:一条被提前写好的进化链
1990年,托马斯·雷在电脑里孵化出“数字生命”;十年后,阿亚米的“阿威塔”补全了突变—选择—竞争的自然闭环。
类比:如果“阿威塔”是单细胞生物,那么今天的“块数据”就是多细胞器官;当器官间再借由5G、区块链、物联网缝合,社会便长出“大脑皮层”——一种被称作“社会思维”的涌现能力。
对比传统社会学:
·帕森斯的“AGIL”只是静态解剖图;
·布迪厄的“场域”引入了动力,却仍靠个体惯习驱动;
·大数据时代的“社会大脑”则把个体惯习当成可替换的“插件”,真正的驱动力是算法之间的交互——人退居为背景进程。
生命特征清单:社会正在兑现哪几项?
| 生命指标 | 传统社会 | 数据社会 | 备注 |
|---|---|---|---|
| 自我复制 | 制度再生产 | 算法自动迭代 | 代码即制度 |
| 突变 | 革命、改革 | 实时A/B测试 | 突变日常化 |
| 代谢 | 资源流通 | 数据清洗—标注—再训练 | “垃圾”数据也能喂养模型 |
| 应激 | 集体恐慌 | 舆情热度的秒级回环 | 情绪被提前套利 |
| 进化 | 线性史观 | 并行演化树 | 多条未来同时试跑 |
结论:社会不仅“像”生命,它已经在工程意义上“是”生命——一个由人类与硅基代码共同寄生的超级有机体。
悬而未决的两道生死题
1.意识的归属
当“社会大脑”产生自我意识,它会不会像人类婴儿那样先哭喊“我是谁”?抑或它的第一声啼哭就是对我们下达的“关机指令”?
2.治理的伦理
创始人孔德把社会学定位为“人类自我治理的理性工具”。可在数据生命体面前,谁治理谁?——我们或许只是它的“肠道菌群”,自以为在喂养宿主,实则被宿主批量消化。
写在最后的反讽
社会学曾用“去神秘化”为己任,把宗教、习俗、情感一一拆解成可解释的“社会事实”。
今天,大数据把社会重新神秘化:算法黑箱、模型幻觉、涌现不可解释——一切又退回“只能体会、无法言明”的有机黑暗。
转折:这不是倒退,而是螺旋上升。传统社会学告诉我们“社会为何像生命”;大数据社会学则逼问“社会既然已是生命,下一步它想长出什么器官?”——或许,是一双能够把我们当成“环境”去管理的眼睛。