The Software Complexity of Nations
本文通过利用开源编程语言数据构建了一个软件复杂性指数，将经济复杂性理论扩展到了数字经济领域，该指数有效地补充了传统指标在解释国际间 GDP、不平等和排放差异方面的不足，同时证明了软件专业化遵循相关性原则。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
试着通过观察不同国家在国际市场上销售的产品，来理解这些国家的财富水平和能力。几十年来，经济学家一直通过统计出口的汽车、船舶和机械，或者统计专利和研究论文来进行这种评估。他们称之为“经济复杂性”（Economic Complexity）。这就像是通过观察一个厨师购买的食材，来推测其烹饪水平一样。
但这里存在一个问题：这种方法忽略了数字世界。软件不会装在集装箱里运输；它通过互联网传输。你无法在海关报关单上看到它。本文认为，我们正在丢失很大一部分图景，就像试图了解一座现代城市，却忽略了所有的电力和互联网电缆一样。
新工具：统计代码而非货物
为了修复这个“盲点”，作者决定研究开源软件（OSS）。可以将开源软件想象成一个巨大的全球图书馆，来自世界各地的数百万程序员在名为 GitHub 的平台上编写并免费分享代码。
作者并没有统计实物产品，而是统计了编程语言。
- 类比： 想象每个国家都拥有一个“工具箱”。有些国家只有锤子和螺丝刀（基础编程技能）；而另一些国家则拥有锤子、螺丝刀、激光切割机和 3D 打印机（高级、复杂的软件栈）。
- 作者观察了开发者在项目中如何将这些“工具”（如 Python、Java、C++ 等编程语言）组合使用。他们意识到，开发者经常将特定的工具组结合在一起使用，就像木匠会使用一套特定的工具来建造房屋一样。他们将这些工具归类为“捆绑包”或“技术栈”。
通过绘制哪些国家使用哪些工具捆绑包的图谱，他们创建了一个新的评分指标：ECIsoftware（软件经济复杂性指数）。
他们的发现
作者将这个新的“软件评分”与旧的“贸易评分”和“专利评分”进行了对比，以观察它是否讲述了一个不同的故事。以下是他们的发现：
1. 它揭示了隐藏的天赋
有些国家在旧的“贸易评分”中看起来很穷，但在新的“软件评分”中却看起来像是技术巨头。
- 隐喻： 想象一个出口大量石油的国家（如俄罗斯）。在旧的评分标准下，它们看起来只是简单的资源出口国。但在新的软件评分中，它们看起来极其先进，排名非常高。同样，印度在软件复杂性方面的排名远高于其研究出版物的排名。
- 主张： 软件评分捕捉到了旧评分所遗漏的一种不同类型的才干。它不仅仅是旧数据的重复，它增加了新的信息。
2. 它预测了财富与公平
作者测试了这一新评分是否能解释一个国家的富裕程度（人均 GDP）以及收入分配的公平程度（不平等程度）。
- 发现： 软件复杂性较高的国家往往更富有。更重要的是，它们的收入不平等程度往往较低。
- 类比： 这就像是掌握了复杂的数字工具有助于更均匀地分配财富，也许是因为它创造了高价值的工作岗位，而不仅仅是服务于工厂或土地的所有者。
3. 它可能更环保
他们还研究了污染情况（每美元 GDP 产生的碳排放量）。
- 发现： 软件复杂性较高的国家往往排放量较低。
- 隐喻： 一个建立在代码和数据之上的经济体，比起一个建立在重工业制造和采矿业之上的经济体，其环境负担可能更轻。
4. “相关性”规则
最后，他们研究了国家如何随着时间的推移改变其技能。国家是在随机地从一种技能跳转到另一种技能吗？
- 发现： 不。国家遵循“相关性”的路径。如果一个国家擅长构建 Web 应用，那么他们很可能会转向构建移动应用。他们很少一夜之间从“Web 应用”跳跃到“量子物理学”。
- 类比： 这就像树木生长枝干。树木不会突然在远离树干的另一侧长出一根枝条；它会在原有的枝干旁边长出新的枝条。国家通过在已有的知识基础上进行扩展，来提升其软件技能。
核心结论
本文并没有发明新的数学公式；它只是将现有的“经济复杂性”地图应用到了一个新的领域：数字世界。
通过观察人们编写的代码，而非他们运输的货物，作者表明：
- 数字技能是一种真实且可衡量的经济力量。
- 这种力量与传统的制造业力量是不同的。
- 构建了复杂软件生态系统的国家往往更富有、更公平且更清洁。
- 国家通过循序渐进地深耕现有领域来扩展其软件技能。
简而言之，如果你想了解一个国家在 21 世纪的未来潜力，你不能再仅仅盯着他们的工厂。你必须观察他们的代码。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。