Complexity Suppression: An Institutional Theory of Governmental Cognition in Complex Policy Systems
本文提出了“复杂性抑制”作为一种基于机制的制度理论，解释了政府将复杂的现实简化为权威性表征的必要过程如何通过排除关键因果动态、过滤矛盾反馈以及积累认知债，最终导致政策失败，并由此论证了有效的治理需要在为了行动而进行的简化与为了学习和纠偏而保留充足的系统多样性之间，保持一种严谨的平衡。
原始论文采用 CC BY 4.0 许可（https://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
政府面临着一个单凭个人无法解决的问题：如何管理一个过于庞大、变化过快且错综复杂，以至于无法被一次性理解的世界。为了做出决策，公共机构必须将混乱的现实转化为它们可以掌控的东西。它们将人口转化为类别，将不确定的未来转化为预测，并将复杂的社会问题转化为简单的目标和清单。这一过程并非失误，而是一种必然。如果不将世界简化为可管理的碎片，政府就无法协调数百万人的行动，也无法支出哪怕一分钱。然而，这种简化行为也隐藏着风险。当官员们剥离掉那些让问题看起来清晰的琐碎细节时，他们可能会在无意中删除了决定政策成败的关键部分。其结果是一个在纸面上看起来完美，却与办公室外的现实世界脱节的版本。
联合国大学研究员穆罕默德·阿尔奥泰比（Mohammed Alotaibi）的一项新研究探讨了这种情况究竟是如何发生的。他将这一过程称为“复杂度抑制”（complexity suppression）。这不仅仅是关于把事情变简单，而是关于将其变得“过于简单”，以至于让政府对其自身的错误视而不见。研究表明，当政府为一个问题创建一个简化的模型时——例如一项教育计划或一项大流行病策略——这个模型可能会变成一面盾牌。如果计划失败了，政府往往会责怪执行计划的人，而不是计划本身。随着时间的推移，这会在政府认为正在发生的事情与实际发生的事情之间制造一道鸿沟。该研究并非声称政府愚蠢或无法学习，而是展示了那些旨在帮助其决策的结构——层级制度、绩效目标和外部专家——是如何在无意中过滤掉了那些预示计划错误的警示信号。
该论文确定了这种过滤发生的四种具体方式。首先是“认识论压缩”（epistemic compression），这是一种高级说法，意指复杂的、不确定的现实被挤压成了整齐、确定的类别。当政府决定衡量一个问题时，它往往不得不忽略那些难以计数或变化过快的部分。其次，“层级压缩”（hierarchical compression）发生在信息向指挥链上传的过程中。随着报告从地方办公室传向高层领导，那些混乱的细节和地方性的分歧会被剥离，以使信息变得清晰且具有决定性。领导者得到了精简的摘要，但却失去了可能解释计划为何失败的背景信息。第三，“指标替代”（metric substitution）发生在测量本身变成了目标的时候。想象一个仅凭考试成绩来评判的学校系统，教师可能会开始只针对考试进行教学，忽略学习中其他重要的部分，仅仅为了让数据好看。测量不再是现实的镜子，而是变成了现实本身。最后，“认知外包”（cognitive externalization）发生在政府过度依赖外部专家，以至于忘记了如何独立思考时。他们保留了决策的权力，却失去了理解或质疑所接受建议的能力。
这四个过程共同作用于一个循环，可能使政府陷入错误的决策之中。研究通过两个现实世界的案例说明了这一点。第一个案例是美国的“不让任何一个孩子掉队”（No Child Left Behind）法案。这项政策试图通过为学校设定严格的考试成绩目标来解决教育问题。政府将复杂的“学习”目标简化为一个数字：学生通过考试的百分比。由于学校面临着未能达到目标时的真实后果，它们改变了自己的行为。它们集中精力关注那些仅仅处于不及格边缘的学生，而忽视了那些已经合格的学生或那些远远落后的学生。考试成绩上升了，但实际的教育质量并不一定在同样程度上得到了改善。政府看到数字上升，便认为计划奏效了，而深层的系统却在以计划未曾预料到的方式进行着自我调整。
第二个例子来自英国对大流行病的准备工作。在冠状病毒抵达之前，英国拥有一份基于特定情景（流感类病毒）的详细计划。这份计划清晰、有序且易于管理。然而，当一种具有不同特征的新型病毒到来时，政府的准备工作并不契合新的现实。该计划过于专注于一种类型的威胁，以至于失去了应对另一种威胁的灵活性。即使早期的演习显示系统存在薄弱环节，这些警告也被吸收为“执行问题”，而非计划本身存在缺陷的信号。政府一直在试图修复一个执行过程，但其背后的计划在根本上与威胁并不匹配。
论文的核心发现是，这种循环创造了作者所称的“认知债”（cognitive debt）。正如当你支出超过收入时会积累财务债务一样，当政府忽视与其信念相悖的证据时，也会积累认知债。每当计划失败而政府却责怪工作人员而非计划本身时，政府的模型与现实世界之间的差距就会不断扩大。最终，政府可能拥有所有的权力和所有的资源，却失去了理解事情为何出错的能力。它被困在了一个不再起作用的简化版现实之中。
论文认为，解决方案并不是停止简化。政府如果不进行简化，就无法管理世界。相反，他们需要作者所说的“有纪律的复杂度”（disciplined complexity）。这意味着既要进行足够的简化以采取行动，又要保留足够的琐碎细节，以便知道这种简化何时出了问题。这要求保持替代性想法的生命力，倾听矛盾的证据，并愿意在数据不再符合现实时改变计划。研究指出，政府最危险的行为就是将自己的简化模型视为绝对真理。目标是建立能够意识到自身错误的智能系统，确保地图始终是导航的工具，而不是领土本身的替代品。
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。