引言：经济学的“人性转向”
长久以来，凯恩斯革命被置于现代经济学的“对立面”：一边是市场自发秩序，一边是政府干预主义。然而，若以“不确定性”为透镜，我们会发现，从斯密的“看不见的手”到哈耶克的分散知识，从科斯的交易成本到西蒙的有限理性，再到行为经济学对预期偏差的实证研究，诸多看似分立的思想传统，其实共享一个根本前提——人类面对复杂世界的深刻无知。凯恩斯并非异类，而是这一思想谱系中不可或缺的一环。他的真正革命，不在于主张干预，而在于直面根本不确定性，并由此重构我们对货币、预期与制度的理解。
传统新古典经济学常被批评为“脱离现实的数学游戏”——其依赖完全理性、完全信息与市场即时出清等理想化假设和相应的一系列基本结论，在2008年金融危机等现实冲击面前屡显苍白。过去一个世纪，经济学最深刻的演进，正是逐步松动这些假设，转而将“人类认知的局限性”置于理论的核心。
从凯恩斯对“根本不确定性”的洞察，到哈耶克对“分散知识”的强调，再到西蒙与行为经济学对“有限理性”的探索，现代经济学日益揭示：经济系统的运行，并非源于全知全能的理性计算，而是人类在无知中摸索出的集体协调机制。
一、凯恩斯革命：不确定性作为经济学的“元问题”
1936年《就业、利息和货币通论》出版，它不仅对古典经济学的就业理论发起挑战，更从根本上颠覆了经济学的方法论基础。凯恩斯革命极为关键的理论基石，在于认定经济决策的本质并非在已知概率分布下进行最优计算，而是面对根本不确定性（Fundamental Uncertainty）的判断行为。这种不确定性无法借助统计学消除，它源自未来事件的不可重复性以及人类知识的不完备性，也就是在复杂多变的现实世界面前难以避免的无知。
此外，凯恩斯还着重指出，现实经济系统中的人们清楚地知晓根本不确定性普遍存在，即对自身的无知有着十分清醒的认知，并在这一约束条件下开展各项决策。这种对自身无知的充分认识，能够解释为何人们会大量依赖直觉而非理性，或者以从众、因循等看似非理性的方式进行决策和行动。例如，企业家投资决策所依赖的“动物精神”（Animal Spirits），本质上是对未来技术、需求与政策的直觉判断，而非概率计算。
这一思想直接否定了新古典经济学的“瓦尔拉斯一般均衡”框架。在该框架中，市场通过价格调整实现瞬时出清，而凯恩斯则强调：价格刚性、货币非中性、非自愿失业等现象，正是经济主体在不确定性下寻求安全性的必然结果。例如，工资刚性体现了劳动者对“未来购买力不确定”的风险规避；货币作为“一般等价物”的流动性偏好，源于人们对“不确定性对冲工具”的需求。
凯恩斯的深刻见解为现代宏观经济学奠定了基调：经济系统并非物理世界的机械模型，而是人类认知局限与集体行为相互作用的产物。然而，这一思想在 20 世纪中叶的“新古典综合”中被部分削弱，直到 20 世纪 70 年代的“理性预期革命”，不确定性才以新的形式重新回到理论前沿。
二、理性预期与“知识悖论”：当模型遭遇现实
20世纪70年代，卢卡斯（Robert Lucas）提出的“理性预期假说”，尝试将不确定性纳入数理模型框架。该理论假定经济主体能够运用所有可获取的信息，形成无偏预测，进而消除系统性政策误差。然而，这一框架暗含了“知识完备性假设”，即决策者了解经济系统的深层结构（如菲利普斯曲线参数），并且能够通过贝叶斯学习不断修正预期。
这一假设在实践中面临双重困境。
首先，根本不确定性本身难以消除。经济主体对于未来制度、技术和偏好的认知，本质上始终只能是局部的。在2008年金融危机中，金融机构坚信“房地产价格持续上涨”，正是因为忽视了“历史经验的局限性”。
其次，市场主体和经济学家所构建的模型本身存在诸多不确定性。市场主体不仅不清楚参数，更不了解“正确模型”的形式。例如，消费者无法预先判断央行是采用泰勒规则还是价格水平目标制，这种“模型不确定性”致使政策沟通无法发挥作用。
为化解这一悖论，现代宏观经济学发展出“稳健控制理论”（Robust Control），允许决策者在“模型误设风险”的情况下寻求保守策略。例如，央行在制定利率政策时，需要考虑“最坏情形下的经济脆弱性”，而非单一模型的最优路径。这一转变标志着经济学从“追求精确预测”迈向“管理认知风险”的范式变革。
三、行为经济学：有限理性与认知偏差的实证革命
倘若说凯恩斯揭示了不确定性所产生的宏观影响，那么行为经济学则借助心理学实验，把“人类的无知”具体转化为可验证的认知偏差。例如，诺贝尔奖得主丹尼尔卡尼曼（Daniel Kahneman）与阿莫斯特沃斯基（Amos Tversky）提出的“前景理论”（Prospect Theory）显示，人类行为反复呈现出两个看似非理性的典型特征，即损失厌恶（Loss Aversion）和框架效应（Framing Effect）。其中，损失厌恶是指人们对损失的敏感程度远远高于对收益的敏感程度，这使得风险规避行为偏离了期望效用理论。而框架效应则是指，同一问题的不同表述方式（如“存活率90%”或者“死亡率10%”）会引发相互矛盾的决策。
这些发现对“理性人假设”的根基发起了挑战，并引出了“有限理性”（Bounded Rationality）理论。赫伯特西蒙（Herbert Simon）指出，人类决策依靠“启发式”（Heuristics）而非全局优化。比如可得性启发（Availability Heuristic）和代表性启发（Representativeness Heuristic）。可得性启发是指投资者往往倾向于高估近期新闻事件（如股市崩盘）发生的概率，从而导致过度反应。代表性启发则是指企业家会把短期的行业繁荣错误地判断为长期趋势，进而引发产能过剩。
行为经济学的政策应用（如“助推理论”Nudge Theory）进一步证实：通过调整选择架构（Choice Architecture），能够引导个体在认知局限的情况下做出更优的决策。一个经典的例子是，养老金自动加入机制（Opt - out）利用“默认选项效应”，将参保率从49%提高到了86%。
四、奥地利学派与制度经济学：分散知识与市场过程
与凯恩斯关注宏观不确定性不同，奥地利学派（以哈耶克为代表）着重强调知识的分散性（Dispersed Knowledge）对经济系统的决定性作用。哈耶克在《知识在社会中的运用》中明确指出：社会经济问题并非是如何分配“已知资源”，而是怎样利用分散于无数个体头脑中、无法整合为一幅完整图景的局部知识或默会知识。
价格机制的核心功能，正是借助竞争性市场过程，将分散的、默会的（Tacit）知识（如地方性供需信息、技术细节）转化为一般等价物信号。计划经济的失败，本质上是由于中央计划者无法获取和处理这些“非编码化知识”。
这一思想在现代制度经济学中得到了进一步深化。诺斯（Douglass North）的“制度适应性效率”理论认为：正式规则（如法律）与非正式约束（如习俗）共同构成“知识整合系统”，从而降低交易中的不确定性。例如，商业信誉机制通过重复博弈，将“交易对手的可靠性知识”沉淀为社会资本，进而减少信息搜寻成本。
五、现代宏观经济政策：从“工程师思维”迈向“反脆弱设计”
对“人类无知”的认知，深刻地重塑了政策制定的逻辑。以下举几个例子加以说明：
第一，货币政策。通胀目标制（Inflation Targeting）借助透明化的政策规则，降低公众对未来价格水平的不确定性；而“数据依赖”（Data - dependent）的决策模式，则承认了经济模型在预测方面的局限性。
第二，宏观审慎政策。针对金融体系的“尾部风险”（例如2008年的危机），监管机构引入了压力测试与逆周期资本缓冲，其本质是对“未知风险”进行预防性设计。
第三，财政政策。自动稳定器（如累进税制、失业保险）的强化，源自对“政策时滞”与“乘数不确定性”的认识——与其追求精准干预，不如构建内生稳定机制。
塔勒布（Nassim Taleb）的“反脆弱”（Antifragility）概念进一步拓展了这一思路：经济系统应设计成能够从不确定性中获益。例如，创业生态系统的“试错 - 迭代”机制，通过分散的小额失败（如初创企业破产）积累适应性知识，最终推动技术实现跃迁。
六、数字时代的挑战：算法、大数据与新认知鸿沟
在数字经济领域，“人类无知”呈现出全新的形态。例如，算法替代与知识黑箱现象，即机器学习模型借助海量数据挖掘出复杂的关联，但它的决策逻辑却难以阐释（如信贷评分算法）。这就引发了“算法无知”（Algorithmic Ignorance）——人类一方面依赖算法，另一方面却无法理解其推理过程。又如，大数据幻觉，即数据量的增长并未消除根本的不确定性。像谷歌流感趋势（Google Flu Trends）因过度拟合历史数据而失效，这揭示了“数据丰富并不等同于知识完备”的悖论。再如，平台经济的认知垄断：大型平台凭借用户行为数据构建起“需求预测壁垒”，让中小竞争者面临更大的不确定性。
问题与解决办法往往是同时产生的。面对新的现实状况，经济学也在探寻新的发展方向。例如因果推断（Causal Inference）。近30年来，经济学定量分析已系统地从相关性分析转向因果识别，以应对“数据噪声”环境下的决策风险，实验室实验、随机实地实验、多元回归、双重差分法、工具变量、断点回归等方法迅速得到广泛应用。
联邦学习（Federated Learning）：在保护数据隐私的前提下，实现分散知识的协同利用，这与哈耶克的价格机制思想相呼应。联邦学习是一种“数据不出门，模型一起练”的技术：多个机构（如银行或医院）能够在不交换原始数据的情况下，协作训练一个共享的AI模型。对于经济学家而言，它相当于在保护数据产权和隐私的基础上，降低了合作的交易成本，使分散的数据要素能够安全地产生协同价值——既避免了“数据孤岛”现象，又守住了“数据主权”。对经济学家来说，联邦学习不仅是一种机器学习方法，更是一种新型的数据治理与协作制度安排，它重新界定了数据要素的产权边界、交易成本与合作可能性边界，为构建“可用不可见”的数据要素市场提供了技术支撑。
结语：拥抱无知，方能理解经济复杂性
从凯恩斯到行为经济学，从奥地利学派到数字经济学，现代经济学的演进历程，本质上是一部“人类认知局限的探索史”。承认“无知”的存在，并非理论的缺陷，反而是经济学走向成熟的标志。正如哈耶克所说：“真正的无知，是不知道自己无知。”
在日益复杂的世界中，经济学的任务不再是提供“确定性答案”，而是构建一个能够容纳不确定性、激发分散知识、适应认知局限的制度框架。唯有如此，才能在“已知”与“未知”的永恒张力中，为人类福祉开辟新的可能。
[作者李辉文为上海对外经贸大学经济学教授、区域与产业发展研究中心主任，上海交通大学中国发展研究院特聘研究员，研究兴趣为城市化与经济发展、制度经济学、世界经济和经济思想史，出版有《现代比较优势理论研究》、《大国经济学》（合著）等]
评论