机器学习与冲突预测——国际关系研究的一个跨学科视角

通过机器学习来预测冲突正在成为当前国际关系研究领域的一个热议话题。但是从跨学科交叉研究的视角来看,计算机介入政治分析和国际关系研究并不是一个新现象,其间经历了从计算机模拟冲突场景到机器学习自动识别冲突模式的复杂变革历程。二者的共同点是都重视仿真社会互动情景与政治复杂演进过程,反对有关政治冲突现象的简单线性解释;但二者在研究取向上还是有着本质的不同,计算机模拟提倡基于特定社会理论的情景建模与逻辑推演,而机器学习则强调无特定社会理论支撑的特征识别与关联预测。有鉴于此,本文首先分析了计算机模拟与机器学习在冲突预测中的研究路径差异,然后重点阐述了无理论支撑下将机器学习应用于冲突预测之可能,并以2010—2016年印度恐怖袭击预测为例,实证检验了基于BP神经网络的机器学习在真实社会情景中的实际冲突预测效力,结果发现基于机器学习的冲突预测范式即使在没有特定社会理论支撑下,也具备一定冲突预测能力,并可产生新的冲突知识发现。但即便如此,作为一种跨学科交叉研究范式,机器学习介入冲突预测仍然面临重重困难。