山河蒙尘
论公共政策中数学应用的缺失
数学在众多学科和领域中仍有巨大的应用潜力,而这些领域在数学素养方面仍处于文盲状态,其中就包括公共部门。最终,数学对反馈的需求将促使现今仍在武断和充满偏见地运作的体制引入学习过程以实现优化。有人认为并非所有结果都可以衡量,这种观点是基于原始的测量方法,而更高层次的数学知识可以取代这些方法,这无疑会导致对当前主要基于直觉的政策进行更严格的审查
作者:患有计算障碍的学科
现行政策的外推 (来源)
当今的政治学和公共部门只懂得使用线性函数,比如选民数量。但是为什么不考虑对捐献给国家的资金采用对数投票或平方根因子?富人可以投入大量资金来购买影响力,但会产生递减的边际效用。这样国家既能获得税收,又不会被富人完全控制。我们只需要找到合适的函数和斜率。但由于我们的近似值仅限于线性,我们现在被困在一个非常不理想的函数中。

非线性征税(例如所得税)也是如此。为什么税收负担是线性的?从数学角度来看,这显然不是最优选择。我们可以进行实验或使用机器学习来找到更优的函数,或者逐步调整它并获取反馈。每个纳税年度都可以根据设定的参数提供反馈,学习将是在线的(即基于迄今为止的历史结果)且非常谨慎。这样我们就可以逐步校准和优化国家和社会的所有基本函数。

随着人口教育水平的提高,我们终于可以从小学数学进阶到高中数学。开始逐步整合越来越复杂的算法,这样公民也会学会使用越来越复杂的算法,社会的复杂程度将会大幅提升。政治学还没有开始发现数学的潜力,这就是为什么人们抱怨自小学以来就没有使用过数学,尽管数学具有如此强大的能力。随着公共部门变得更加数学化,公共讨论的水平也会提高,因为大多数人会意识到自己的理解不足。这样,这个领域就会从民粹主义转向算法主义。这就是21世纪公共政策的终极目标。
未来哲学