欧阳峰的博客

【这是应人约稿而写的，时间很急，自己不甚满意。特别是震灾引起的心灵冲击是多维度的，远远超过语言所能表达。但是其中几个观点，还是经过思考的，也许值得与大家分享。】

记得五月十二日刚看到地震新闻时，我只是把那看作一个寻常的新闻，预料有些房屋损坏，希望伤亡不要过百。不到两个小时，就看到死亡人数超过八千的报道，我简直不敢相信自己的眼睛。查了好几个网络都是如此，才知道我的世界从此不再同样了。

接下去几天，每每在屏幕前以泪洗面。读着埋在废墟下的生灵，读着以超人的努力奔赴灾区的救援部队，读着来自五湖四海的关切和帮助，我感到了作为个人的无助，和作为民族一份子的责任。接下来，就是捐款了。中文学校，单位，网友之间。。。我知道这些钱对救灾只是杯水车薪，主要的还是自己图个心安。但是也许灾民们知道大洋彼岸有些人在关注在祝福，也会得到一点籍慰吧。

现在，这一切已经过去了。救人的冲刺阶段基本结束，重建家园的持久战已经开始。在这个时候，我们可以问一问：这场大难大爱会给我们，给我们这个民族带来什么持久的影响？

从政治上说，这次救灾开创了官，民合作的先例。民间志愿者开着自己的车，带着食品，饮水，帐篷奔赴灾区，与政府救助队并肩奋战。各种民间组织纷纷出钱出力，出谋献策。网上各种消息和协调来往频繁，真是一片“众志成城”的景象。原来政府对民间组织总是信任不够，决不肯在这样的大行动面前让他们自行其是。但是这次基本没有多少限制，对媒体，网络也很放开。结果是极其正面的，可以说没有出乱子。而民间组织向来以“独立”为最高追求，不但不热衷于与政府合作，自己之间合作起来也是困难重重。而这次在没有统一指挥的情况下，大家以大局为重，为共同目标尽心尽力。有位志愿者说得好：政府再能干，也难免有漏洞。我们的工作，就是去补漏。许多原来极不相信官方的人，也通过官方渠道捐了款。除了参与救灾行动外，志愿者们还通过网络向全世界传送灾区的第一手信息，为政府的公关提供了不可替代的助力。这次救灾的结果表明，在中国官，民合作，是有基础，有成效的。走向民主需要有坚实活跃的民间组织，才能保持安定和平衡。中华民族崛起的道路上各种障碍还很多。能把这次官民合作的做法保持下去，我们就更能无往而不胜。

讲到官民合作，我不由想起了灾民们。这次地震，上百万的人流离失所，与亲人失散。原有的组织管理系统不再起作用，又面临重重严峻的生存威胁。在这种情况下，灾民就象一堆干柴，一点火星（比如一个谣言）就可能引起大乱。举个例子吧。大家都有亲人埋在废墟里等待救援。而救援队先到哪个地区，先救谁，什么时候放弃救援而转移，都是很可能引起冲突的决定。可是实际上，救灾工作基本有序，官民配合基本协调。这一方面反映了政府成熟的组织能力，一方面也反映了民众对政府的信任和人民忍受苦难的坚韧传统。有这么好的人民，能相信这么好的人民，我们就会有更多的选项来应付政治和经济的难题。

这次救灾对我最大的心灵冲击，还是四面八方的爱心。不管哪里号召捐款，都得到热烈响应。朋友说他们的中文学校居然募到了十五万美元，有个中国餐馆捐出了一天的营业额。网上的许多论坛也进行捐款，收获甚丰。更可贵的是，许多人开始着眼于长期的参与，除了出钱还出力建学校，照顾孤儿，等等等等。真是大难激发大爱，大爱战胜大难。一个人能对千万里之外的苦难感同身受，是一种精神的升华。而在这次震灾中，借助媒体和网络，我们做到了。这是很值得欣慰的事。当然，这次的行动也有很大的冲动的成分，并不说明我们从此脱胎换骨了。但是既然爱心被唤醒，就可以努力使它持久下去，把行善从偶尔为之的好事变成生活方式的一部分。我的一些朋友商议组织永久性的基金会，定期注资，规范管理。不仅帮助灾区，也惠及其他弱势群体。要是能做到的话，应该说首先得益的是我们自己。其实这样的工作其实已经有很多人做了，但知名度不高。这次救灾运动，使得很多无名英雄浮出水面，也感召了更多人群的参与。一个成熟的公民社会，民间慈善活动应该发挥很大作用。在这方面，中国还相当落后。我们海外的人如果能把这种文化引入国内，那么不光对救助对象，而且对整个社会都会有深远的影响。

灾难总会过去，生命生生不息。五年，十年以后，一座座新城会在今天的废墟上崛起，今天的废墟里的学童会成为社会的栋梁。然而“五一二”这个日子，将会永远留在中国的历史上，留在我们每个人的心里。万众一心，抗震救灾的场面，将会永远鼓舞我们，为我们同胞和国家的福祉尽心尽力。这就是几万死难者留给我们的遗产。让我们千万不要辜负他们！

美国外交部所属的超级秘密特工安布罗被囚禁在一个远离人烟的精神病院里。在一位护士的帮助下，他利用院里转送病人的机会，冒充警卫逃了出来。他的第一个目标，就是找到陷害他的人报仇。但是他还没进家门，政府的“回收队”就已经循踪而至。。。

对于一本惊险小说来说，这样的开头并不脱离俗套。但是，RobertLudlum的这本小说《Ambler Warning》却不是普通打打杀杀的惊险小说。主人公安布罗除了高超的特工技艺以外，还有一项超人的本领：他能“察言观色”从对方的表情解读内心。凭着这个本领，他面对强敌几次依靠心理战术化险为夷。但是就当他屡战屡胜，越来越接近目标时，却不知一个精心编织的罗网已经把他带入陷阱。而最后的致命一击，来自他至爱的女人，一个技高一筹的超级演员。

作者Ludlum于2001年逝世，生平写过25本惊险小说，不少被改编成电影和翻译成其他语言。他还以其他笔名写过书。这本小说是根据作者的初稿，在他逝世后由别人代笔完成，2005年出版的。发行一个月就登上了《纽约时报》畅销榜。

《Ambler Warning》与其说是惊险小说，不如说是心理小说。通过主人公的“特异功能”，各种角色的心理活动暴露无遗。而主人公也被卷进一场心理战中。他从精神病院逃出后，发现自己的过去被完全清零，不留一点痕迹。连过去的同学，邻居也矢口否认他的存在。于是他一直面对“我是谁”这个问题。而在这个心理风暴中的唯一依靠，就是救他脱险的女护士，他的爱人，也是唯一能击败他这个“活测谎器”的人。作者对于这条主线的铺垫和展开恰到好处，既不令人厌烦，又使人逃避不了这些内心的交战。

正如Ludlum的一贯风格，小说中的反面人物是一帮自封的“救世主”。这一次，他们为了遏制中国的崛起，维护旧的国际秩序，不惜设计刺杀中国领袖来制造动乱，并把中，美拖入战争。和他另一本小说《TheBancroft Strategy》（也是死后别人完成的）一样，这本小说表达了这样的理念：没有制衡的“好动机”和“理性思维”，只会带来灾难。

这本小说在描写细节方面也很到位。对于几个配角，不论是“绝对理性”，不食人间烟火的CIA审计师还是他那个魅力无边，充满活力的助手，都描写得栩栩如生。对于中国的场景人物虽然还是颇有欠缺，但比起西方的同类小说来已经出色不少了（他居然知道“海龟”的说法）。不论从文字功力，主题和情节来说，这本小说都可算做我读过的惊险小说中之上乘了。除了读时的享受外，它还留下了不少令人深思的话题。

有朋友感叹，出国以后，“国 内亲朋的喜怒哀乐，得失忧患，其实已经不再需要我的参与贡献和分享。”对于国内惊天地泣鬼神的救灾，也是除了捐钱只能观望。他说：“人只有身在故土，和亲人相濡以沫，才能重回心灵的家园”。

我的看法有所不同。

故土的失去是伤感的，也是不可避免的。即使不迁移，过去几十年国内社会文化的变化也使很多人目不暇接，失去归属感。关键还是自己的心态。

人总是要有根的。问题是这个根扎在过去还是现在。过去的东西是很珍贵的，但它不会增加，只会慢慢失去。不把根须伸向现在的生活，现在的社区，这个根就只会慢慢变弱。所以，在心系故土的同时，也要有意识地拥抱新大陆。

其实，我们是幸运的一群。相对于国人，我们有机会较早地接触外面的世界。现对于西方“土著”，我们又带来了另一个文化的视野。就像风筝，我们飞向天空，而放弃了大地的依托。值。

西方文化崇尚个人，很难找到象国内那样的归属感。但鱼和熊掌不可兼得。我的理想是君子之交淡如水，有思想，智慧的纠缠态，又有保持独立的自由空间。其实，国内的归属感也是“与时俱进”。过去苦日子里那种生死与共的感觉，是很难找回来了。

这几天大难当头，国内民众空前团结，万众一心的场面确实令人感动。但我们内心深处应该认识到，这并不是，也不应该是常态。这只是人们考虑的优先系数暂时变化的结果。或早或晚，大家又会回到原来的生活轨道，为柴米油盐，提职加薪而操心。庄子说的“相濡以沫”虽然很浪漫，其实却是“泉涸，鱼相与处于陆”的悲惨境地下生物的生存手段。而我们期盼的，应该是鱼游深水，“相忘于江湖”的正常状态。

而这并不是中国特色。九一一期间，我在新泽西能看到对岸的浓烟，孩子同学中就有受难的家庭。每天下班经过通勤停车场，就会看到那里孤零零停着的几辆车，也许它们的主人永远不会来取车了。这个想法每每使我泪流满面。那时家家挂国旗，学校活动奏国歌时，每个人都有与平时不同的感受。我的割草工的兄弟是牺牲的救火队员。他讲起这事时悲伤和骄傲交织的表情，大大拉近了我们的距离。但是现在，这一切都只是记忆的一部分了。

所以，三维空间里的位置并不是幸福的根源，我们的心态才是。把过去的经历看成鲜花，就总会为它的凋谢而悲哀。把过去的经历看成种子，就会为它的发芽而期待。

立委随笔：机器学习和自然语言处理

有脚客介绍人工智能（AI）现状，认为由于机器学习（ML）技术的长足进步，人工智能正进入繁荣期，并且开始成功用于自然语言处理（NLP).除了调子过分乐观了一些，这是个不错的介绍。下面的随笔是根据我自己的经验和体会而来。

AI, ML and NLP

NLP 中过分强调 AI 曾经是斜途，其实现在我认为也还是斜途,我很久以前就有过这个看法，现在觉得并没过时：

引用:

机器翻译的另一极是建立在充分理解基础上,毋须转换的自动翻译, 这是从实质
上对人的翻译过程的模拟。这时候,源语分析才是真正的自然语言理解,机器翻译才
真正属于人工智能。然而, 这里遇到两个难题: 一是知识处理问题; 二是所谓元语言
问题。

考察人的翻译活动, 可以发现, 人是靠丰富的知识在理解的基础上从事翻译的。
这些知识既包括语言知识, 也包括世界知识(常识、专业知识等)。如何组织这些包罗
万象的百科全书一样的知识, 以便适应机器处理和运用的需要,是人工智能所面临的
根本性课题。
……

总之, 虽然机器翻译的最终出路在于人工智能的理论和技术的突破,但在条件不
成熟的时候过份强调机器翻译的人工智能性质,一味追求基于知识和理解的自动翻译,
对于应用型机器翻译系统的研制,往往没有益处。

摘自【立委科普：机器翻译】:
[www.starlakeporch.net]

行家完全不敢当，随便聊聊而已

Posted by: 自如

引用:

能让我糊到博客上去吗？可不可以附上你的网名？

没问题。随便转，附不附名都可以。

引用:

1. 希望把ML定义的清楚一些。根据我的理解，你说的AI失败的例子（MT,语音识别等）都包含ML，而且ML很可能是关键。例如，机器翻译的关键是了解输入句子的意义。这好像就是ML的问题吧？所以，很可能你后面说的成功的ML与我所理解的ML不同。

ML最经典的定义是指从数据中学习输入输出函数，从某种意义上来说，相当于自动生成program，包括几大块：
supervised learning － 数据中包含正确的输出（所谓label)，这是最容易也是最成熟的一块。
unsupervised learning － 只有输入，譬如clustering，比较难，但也在不断进展。现代MT里的word alignment基本是用这一块做的。
semi－supervised learning － 部分有输出label。这是当前一个热门，譬如NLP里，可以先对一小部分数据加label，再利用web上大量的文档。

早期MT的方法基本是从coding theory中来，以至时至今日还沿用后者的许多名词，譬如输出叫decoding。机器翻译的关键的确是了解输入句子的意义，naturallanguage understanding，而做到这一点，需要有常识（common－sense knowledge）以及语义，pragmatics等等，能做到这些，强AI就可以已经在手了。这跟ML的问题在抽象层面上没啥关系，但实现MT需要 ML方法是现在的共识。

引用:

2.你说最近逻辑和概率的结合开创了新机会。但是据我所知这个概念是早就有了。Bayesian是老老年的事了。二十年前就有模糊逻辑（FuzzyLogic），定义了基于概率的逻辑运算。现在的突破在哪里？我是不是漏掉了什么？

Bayesian的主要问题是没有计算机（或计算能力不行时）根本不实用。所以统计历史上frequentist一直占上风，直到最近才扭转。

我说的逻辑是指一阶（first－order）。fuzzylogic的问题是它的定义（与概率相比）不完全能自恰，所以只是在某些特定的应用上取得成功，不能作为一般智能的基础。

引用:

3.NP-hard的基本概念我了解，但是我不明白它为什么就是死刑宣判。在算法研究领域，NP-hard的算法不受欢迎是可以理解的：因为允许了NP-hard的算法，很多问题用蛮力就能解决了。算法研究的目的就是要达到比NP-hard更高的效率。但是对于实际应用来说，问题的尺度是有限的。NP-hard不等于计算量无穷大而不能实现。另一方面，在AI中，即使允许NP-hard，得到有效的算法也不是容易的事儿。所以在我看来，是不是NP-hard在这里并不是太重要。我说的有道理吗？

很好的问题！指数增长在理论上不是死刑，但在实际上的确是死刑。围棋是一个例子。2的361次方是有限值，但即使穷尽已知宇宙（假设每一个原子都能作计算）的资源，也不可能用穷举法解决。

“算法研究的目的就是要达到比NP-hard更高的效率” 这并不对。NP！＝P除了幻想家，没有人不相信是事实。所以在最坏情况下，AI的问题只有指数增长的算法。但是也正因如此，这种worst－case分析 没有太大用处，算法研究的新热点是提出新框架，譬如randomized算法，interactive proof。

引用:

4.楼下镜子说的“玻璃罩”的问题，业者是怎么想的？我有个想法：如果和人脑比的话，人脑有个特征是计算机所没有的，就是下意识。人的决定很大程度上受情绪，偏见等的影响，而不是纯理性的。这是弱点，也是优点。因为有了“非 理性”的因素，人就不需要考虑所有的信息，也可以在不确定的情况下做出决定。而这方面，目前对人的决定过程都还没有很好了解（人本身不同个体在“非理性决 定”方面的有效性也有极大差别），更不用说实施到机器上了。在这方面，AI研究者是如何考虑的？

镜大师的话，俺从来不当真。 下意识饺子说了，其实没有太神秘的地方。情绪，偏见从计算角度上讲，其实可能正是对付NP－hard的一个有效方法。这方面在进化论里有很多理论。从某种意义上说，背景知识实际上就是偏见，而ML里有一个有名的定理，叫NO－free－lunch，也就是说，不带偏见的学习注定是做无用功。

人类智能的基本偏见在哪？就是生存，繁殖，也就是进化优势。可以说，人脑是一个偏见系统，塞满了进化过程中被证明有利的偏好，而在后天的学习中根据环境生成最终的program。

【以下是两位网友最近关于人工智能现状的帖子，很有意思。】

人工智能曾历数次低谷，现在正在全面复苏

Posted by: 自如

其实从学术界来讲，人工智能（AI）一直在稳步前进，其应用已渗透到我们生活中的每一个方面，只不过如一个行内的笑话所说：AI一旦在一个应用上取得成功，它就不是AI了。AI的几次低谷主要因为不切实际过高的期望。譬如60‘s机器翻译，70’s语音识别，90s第五代计算机等等，都是因为人们盲目乐观，以为短期内可望解决这些问题。事实上，时至今日，MT，speech recognition等仍是未解决的难题，属于AI－complete（彻底解决先要实现强AI）。

因为历次挫折，AI名声不好，同时大家吸取教训，不会再象以前一样容易过分乐观。事实上，AI最近取得长足进展，而这进展很大程度上来自于它的一个分支：machine learning。ML给工业界带来实实在在的利润，成为一个名副其实的buzzword。有一个做speech recognition的毕业生把简历放上网，没人理睬，改头换面一番换上ML的名词，马上得到不少面试的机会。Google被戏称为ML研究者的黑洞， 因为它大肆招聘ML PhD和成名研究者，但是并不鼓励发表论文。BillGate在NY Times的一个interview中称ML若取得突破，其价值不亚于10个Microsoft。其实他还是远远低估了ML的潜力。

ML的历史和AI的整体差不多长，最早源于神经网络的研究。因为大脑是最能学习的系统，但大脑和电脑的工作方式大相径庭，在许多应用上却远为成功（譬如图像识别）。从纯计算能力上讲，电脑超过人脑已是指日可待，但AI离人类的智能在总体上仍然相去甚远。神经网（NN）企图模仿人脑来在AI里取得进 展。先是Rosenblatt提出Perceptron及一个有效的学习算法，但被指出它只能处理线性可分问题，而多层NN可以处理任意复杂的问题，却缺乏有效的学习算法，NN自此沉寂了十多年。80s有人重新发现了backprop算法，可以有效学习多层NN，带来了一个神经网的热潮。潮退后人们清醒过来，逐步发现NN的困难。BP只能学习局部最优，稍为复杂一些的多层NN却有无数的局部最优值，就像一个到处凹凸不平的地形里，只靠近视的下山法（gradient descent）无法找到全局最低点。NN由此走到了尽头。有一个ML里著名的会议叫Neural Information Processing System（NIPS），源于当年NN的热潮。现在neural却成为这个会议最可能导致论文被拒的一个词。

在AI中，NN属于numericapproach。ML的另一个方向与数学逻辑关系紧密，属于所谓的symbolicapproach（符号主义），譬如rule induction，theoryrevision，inductive logic programming（学习prolog程序），核心是定理证明（theorem proving）。这条路与expert system结合曾名噪一时，但是logic的根本问题是脆弱性。现实生活中每一条规律都有太多的反例，还有噪声，不确定性等等，除非局限在一个非常有限的范围内，纯粹用逻辑根本无法施行。AI最近一次冬天跟这个很有关系。

从计算理论上来说，所有AI关心的问题都至少是NP－hard（也就是说，除非上帝发飙，否则只存在计算量随问题规模指数增长的算法）。有人因此嘲笑数据库的研究者，因为他们最大的问题是他们常常没有问题可做，最近一次是现在，自从XML之后，他们无事可作，只好开始从AI这边借问题，譬如probabilistic DB，informationextraction之类。DB的研究者则反唇相讥，AI有解决过问题吗？其实是有的，虽然离grandgoal尚远，但每一小步就足已带来巨大的影响。当然，AI并不能违反计算理论，指望明天发现一个多项式增长的算法。但计算理论是就最坏情况（worst－case）而论，而现实生活中的问题多有结构可资利用。咱们智人本身就是最好的例子。人脑不过是另类的计算机，NP－hard的问题，人类能够在现实生 活中应付自如，计算机也就可能做同样的事。（俺是彻底的强AI主义者。进化论已经将形形色色的活力论扫地出门，没有理由相信基于碳原子的智能不能用硅原子重新实现。）

那么最近AI和ML的进展在那里呢？在硬件上，计算能力的指数增长使得一些过去不可想象的方法成为可能；在理论上，统计的应用，逻辑和概率的结合，开辟了一片前所未有的广阔战场。有人戏称NIPS应改名为BIPS，B forBayesian，指的是统计里贝叶斯方法在ML中的广泛使用（对于统计本身，计算机也使得Bayesianvs frequentist的哲学争论在历史上首次偏向前者）。今天，关系（relation）则成为新的buzz word，其核心是用逻辑表达复杂的关系，用概率统计处理不确定性。这是ML向强AI迈进的一个很有希望的方向。一个很有意思的热点是做machinereading，让机器从网上浩如烟海的资讯中自动学习，获得知识，帮助决策。这需要解决NLP，natural language processing，另一个AI－complete问题。而它一旦成功，我们就有了一个实现强AI切实可行的方法。当然啦，前途是光明了，道路也是曲折的。：）

想了解ML在业界的广泛应用，super cruncher是一本很好的普及读物。

看大家讨论的欢，一时手痒，说说俺知道的。

哲人讲座(SageSeminar)是康奈尔大学中国留学生的一个学术团体。其名称来自校园里的SageHall，倒不是这些人狂妄到自称哲人。他们每月两次聚会，由一个人讲自己的专业或其它学术发展，然后是热烈的讨论，通常从晚饭后开始，到深夜才散。

我1985年到那里后不久，就听说了这个团体。我第一次去，正是颜海平讲“解构主义”。颜海平是电视剧“秦王李世民”的作者，也算我的大学同学。但直到那天我才第一次见到这位名人。她在讲演中用了个词vector。当时我只知道这个词在物理中意为“矢量”，但她讲的内容和矢量怎么也连不上。于是我就提了个问题。她解释了以后，反问我“矢量”是什么意思，似乎对于这个词有不同含义很感兴趣。讨论的时候，她又专门找我继续这个话题。我没想到第一次参加就受到重视，感到很对胃口，以后就几乎每次都去了。

当时参与哲人讲座的，有不少后来的名人。立时能想起的有：王绍光（现任香港大学教授，中国左派的代表人物之一），李振勤（科大少年班毕业生，第一届郭沫若奖得主，最早参与中国互联网建设的留学生之一，现在经常写财经方面文章），骆宁（后来曾任学自联主席），竺稼（后来曾任摩根士丹利中国总裁），贾庆国（现任北京大学国际关系学院副院长），杨志刚（曾任康大中国学生会主席，现在是海归长江学者）等。还有很多很有才华能力的同学，可惜我没有他们的音信了。

多年来我一直惋惜，没有把当时的笔记保留下来。虽然当年的热情和兴奋还历历在目，讲座的内容却记得不多了。还有些印象的有：王绍光讲文化大革命的社会根源（他的博士论文题目，后来出了书），竺稼讲文艺复兴的传统和创新（我听得一头雾水，终于相信自己没有文学细胞），李振勤讲多变量优化问题（我第一次听说NP复杂性的概念），黄洁讲全球变暖问题（比高尔早了二十年吧？），李松讲西方经济思潮（他当时是学生物的，后来改学经济。在华尔街工作几年后在香港开了个公司卖给了新浪，大概实现了他“四十岁退休”的理想），洛宁讲核武装（他一直对西方政治理论感兴趣，后来试图用在华人社团中，却不很成功），杨志刚讲柏杨和李敖（他酷爱读书，最大的享受就是几天不下床，醒了就读，饿了吃土豆片），楼望和讲唐山地震（他是文革前的大学毕业生，阅历极其丰富）等等。虽然只是挂一漏万，但讲座的深度广度也可见一斑了。1987年夏天，还组织过为期一周的“复杂系统”讨论会，有十一，二篇报告，都相当专业。

哲人讲座对中国的事务也很关心。很多讨论的内容是关于中国的体制，政治改革和文化的。不仅纸上谈兵，还付之于行动。在89年前，很多留学生（特别是学文科的）都是准备毕业后回去的。他们与国内的单位也保持一定联系。在哲人讲座中，介绍国内单位的现状，政策，趋势等也是一个重要活动内容。当时高能所开始建互联网，我们这里有些同学积极参与，在讲座中也有过热烈讨论。有一年因为延长护照的事，美国留学生与领馆发生对立，破天荒在报纸上发表了公开信。哲人讲座在讨论的基础上写了一份洋洋万言的《对留学工作的几点看法》，对留学生的派出，管理和回国安排等很多方面提出意见和建议，并通过渠道送到有关部门。据说曾达到国务院高层。86，87年之交时国内学生遭到整肃，在美留学生发表公开信声援。哲人讲座的几位同学参与起草班子，哲人讲座也多次讨论。89年哲人讲座对国内局势也非常关注，但已经是无力回天了。

我也给过几次报告。印象最深一次是讲神经网络。当时只是对这个课题感兴趣，但一点不懂。后来听人说贝尔实验室有个研究员来我校讲过，就给他写了封信索取讲稿。他还真把透明片给寄来了（当年还没有Email和PowerPoint，更没有Google）。有了这个基础后又看了一些论文恶补，就去开牙了。在准备报告时，我按照教科书的通常做法，先给出一般理论，然后用一些例子去说明。但报告一开始，听众就提出很多问题，我才发觉那些定义，定理很难让人直观地理解。于是我就跳到后面先讲例子，再反过来和例子对照着讲理论。事后想来，幸亏这个群体有随便提问的传统，不然我还真不知道自己的问题呢。这个教训我现在仍记忆犹新。

那次报告，一个我所心仪的女孩（后来成为我太太）也被热心的同学特意邀来听讲。所以我在她那里大概也得了些分。那是另一个故事了。

哲人讲座作为一个自发的学术团体能坚持多年，在留学生团体中也算是值得一书的篇章。毕业以后，我也遇到过不少志同道合的朋友。但象哲人讲座那样的群体，却再也无缘参与了。九十年代初，我曾倡议通过Email恢复活动。但也许大家都忙于事业生计，最终未能如愿。如今步入中年，通信手段也今非昔比，也许是重拾旧梦的时候了。

社会安全保险（socialsecurity，简称社安）是卢瑟福1935年为对抗经济萧条而实行的“新政”的一部分。经过半个多世纪演化，现在已经是美国经济的一个重要部分，也是一个热门的政治话题。在不同场合，社安也被称作FICA（FederalInsurance ContributionsAct，授权收取社安税的法案）或OASDI（Old Age,Survivors and Disability Insurance）。

社安保险包括三个部分：退休福利，未亡者福利和残废者福利。其中退休福利是最主要的部分。简单说来，每个工作的人都要缴纳社安税，由雇员和雇主各交一半。雇员未来的福利与一生中交税的数额挂钩。但是社安与其他退休基金是完全不同的概念。首先，社安不是为将来的福利付给存足资金的，而是用目前的收入来支付目前的福利给付（多余的存入一个基金）。所以它未来的给付能力依赖于未来的收入。其次，每个人的缴纳和福利不是成正比的，而是高收入的人补贴低收入。所以，与其把每次发工资所缴付的FICA看成为退休的储蓄，不如看成一种税负。

社安保险由社安署（Social SecurityAgency）管理。这个机构还管理一些其他的项目，但是经费来源是分开的。和社安保险联系在一起的是老年医疗保险（Medicare）。但这两个项目的资金和管理都是分开的。

社安税和社安福利

社安保险是由工作人员缴纳的社安税来支付的。虽然员工和雇主各付一半，从经济学上看，员工其实承担了全部赋税。雇主负担的部分也通过工资的降低转嫁到员工身上。社安税率是固定的（与工资总数无关），但是有征税的上限。超过此限的工资不用缴税。下图显示历史上税率（员工所付部分，即总数之一半）和征税上限的历史变化。征税上限（年收入）经过通货膨胀调整（以1982-1984年币值为准）。从图中可以看到，社安税率在约50年中涨了近6倍。征税上限也大幅度增长。（从1972年起，征税上限随平均工资水平自动调整。所以从那时起的增加反映了工资水平超越通货膨胀速度的增长）。

这个税率变化也反映了社安系统背后的政治运作。在刚建立的时候，这对美国是一个全新的概念。但是由于国民感觉上的“投入产出”（即税赋和福利比）是如此之好，这帮助了社安系统被公众接受。但是这个安排是不现实的，从而造成社安系统屡屡面临财务危机，通过提高税率和提高退休年龄（即变相削减福利）才维持至今。如果当初公众知道今天的情形，不知还会不会接受这个“新政”。

在退休后，每个人的社安福利的计算是基于一生的税赋数量，其公式相当复杂。下图显示一个粗略的估算。这是对一个1955年出生，2021年退休的人的福利计算（以今天的币值为准）。横轴是这个人目前的年收入。对于过去年份，假定他的每年工资增长率比平均增长率高2%。对于将来，假定工资数不变。我们可以看到，福利与过去收入（和税赋）不是成正比的。即使拿到最高的福利，也只能维持比贫困线（约$1000/月）稍高的生活水平。

有人批评社安系统实行“倒递进税率”，因为穷人富人税率一样，但富人有征税上限，所以平均税率反而低。而且，通常富人寿命更长，得到的福利也就更多。但另一方面，如上图所示，富人的福利是被减少的。国会预算办公室的研究表明，从终生福利和终生的税赋之比来说，穷人从社安系统的得益更多，如下图所示。

这里已经考虑了不同人群的寿命差别。在上图中，社安福利被分解为三部分：未亡人福利(Auxiliary)，残废福利和退休福利。穷人比富人更有可能得到前两项福利。而对于退休福利，穷人得到的也比富人多（相对于税赋而言）。

但是要注意，社安系统不是退休金，不是一种投资，所以用“投入产出比”来衡量并不是很恰当。它是一种税收，应该通过与其他税收一样的政治程序来决定税率。除此之外，还要考虑到对于有其他收入（如投资回报）的富人，部分社安福利是要交所得税的（尽管他们的社安税已经是用所得税后的钱交的了）。

社安基金

1980年代，为了解决未来工作人口减少退休人口增加而给社安系统带来的负担，提高了社安税，把每年的结余存入“社安基金”，以备未来所需。但是这个社安基金也并非通常意义上的基金。有人说社安基金只是一个纸面花样，而不是真的资金，这也不完全正确。以下就介绍一下有关细节。

社安基金的入账（收来的社安税）必须换为联邦政府的特别债劵。这种债劵象普通债劵一样有利息，但是不能在市场流通，只能在需要支付福利和运行开支时兑现。所以，从基金的标准看，社安基金的投资方式是单一的。

更重要的是，社安基金的收支虽然不受每年国会预算的限制（即国会的预算案不能规定社安的税收和福利支付），但其收支平衡却包括在联邦预算中。如上所述，社安基金的设计就是使它近年有盈余，以备未来的亏空。而这个盈余就掩盖了联邦预算的部分赤字，如下图所示。在图中，“Off-budget”的部分主要就是社安基金。在2007，社安基金共支出$594.5M，收入$784.9M,盈余$190.4M，总“存款”为$2238.5M.。相比之下，同年的联邦政府赤字是$162.8M，累计公债为$4,769.1M。由此可见，社安基金的盈余对联邦赤字的影响是相当大的。如果把社安基金分离出来的话，2007年的联邦赤字将增加一倍多，累计公债也会增加约50%。从这个意义上说，“社安基金”并不是一个存款账户。它的盈余已经被政府的其他开支花掉了。以后当“社安基金”需要动用老本的时候，就必须由那时的纳税人来支付这笔欠账。

从法理上说，社安基金所持有的特殊债券和普通联邦债券一样是由联邦政府背书的。也就是说，除非破产，政府有兑现这些债券的责任。但是社安基金（以及整个社安系统）对于缴了社安税的职工来说，其给付福利的责任仅限于基金拥有的资金。当这些资金无以为继时，社安系统和联邦政府都没有责任继续支付福利。所以，我们不需要担心社安基金的安全，但是需要担心社安福利的安全。

社安危机

由于未来工作人员减少，退休人口增加，而且人的寿命延长，社安系统将面临入不敷出的危机。下图显示社安基金结存在未来的走向（假定目前法律不变）。

社安危机可分为两个阶段。在2017年左右，社安基金将从目前的盈余而转为亏损，需要动用存底来支付福利。这个变化对于社安系统的运作没有影响（社安基金就是为这种情况设立的）。但是对于整个联邦预算，将得不到社安基金盈余的补贴，反而要为兑现社安债劵而增加花费。这会大大增加预算赤字而对美国的政治和经济带来显著影响。如果我们不能在那以前控制预算赤字和国债幅度的话，很可能有灾难性的后果。第二步，到2041年左右，社安基金的存底将花费怡尽。依靠当年的税入，将只能支付78%的福利水平。那时，今天的社会安全系统就不复存在了。

要想将社安系统维持到75年以后，需要把目前的个人税率和雇主税率从6.2%增加到7.05%，或者马上把福利减少12%。要想把社安系统永久维持下去，需要把目前税率增加到7.8%或把福利减少20%。显然，这两个选择都不受欢迎。但也许某种增税和减少福利结合得方案能被接受。政客们也在寻找其他解决的途径。

结语

社安体系是卢瑟福总统“新政”的一部分，也符合民主党的政治理念。而共和党和自由主义经济学家却对之多有诟病，希望用私人管理的储蓄来代替它。由于社安将在几十年后面临危机，它的改革已被提上议事日程。在以后的文章中我们将为您分析两党对于社安改革的立场，主张和忽悠。

对于我们个人来说，除了在政治生活中关注和参与社安改革以外，在个人财务安排上，要认识到社安福利即使能拿到，也是极其有限的。退休后的财务来源主要还是要靠投资积蓄。而目前付的社安税，就是一种税赋，不要指望回报。