不确定性的等级分类及深度不确定性
深度不确定性下的决策规划（Decision Making Under Deep Uncertainty， DMDU）学会，是一个致力于提高深度不确定性下决策制定能力的跨领域、多学科的专业组织。
摘要：本文将简要介绍不确定性的定义，研究历史，以及四种级别分类。同时也将给出关于深度不确定性的两个实例，并简述深度不确定性下的决策规划（DMDU）的几种研究方法。
1. 不确定性的定义及其发展历史
广义上讲，不确定性，无论深浅，都可被定义为人类对未来，过去，以及现在所发生事件的有限的认知。对于决策规划来讲，不确定性是指决策者已有知识和做出最佳决定所需的知识之间的差距。这种不确定性显然带有主观色彩，因为这与决策者对自身知识认知水平的评判和满意程度高度关联。决策者在制定决策时往往会将自己的主观判断和价值取向带入决策过程，然而这些隐含的假设如果没有被仔细地检验，那么这些假设本身就可能导致决策判断的是失误。
为了在决策过程中更好地管理不确定性，决策者需要对人类认知水平存在不同等级有着清楚的认识。认知水平的范围包括从完全认知（complete determinism）到完全无知 (total ignorance)。前美国国防部长Donald Rumsfeld 曾经将人类的认知分为三类——已知的已知（known knowns），已知的未知（known unknowns），以及未知的未知（unknown unknowns）。给决策制定带来最大挑战的则是最后一类。
人类把不确定性定义为认知的不足已有很长的历史，最早可以追溯到古希腊先哲关于认知论的讨论。其现代历史开始于1921年左右，Frank Knight将风险（Risk）和不确定性（Uncertainty）加以区分。他将风险定义为未知事物中可估算（期望：结果乘以概率）并可控的部分，而不可估算和不可控制的部分则为不确定性。因此，风险可以被看做是一种低程度的，可用各种结果及其发生概率量化的不确定性。而其余的不确定性则无法用概率可靠地描绘。所以，不确定性是比风险更加广泛的概念。此后，以哈佛大学Howard Raiffa教授为代表的学者，又将风险下的决策规划和不确定性下的决策规划加以区分。不确定性下的决策规划不仅仅针对未来世界状态的不确定性，也包括决策者策略行为的不确定性。
2.不确定性的等级分类
对于决策制定，学者们在完全认知和完全未知之间定义了四个中间等级。Warren Walker等人从如下四个方面定义，讨论了不同等级的不确定性：（1）未来世界的情形（X）；（2）描绘未来世界的模型（R）；（3）系统产生的各种结果（O）；以及（4）不同利益相关者对不同结果所持有的权重（W）。图1从这四个方面总结了不同等级的不确定性，并且下文对这些不确定性进行了简要介绍：
图1. 不确定性的等级及分类（来源：[1]）
第一级不确定性存在于可以被单一确定性（deterministic）的模型描绘的系统中。尽管人们承认系统并不是完全确定的，但是这种不确定性通常可以用对
模型参数的小的扰动来刻画，并可以使用敏感性分析（sensitivity analysis）来研究其对模型结果的影响。这种不确定性通常存在于短期决策规划问题之中。在这样的情况下，系统被清楚地定义并且历史数据可以作为未来合理的预测依据。
第二级不确定性存在于可以被单一随机性（stochastic）的模型描绘的系统中。少数几种未来可能的情形可以被清晰地预测并且各种未来发生的概率可以被准确地估计。这种情况下，模型可以用来估计各种未来情况下的系统结果及其概率。期望结果（expected outcome）和可接受的风险水平可以用来选择最佳的策略。概率论和统计学的知识和工具可以被用来分析第二级不确定性。
第三级不确定性存在的系统无法由单一模型描绘，但是存在少数几个模型假说。这些模型给出不同结果及其权重的概率无法被准确估计。因此，分析第一、第二级不确定性的方法变得不再有效。这种情况下，传统的情景分析（scenario analysis）方法通常被使用。每一种情景可以被视为一种可能的未来。情景不是用来预测未来会发生什么而是对未来的某种可能性的描绘。尽管我们对各种未来情形发生的可能性无法预知，但是在有限的可能性下，我们可以找到一个在各种情景下都有稳健表现的静态策略。
第四级不确定性是人类已知范围内最深的不确定性，也是通常所说的深度不确定性（deep uncertainty）。这种不确定性可以被分为两类：（a）多个模型假说可能被用来描绘系统；和（b）人类唯一的已知是对系统的未知（known unknowns）。这种不确定性一方面源于人们缺乏对系统运作原理的认知（a）同时也可归因于一些无法预测或者意外的事件的发生（b）。此类事件也被称为“黑天鹅”（black swans）。这些情况下，分析人员很难（a）或无法（b）找到一个恰当的模型来描绘系统变量之间的关系，不确定的参数的概率分布，或者各种系统结果所代表的政策含义。
3. 深度不确定性的实例和研究方法
2008年全球金融危机可以被看做一个典型的“黑天鹅”事件。当时世界经济下行的速度和严重程度超出了很多政策制定者的认知和预判。因此他们中很多人并没有做好应对措施。后来，前美联储主席Alan Greenspan承认一个被使用了40多年并且此前有着很好效果的经济学模型存在着严重的瑕疵。因此，承认人类认知的局限以及对深度不确定性所有准备对政策制定，特别是长期政策制定，有着重要的意义。另一个公认的深度不确定性则是气候变化（climate change）的不确定性，主要包括（1）气候变化程度的不确定性；（2）气候变化速度的不确定性；（3）气候变化对不同地区的影响的不确定性；以及（4）削减和适应气候变化造成的负面影响的政策的不确定性。人们对气候变化的原理还存在着根本的认知缺陷，同时不同的气候模型给出的气候变化的估计也存在较大差异甚至互相矛盾，部分国家对气候变化所持的政策态度也常常摇摆不定。
情景分析可以有效分析少数几个未来情形，但无法直接用来分析深度不确定性下的大量可能的未来情形。深度不确定性下的决策规划（Decision Making Under Deep Uncertainty, DMDU）方法，利用计算机模拟大量未来可能的情形（而不是预测一个未来最可能发生的情形），找到稳健的，动态的，适应性的决策规划路径（如图2）。这样的决策分析通过对未来情况的分类制定出动态的决策规划图景——包括稳健的短期策略（robust near-term decision）和根据新观察到的信息而做出调整的适应性长期策略（adaptive long-term decision）。DMDU代表的方法有稳健性决策规划（Robust Decision Making），动态适应性政策路径（Dynamic Adaptive Policy Pathway），工程期权分析（Engineering Option Analysis），信息差距决策理论（Info-Gap Decision Theory）等等。这些方法及其应用实例将在后续文章中逐一介绍。
图2：DMDU方法设计的动态决策规划图（来源：[2]）