![]()
![]()
六、计算转向与数学思想的演变：从存在性数学到构造性数学
![]()
段永朝：苇草智酷创始合伙人，信息社会50人论坛执行主席，中国计算机学会终身会员，中国自动化学会会员，中国自动化学会区块链专业委员会副主任委员，《智能科学与技术》学报编委，数字论坛创始成员。北京大学新闻与传播学院兼任硕士生导师（ 2011-2020），杭州师范大学阿里巴巴商学院特聘教授，阿里巴巴商学院学术委员会委员，腾讯云中智库顾问，阿里巴巴研究院学术委员会委员。曾任财讯传媒集团（SEEC）首席战略官，《中国计算机用户》《软件世界》杂志社常务副社长兼总编辑，央视《互联网时代》《智能时代》大型纪录片学术顾问。主要著作：《互联网思想十讲：北大讲义》、 《新物种起源——互联网的思想基石》 （与姜奇平合著）、《互联网：碎片化生存》 。![]()
本文探讨了智能技术快速发展的背景下,技术中立论破产与计算崇拜兴起的思想根源,通过回顾从实证主义到实用主义的思潮演变,文章揭示了价值中立原则的崩溃及其向技术中立原则的转变,分析了智能技术与传统技术的区别,强调智能技术具有自主学习、决策和执行任务的能力。文章指出在人类与智能技术双向驯化的过程中,技术不再是中立的工具,而是与人类共生的伙伴。最后,文章探讨了计算主义在人工智能中的思想渊源及其脆弱的数学基础,呼吁在享受计算便利的同时,警惕计算崇拜带来的诸多挑战。![]()
智能技术;计算崇拜;价值中立;技术中立;实用主义;计算转向
![]()
2024年是中国接入国际互联网30周年。脱胎于1993年美国“信息高速公路”计划的互联网商业化浪潮,过去30年里,在中国和全球范围内均取得了巨大的成就。《中国数字经济发展报告(2022年)》指出,中国互联网取得的成就备受瞩目,在数字创新、电子商务、智慧城市等领域显著发展,在数字经济、5G技术应用和工业互联网等方面处于领先地位。然而,近10年来互联网发展的内在逻辑正在悄然发生重大变化,尤其是随着人工智能、大数据、区块链、云计算、大模型等技术的崛起,基于关联分析的大数据正日益取代传统的因果分析技术;基于推荐算法的电子商务、社交娱乐和数字新闻,正日益形成无形的“信息茧房”;基于深度学习、神经网络技术的人工智能,正日益获得超强的推理、计算、策略制定能力,在机器人、知识对话、知识生成、博弈和游戏等领域,超越人类顶尖高手。这些现象的出现,加深了人们对数据、算法、算力重要性的认识,同时也大大强化了人们对“代码即法律、一切皆计算”和“算法统治世界”的忧虑。需要看到的是,在智能技术的推动下,互联网这一术语正在为数字经济、数字社会、数字世界所取代,这一变化的要害在于技术的应用、伦理、安全和治理等要素的相互叠加。在叠加的态势下,如何理解智能技术与传统技术的区别,把握智能技术的本质,就显得尤为重要。而理解智能技术的本质,就需要深刻理解技术中立论的破产,以及计算崇拜兴起的思想历程。![]()
重思技术的本质
随着智能技术的飞速发展,关于其本质和影响的讨论愈加热烈。智能技术不仅改变了人们的生活方式,还对社会、经济和文化产生了深远影响。一般来说,智能技术是指能够模拟、延伸或增强人类智能的技术手段。它们通常具备自主学习、决策和执行任务的能力,能够在复杂和动态的环境中表现出一定的智能行为。智能技术与传统技术的区别主要体现在三个方面。首先,传统技术以机械化和自动化为核心驱动力,依赖于预先设定的程序和机械装置来完成特定任务。智能技术则以数据、算法和算力为核心驱动力,通过自主学习和优化算法来实现智能决策和操作。例如,传统的工业机器人只能按照预设的路径进行操作,而现代的智能机器人可以通过机器学习算法,自主优化其路径和操作方式,以提高效率和精度。其次,传统技术缺乏自主学习和决策能力,运行依赖于人类的指令和控制,具有较高的被动性。智能技术则具备自主学习和决策能力,能够根据环境变化和数据反馈进行自我调整和优化,表现出较高的自主性。这种自主性使得智能技术能够在复杂和动态的环境中表现出更高的适应性和灵活性。例如,自主驾驶汽车能够根据实时交通状况和道路信息,动态调整行驶路线和速度,从而提高行驶安全性和效率。最后,传统技术通常为单向操作工具,人与技术之间的交互较少,技术主要被动执行预设任务。智能技术强调人机交互与协同,通过感知、理解和响应人类意图,实现更为复杂和多样化的应用。例如,智能语音助手可以通过自然语言处理技术,理解用户的指令并提供相应的服务,从而实现更为自然和高效的人机互动。传统技术作为人类发展的重要基石,为智能技术的发展提供了坚实的基础;而智能技术则在传统技术之上,通过引入数据和算法,进一步拓展了技术的应用范围和价值创造方式。从智能技术的发展历程看,对智能技术本质的理解,主要有工具论、善恶论和必胜论三种类型。工具论认为,智能技术无论多么先进,本质上仍然是人类使用的工具。这一观点强调技术的功能性和实用性,认为技术的价值和意义取决于其使用方式和目的。芬伯格指出,技术的本质在于其作为工具的功能性,技术的使用方式和目的决定了其社会价值和影响。善恶论认为,技术本身是中立的,其善恶取决于人类的使用方式。这一观点强调人类在技术应用中的道德责任,认为技术的影响是人类行为的结果。埃吕尔在《技术社会》中详细论述了技术的中立性,强调技术的道德价值由其应用所决定,人类应对技术的使用负有道德责任。必胜论则认为,人类最终是技术的主人和掌控者,技术的发展应以人为中心,服务于人类的利益。这一观点认为,尽管技术在不断进步和演化,但人类始终能够掌控其发展方向,并确保其服务于人类的利益。海德格尔在《追问技术》中探讨了人类对技术的掌控能力,认为技术的最终目的是为人类服务。然而,这三种观点有一个共同的问题,就是支撑这三种观点的都是“技术中立”的价值观。这恰恰是智能技术演化过程中最大的问题。技术中立观认为技术本身没有价值倾向,其影响完全取决于人类的使用方式。然而,智能技术的发展表明,技术本身的设计和应用已经深刻影响了社会结构和人类行为模式。例如,智能监控系统的广泛应用不仅提高了社会安全性,也引发了关于隐私权和监控社会的伦理争议。因此,重思智能技术的本质,就是要认识到技术不仅仅是中立的工具,还是具有社会建构和价值导向的复杂系统。智能技术的发展不仅依赖于科学和工程的进步,还受到社会、文化和伦理因素的深刻影响。只有在全面理解技术本质的基础上,才能更好地引导智能技术的发展,使其真正服务于人类的福祉。
![]()
人机融合的基本特征
人机融合是智能技术的重要特征,它不仅指人类使用智能技术,更强调人与智能技术、智能机器的双向驯化过程。这一过程导致技术中立论的破产,技术不再是价值中立的工具,而是具有价值依存的特征。人机融合的核心在于双向驯化,即人类和智能技术相互适应和影响。人类在使用智能技术的过程中,不仅改变了技术的应用方式,也被技术所改变。这种双向驯化体现在两个方面:一个是行为模式的改变,例如,智能手机和社交媒体改变了人们的社交方式和信息获取方式;另一个是认知能力的增强,如人工智能和增强现实技术增强了人类的认知能力,使人类能够处理更复杂的信息和任务。在人机融合的大背景下,强调技术与人的共生关系,技术不再是单纯的工具,而是与人类共同进化的伙伴。布莱恩·阿瑟在《技术的本质》中指出,技术是人类创造和使用的,但技术的发展也反过来影响和塑造了人类社会。芬伯格在《技术的转型:它是什么以及它如何进化》中提出,技术的发展和应用嵌入了社会结构和文化价值,技术不再是中立的,而是具有价值依存的特征。人机融合意味着技术深度嵌入社会结构和文化中。技术的发展和应用不再孤立存在,而是与社会的各个方面紧密联系。例如,智能城市的建设不仅依赖于先进的技术,还需要考虑社会治理、公共服务和居民生活等多个方面。智能城市通过传感器、数据分析和自动化系统,优化城市资源的分配和管理,提高城市运行效率和居民生活质量。但这种技术应用也嵌入了特定的社会和文化价值观,例如对隐私权的理解和保护、对公共资源的分配公平性等问题。人机融合带来的一个重要挑战是技术中立论的破产。传统观点认为技术是中立的,其善恶取决于使用者的意图和行为。然而,随着人机融合的深入,技术不再是中立的工具,而是具有价值依存的特征。技术的发展和应用不可避免地嵌入了社会、伦理和文化价值。智能技术的发展不仅是技术进步的结果,也是社会需求、文化背景和伦理考量共同作用的产物。例如,人工智能在医疗领域的应用,不仅需要考虑技术的准确性和效率,还需要考虑病人的隐私保护、数据安全和伦理问题。用通俗的语言来说,传统技术与智能技术的最大区别在于技术的“死活”问题,即智能技术具有更加活跃和自主的特性。传统技术通常是“死”的,需要人类预先设定条件和规则,按照确定的程序执行;而智能技术是“活”的,具有主动学习、自适应和创造性的能力。这一区别是技术领域中的一大革命性改变,也影响着技术与人的相互驯化关系。智能技术通过机器学习和大数据分析,不断优化自身的性能和功能,从而在复杂和动态的环境中表现出更高的适应性和灵活性。
![]()
思潮演变:从实证主义到实用主义
实证主义起源于19世纪,由法国哲学家奥古斯特·孔德提出。孔德认为,社会现象可以像自然现象一样,通过科学的方法进行研究,从而揭示其规律。实证主义的核心在于强调经验和观察,反对形而上学和神秘主义,主张通过实证的方法获取知识。他提出了“社会物理学”的概念,主张通过实证的方法研究社会现象,揭示其规律。孔德的这一思想奠定了价值中立(Value Neutrality)原则的基础。实证主义的三条原则包括以下内容。1. 社会现象是自然现象的延伸。孔德认为,社会规律和自然规律一样,都可以通过科学方法来研究。2. 可以采纳自然科学的模式,建立社会科学的理论框架。这表明社会科学应当模仿自然科学的方法论。3. 保持价值中立。科学研究应当客观,不受研究者个人价值观的影响。德国社会学家马克斯·韦伯进一步发展了价值中立原则。他在《社会科学方法论》中提出,社会科学研究应当区分事实判断和价值判断,研究者应保持中立,不应将个人的价值观带入科学研究中。韦伯的这一观点成为实证主义价值中立原则的重要理论依据。实证主义对社会科学领域产生了显著影响,推动了多个学科研究范式的形成。历史学家如列奥波德·冯·兰克强调通过文献证据来客观还原历史事实,摒弃作者的主观情感,力求达到史学的客观性。经济学家如亚当·斯密和后来的约翰·梅纳德·凯恩斯,都在其理论中运用了实证方法来分析和解释经济现象,推动了现代经济学的发展。实证主义推动了政治学的定量研究方法,比如选举研究和公共政策分析,这些都依赖于数据和统计方法来验证理论。心理学家如威廉·詹姆斯和约翰·华生,强调用实验和观察方法来研究人类行为和心理过程,推动了心理学作为一门科学的发展。20世纪初,实证主义开始受到挑战,主要因为它无法完全解释复杂的社会现象和人类行为。与此同时,实用主义(Pragmatism)在美国兴起,代表人物包括约翰·杜威和威廉·詹姆斯。实用主义强调知识的实际应用价值,主张科学研究应服务于社会实践。实用主义者认为,科学研究不可避免地受到研究者的价值观和社会背景的影响,应该承认并反思这种影响。实证主义强调科学方法的客观性和系统性,但在实际应用中,科学方法也存在局限性。例如,社会现象的复杂性和多变性,使得通过简单的实证方法难以全面揭示其规律。此外,科学方法在某些领域的应用也受到技术和资源的限制。实证主义强调科学研究的客观性,但随着哲学思潮的发展,研究者对客观性提出了质疑。后现代主义认为,科学研究不可避免地受到研究者的价值观和社会背景的影响,完全客观的研究是不可能的。这一观点挑战了实证主义的价值中立原则。社会问题的复杂性和多样性,使得单纯依赖实证方法难以解决实际问题。例如,贫困、失业、环境污染等问题,涉及多种因素的相互作用,难以通过简单的实证研究找到解决方案。实用主义者认为,科学研究应关注知识的实际应用价值,致力于解决社会问题。此外,如存在主义和现象学等思潮的兴起,也强调了人的主观体验和意义的构建。实证主义作为一种重要的哲学思潮,对社会科学的发展产生了深远影响。实证主义强调科学研究的客观性和系统性,主张通过实证的方法揭示社会现象的规律,并保持价值中立。然而,随着社会科学的发展,实证主义逐渐向实用主义思潮转换。实用主义者认为,科学研究不可避免地受到研究者的价值观和社会背景的影响,研究者应当承认并反思这种影响。对于今天的智能技术高强度使用者来说,通过理解实证主义到实用主义的转变,有助于理解价值中立原则从信念到崩溃的演变过程,也有助于理解价值中立原则向技术中立原则收缩、摇摆的过程,从而更好地把握当代智能技术的本质和这一技术思潮演化过程中,对东方文化背景下的中国意味着什么。
![]()
脆弱平衡:从价值中立到技术中立
在技术与社会研究领域,价值中立和技术中立是两个经常被讨论的概念。尽管它们在某些方面有相似之处,但也有显著的区别。实证主义与实用主义的思想演化为我们提供了理解价值中立原则向技术中立原则转化的历史背景。通过分析实证主义到实用主义的思想演化,我们看到,尽管价值中立原则在理论上具有吸引力,但在实际应用中面临诸多挑战。社会科学研究的复杂性、知识的社会建构、多元价值观的存在和技术发展的自主性等因素导致价值中立原则难以得到坚定的捍卫。技术中立原则同样面临脆弱性,因为技术的实际应用不可避免地受到社会和文化背景的影响。在20世纪30⁃50年代间,随着计算技术的兴起,数值计算、数据分析、自动控制和网络通信等日益成为强大的计算工具,推动了技术中立原则的确立,但也逐渐暴露出其局限性。技术中立的概念起源于20世纪中期,随着计算机和信息技术的发展,技术中立成为讨论技术影响的一个重要概念。随着技术对社会影响的加深,技术中立的观点逐渐受到质疑。批评者认为,技术的设计和应用不可避免地包含了设计者的价值观和社会环境的影响。现代技术中立的含义更为复杂,芬伯格强调技术的社会建构性,即技术不是完全中立的,其影响取决于设计、应用和社会环境。芒福德在《技术与文明》中指出,技术具有中立性,但其使用方式和社会影响受到人类价值观和社会结构的深刻影响。这一观点揭示了技术中立原则的脆弱性,因为技术的实际应用不可避免地受到社会和文化背景的影响。埃吕尔在《技术社会》中提出,技术发展已经脱离人类控制,成为一种自主性的力量。技术本身没有固有的价值,其影响取决于人类如何使用它。这一观点进一步揭示了技术中立原则的脆弱性,因为技术的发展和应用已经超出了人类的控制范围。尽管技术中立原则在理论上具有吸引力,许多学者对这一原则提出了反思和批判。马尔库塞在《单向度的人》中指出,技术理性不仅是工具理性,更是一种社会控制形式。技术不仅是中立的工具,还包含了隐性的政治和伦理价值。温纳在《技术的统治》中提出,技术设计和选择中包含了隐性的政治和伦理价值。技术不仅改变了我们的生活方式,也改变了我们的价值观和社会结构。普特南在《理性、真理和历史》中指出,技术不仅改变了我们的生活方式,也改变了我们的价值观和社会结构。技术的发展和应用不可避免地受到社会和文化背景的影响,技术中立原则在实际应用中难以得到坚守。随着计算技术的广泛应用,价值中立和技术中立原则逐渐受到挑战:在社会科学研究中,完全的价值中立变得难以实现。研究者的价值观和社会背景不可避免地影响研究过程和结果。此外,技术的应用也不可避免地带有价值导向。例如,计算技术在军事、商业和社会控制中的应用显示出其并非完全中立。技术的设计和使用过程往往反映了特定的社会和政治意图。
![]()
计算转向:计算思想的“奥本海默时刻”
20世纪中叶是社会、经济与技术思潮剧烈变革的时期。这个时代不仅见证了全球范围内的工业化进程和经济增长,还经历了科学技术的飞速发展,特别是核技术和计算机技术的突破。技术上,20世纪中叶见证了核技术和计算机技术的重大突破。1945年,原子弹在广岛和长崎的投放标志着“奥本海默时刻”的到来。罗伯特·奥本海默作为曼哈顿计划的科学领袖,他的名字与核武器的开发紧密相连。这一时刻不仅代表了科学技术的巨大威力,也引发了对技术伦理和人类未来的深刻反思。“奥本海默时刻”作为这一时期的标志性事件,深刻影响了人类与自然的关系。进入21世纪后,随着“人类世”(Anthropocene)概念的提出,人类对自然环境的影响被重新审视,这为理解计算转向提供了重要背景。在关于人类世概念的讨论中,一个关键问题是人类世的起点应该定在何时。地质学家提出了多个可能的时间点,其中多数科学家认为1945年的原子弹爆炸可以被视为人类世的起点。这一具有象征意义的“奥本海默时刻”表明,人类可能已经创造了超出自身控制能力的人造物。在核时代,这一事物是原子弹;而在智能时代,这一事物则是人工智能。2024年春季以来短短数月,人工智能领域连续发生了几件大新闻,极大地震撼了公众和业内人士,这些科技事件旋即被媒体惊呼为“奥本海默时刻”,诸如OpenAI公司的SORA,以及谷歌的Gemini 1.5所发布的极端逼真的文本生成视频。同时,AI领域一众大佬发声,包括辛顿、杨立昆、李飞飞、吴恩达等,纷纷表达对AI未来立场迥异的看法。这些事件不仅展示了AI技术的飞速进步,也引发了关于AI未来发展方向和社会影响的深刻讨论。通用人工智能(Artificial General Intelligence, AGI)常被誉为人工智能领域的“圣杯”,因为它代表了能够像人类一样理解、学习和应用知识的机器智能。AGI的实现被视为AI研究的终极目标,标志着机器智能能够胜任广泛的智力任务,并具备与人类相似的适应能力。自AlphaGo取得成功以来,AI的计算能力呈现出指数级增长。从最初的CPU到GPU、TPU,再到如今的大规模集成GPU,计算引擎的进步为AI的发展提供了强大的支持。在这种背景下,人类追逐疯狂计算的脚步越来越快。中国人民大学哲学教授刘晓力指出,AGI被视为一个隐而不现的圣杯,而在强大算力的支持下,AGI的实现似乎变得越来越可能。在“大力出奇迹”和暴力美学的现实面前,AGI的“圣战骑士”将计算进行到底的决心与日俱增。这种追求极致计算的理念,不仅在技术上推动了AI的发展,也在社会层面引发了对计算主义信仰的新一轮狂热。AlphaGo的成功进一步强化了这种信仰,似乎一切皆可计算,一切皆应计算。然而,计算主义是否能够解决所有问题?这是一个值得反思的问题。生成式AI大模型的出现,使得文生章、文生图、文生视频几乎成为现实。多模态生成的实现,标志着AI在理解和生成复杂信息方面取得了重大突破。未来,人类是否将进入一个超大规模的叙事、理解、传播和解释大爆炸的时代?这是一个值得探讨的问题。在计算主义的基础上,今天的有效加速主义和安全主义等各种主义之争,显得捉襟见肘。各种意见纷呈的讨论,事实上暴露了一个真实的问题,即各种主义都共享价值中立或者技术中立的观念,这一点恰恰是最危险的地方。在享受计算便利、计算能力的同时,计算转向的潮流,大大掩盖了技术中立论破产的真实状况。让人们误以为大家彼此遵从同样的价值理念,这是完全错误的。![]()
计算转向与数学思想的演变：从存在性数学到构造性数学
计算转向(Computational Turn)是指计算思维和计算技术在各个学科和领域中的广泛应用和普及。其背景可以追溯到20世纪中叶计算机技术的兴起,以及随后的信息技术革命。随着计算能力的不断提升,计算技术在科学研究、工程设计、社会管理等方面发挥了越来越重要的作用。计算转向不仅与计算机技术的进步密切相关,还深受数学思想演变的影响。特别是从17世纪到19世纪,数学从存在性证明向构造性证明的转变,为计算转向奠定了重要的哲学和理论基础。这一转变不仅反映了数学思想的变迁,也与当时的社会和科学背景密切相关。在数学中,存在性证明和构造性证明是两种不同的证明方法。存在性证明通过逻辑推理证明某个对象或性质的存在,但不一定提供具体的构造方法。例如,康托尔在其集合论中,通过对无穷集合的分析,证明了实数集的不可数性。这种证明方法强调的是逻辑一致性和理论完备性。与此相对,构造性证明则要求给出具体的构造方法,证明某个对象或性质的存在。例如,在数论中,欧几里得通过构造一个新的素数,证明了素数的无穷性。构造性证明不仅关注存在性,还强调实际的构造过程和方法。事实上,阿兰·图灵在1936年提出的图灵机就是构造性数学思想的典范。图灵机是一种抽象的计算模型,通过具体的操作步骤,模拟了计算过程。图灵的工作不仅解决了数学中的判定问题,也为计算机科学的发展提供了理论基础,奠定了计算理论的基础。20世纪中叶,随着算法理论的发展,计算复杂性理论的发展进一步推动了构造性数学和计算科学的结合。计算复杂性理论研究算法的效率和资源需求,强调算法的具体实现和优化。这一领域的研究不仅具有重要的理论意义,也在实际应用中发挥了重要作用。计算转向不仅是技术的革新,更是思想观念的转变。通过计算思维和计算技术的广泛应用,人类在探索自然和社会的过程中获得了新的工具和方法。然而,计算转向也带来了新的伦理和社会责任问题,需要我们在技术进步的同时,保持对伦理和社会问题的高度关注。
![]()
计算转向与工程师文化的兴起
计算转向的第二个特征是工程师文化的兴起。伴随着启蒙运动、工业资本主义的崛起和实证主义思潮,科学家向工程师转化的历史潮流逐渐形成,工程师文化在这一过程中应运而生。计算转向不仅是技术和数学思想的变革,更是社会和文化变迁的结果。这一文化不仅影响了数学和科学的方法论,也塑造了现代社会的世界观。工程师文化强调实际应用、技术实现和持续改进,工程师思维成为社会主流。马克思在《关于费尔巴哈的提纲》中指出:“哲学家们只是用不同的方式解释世界,而问题在于改变世界。”这一观点反映了工程师文化的核心理念,即通过技术手段改变和改造世界。达朗贝尔主编的法国大百科全书对工程师的定义是:“在军事艺术领域,运用数学知识在纸上或地上进行各种事实的描绘,以及进攻与防守工作的专家”。这一定义强调了工程师在实际应用中的重要角色。英国科学家、计算机发明家巴贝奇则指出:“工程师的职责是把科学的知识转化为生产力。”这一观点进一步明确了工程师在技术创新和经济发展中的关键作用。1800年前后,西点军校、洪堡大学和巴黎理工学院等工程教育机构相继创办,标志着工程师教育的制度化和专业化。这些机构不仅培养了大量工程技术人才,也推动了工程师文化的传播和发展。工程教育机构的建立,充分体现了追求实用、崇尚实证的工程师文化逐渐成为社会主流。工程师文化的兴起,进一步推动了数学从存在性证明向构造性证明的转变。工程师在解决实际问题时,更关注具体的构造方法和可实现性,这与构造性数学的理念高度契合。构造性数学不仅强调数学对象的存在性,还要求提供具体的构造过程和方法,这为计算技术的发展奠定了理论基础。工程师文化强调量化计算、分析和假设检验的科学方法论。工程师在设计和实现技术方案时,通常需要进行大量的计算和分析,以确保方案的可行性和优化性。假设检验作为科学方法论的重要组成部分,也在工程实践中得到广泛应用。通过实验和数据分析,工程师可以验证假设、优化方案并持续改进。优化与持续改善是工程师思维的重要特征。工程师在设计和实现技术方案时,不仅关注初始设计的可行性,还强调通过不断优化和改进,提升方案的效率和效果。这一思维方式在工业生产、工程设计和技术创新中发挥了重要作用,推动了技术进步和经济发展。工程师文化不仅影响了科学和技术领域,也逐渐渗透到社会的各个方面。今天,普罗大众的世界观笼罩在工程师思维的场域中。人们在日常生活中越来越依赖技术手段解决问题,工程师思维成为解决复杂问题的重要工具。
![]()
人工智能中计算主义的思想渊源
2023年3月,ChatGPT发布后,乔姆斯基对其表达了强烈的反对。在乔姆斯基看来,ChatGPT及类似的语言模型依赖于大量数据和计算能力,而缺乏逻辑和道德。他认为这些模型只是通过蛮力计算来处理信息,而不具备真正的理解和推理能力。在乔姆斯基看来,这种对知识谱系的野蛮践踏意味着当前的人工智能技术,无论是加速主义还是其他主义,都对传统的知识体系表现出一种轻蔑的态度。他们要么觉得这些体系过于平庸,要么觉得它们的进展过于缓慢,因而需要完全的创新和重构。然而,即便如此,这种所谓的“超越”也无法掩盖人工智能背后很深的西方文化思想。1979年,美国人工智能学者Pamela McCorduck在其著作《人工智能》中提到:“人工智能是一个贯穿西方思想史的观点,是一个亟待实现的梦想。”这一梦想可以追溯到莱布尼茨等思想家。莱布尼茨在20岁时所著的《论组合艺术》中提出了这样一个著名的观点:当两个人之间有争论时,可以简单地说“让我们计算吧”,通过计算来解决争议。这一观点反映了从古希腊到中世纪、文艺复兴和启蒙运动,西方思想演化过程中计算所占据的重要地位。计算通过符号化来解决共识问题,这一思路延续至今,逐渐演变成“代码即法律,一切皆计算”的观念。近20年来,技术思潮的核心是“代码即法律,一切皆计算”。这一观念不仅有深厚的文化渊源,而且在现代社会中得到了强大的软件和硬件技术成就的支持。专业人士和非专业人士都从这些技术工具中受益,但往往忽视了其计算主义本质的思想。Church⁃Turing论题在20世纪80年代被英国物理学家多伊奇(David Elieser Deutsch)扩展到量子计算领域,形成了CTD(丘奇—图灵—多伊奇)论题。这一论题并不是一个数学定理,而是一个猜想。CTD论题的核心是:任何与人类相关的计算问题都可以转化为图灵机来实现。换句话说,CTD论题为计算主义提供了合法性基础,但在数学上尚未得到证明。关键是,这一点并未获得足够重视,人们往往误以为CTD论题是计算理论坚如磐石的基础,其实它只是一种有待深度阐释的猜想。
![]()
一切皆计算:脆弱的数学基础
计算技术和人工智能的蓬勃发展,使得“计算崇拜”在当代社会蔚然成风。计算转向由此出现两个相互抵牾的特征:一方面“计算崇拜”在计算技术、人工智能的广泛应用下变得日益流行;另一方面计算理论的基础CTD论题却仅仅是一个猜想,而不是数学定理。这似乎意味着“一切皆计算”的主张,建立在脆弱的基础上。这一脆弱的基础,从数学角度看,就是发生在16⁃20世纪,从笛卡尔到莱布尼茨,再到图灵所出现的数学的“代数化”。笛卡尔的解析几何,作为数学史上第一次代数化浪潮的代表,将几何图形纳入了代数计算的范畴,极大地推动了数学的发展。微积分和数学分析的诞生,更巩固了代数化在数学中的统治地位。20世纪数学家阿蒂亚曾尖锐地指出:20世纪的数学家,在追求强大的计算能力的同时,也迷失了数学的“灵魂”——直觉,在他看来这是数学思想的“堕落”,他用了这样一个词语“浮士德的交易”。他呼吁21世纪的数学应该重拾几何学的直观力量,摆脱对计算的过度依赖,找回数学的尊严和创造力。总而言之,计算主义固然推动了科学技术的进步,但其基础的脆弱性和对直觉的潜在忽视,也值得我们警惕。未来的数学发展,需要在强大的计算能力和深刻的直观洞察力之间找到平衡点,才能创造更加辉煌的未来。在当代科技迅猛发展的背景下,我们面临一个根本性的问题:是否可以通过数学理解世界的本质——到底是连续的,还是离散的?这一问题不仅仅是学术上的探讨,更是对我们认知世界方式的深刻反思。如果我们无法深入探讨并解决这一问题,我们可能会迷失在各种技术风潮中,成为被动的“吃瓜群众”,无法真正理解背后的科学原理和未来发展方向。解释权问题是21世纪面临的重大挑战之一。解释权不仅包括狭义的专业主义解释,例如对人工智能决策过程的解释,还包括广义的文化解释,例如对数字技术对社会文化影响的理解。如果解释权问题不能得到有效解决,数字孪生技术可能会导致我们陷入一种“数字圈养”的状态。美国在未来30年的科技愿景中,对数字技术的发展有着清晰的规划。包括《自然》、《时代》和《机器人的崛起》等媒体报道,都显示出美国对基因编辑、奇点临近和人工智能崛起的深刻预见。20年前,美国政府发布的《关于21世纪的科技战略》报告中,明确提出“聚合科技改变未来”的基调,强调纳米技术、生物技术、信息技术和认知科学四大领域的融合将改变人类的未来,并保持美国的全球领导地位。为了应对这些挑战,我们需要深入挖掘数学思想,特别是其文化维度。数学不仅是冰冷的公式和算法,更是一个充满生命力的思想体系。我们需要回溯数学发展的历史长河,理解数学从符号化、抽象化到体系化的演变过程,以及其中所凝结的文化要素。总而言之,我们需要以更加批判的眼光审视计算主义,并深入思考世界本质、解释权危机以及数学的文化维度等问题。只有这样,我们才能在数字时代保持清醒的头脑,并创造一个更加美好的未来。
![]()
孤注一掷: “计算主义”拯救世界?
计算崇拜者认为一切皆可计算,这一思想有着深远的历史根源。从柏拉图到普罗提诺,从莱布尼茨到图灵,这种计算决定论反映了人类对认知和世界理解的深层次问题,并将产生重大影响。计算复杂性理论是计算机科学的一个重要分支,研究算法在资源(如时间和空间)上的效率。其核心问题是确定某个问题在给定资源限制下是否可解,以及解的效率如何。主要的复杂性类包括P类、NP类、NP完全问题和NP难问题。P类问题可以在多项式时间内解决,而NP类问题则可以在多项式时间内验证解。NP完全问题是NP类中最难的问题,如果一个NP完全问题可以在多项式时间内解决,那么所有的NP问题都可以在多项式时间内解决。NP难问题至少与NP完全问题一样难,但不一定属于NP类。莱文⁃库克定理(Levin⁃Cook Theorem)是计算复杂性理论的一个重要里程碑,揭示了NP问题的内涵。斯蒂芬·库克(Stephen Cook)和列昂尼德·莱文(Leonid Levin)分别在1971年和1973年独立提出了这一定理,证明了存在一个NP完全问题,即布尔满足性问题(Boolean Satisfiability Problem,SAT)。具体来说,如果布尔满足性问题可以在多项式时间内解决,那么所有NP问题都可以在多项式时间内解决。这一发现揭示了NP类问题之间的深刻联系,并为研究NP问题提供了一个统一的框架。莱文⁃库克定理带来了一个著名的数学问题——P是否等于NP?这一问题的回答,将产生完全不同的两种世界图景。P等于NP意味着所有难解的问题最终都可以解决,这是计算决定论(Computational Determinism)的观点,认为一切皆可通过计算和算法来解释和解决。这一思想有着深远的哲学根源,从柏拉图的理型论到莱布尼茨的单子论,再到图灵的计算机模型,均体现了人类对世界的计算化理解。图灵的“图灵测试”进一步探讨了机器智能的可能性,认为如果一台机器能够在对话中表现得与人类无异,那么它就可以被认为具有智能。这一观点推动了人工智能的发展,并强化了计算决定论的信念。然而,P不等于NP则意味着存在一些问题,即使我们知道其解法,也无法在合理的时间内找到解决方案。这一结论将对计算决定论产生巨大冲击,表明并非所有问题都能通过计算手段解决。这也引发了对计算的局限性和人类认知边界的深刻反思。此外,计算决定论带来一个很大的“麻烦”,就是如果相信绝对的计算决定论,势必要拒斥自由意志的存在。在意识问题上,会陷入彻底的机械论。这不但难以为人们的情感所接受,也面临诸多计算技术的挑战,诸如经典的计算维数灾难问题、不可解问题等等。一个可计算的世界显露出悖谬的面相:一方面计算决定论存在冷酷严峻的一面,另一方面计算技术看上去又似乎难以达到完全的可计算。这个巨大的裂隙,使得人们不得不重新思考计算的含义,以及计算到底能做到什么程度。2024年4月10日,2023年度的图灵奖颁给了以色列计算科学家Avi Wigderson,以表彰他在计算复杂性领域的卓越贡献。Avi Wigderson的获奖可谓实至名归。他在近40年的研究历程中,孜孜以求地试图从另一个方向加深对“P是否等于NP”问题的理解。在计算复杂性分类中,BPP(Bounded⁃error Probabilistic Polynomial time,有界误差概率多项式时间)是另一个复杂性的类,它包含那些可以通过概率性算法在多项式时间内解决的问题,而这些算法有一定的概率产生错误,但产生错误率是有限制的,或可控的。例如,算法可能会有99%的概率给出正确答案,而有1%的概率给出错误答案。当我们说BPP = P时,这意味着所有那些原本需要使用概率性算法来解决的,并且允许一定错误率的问题,实际上都可以通过一个总是给出正确答案的确定性算法在多项式时间内解决。这是一个非常重要的理论发现,因为它表明我们不需要依赖随机性或概率,就能解决很多看似需要随机性的问题。Avi Wigderson的重要贡献可以通俗地概括为:如果P不等于NP最终被确认,意味着存在一些问题无法在多项式时间内用确定性算法解决。然而,Wigderson通过研究伪随机数生成器和随机算法,证明了即使在某些问题无法在多项式时间内确定性地解决的情况下,我们仍然可以使用伪随机数生成器来模拟随机算法,从而在多项式时间内近似解决这些问题。这一发现表明,随机性和难解性之间有着深刻的联系,使得在计算复杂性理论中,随机算法的效率可以在一定条件下通过确定性算法来实现。这个结论表明,人们可以完全从实用的角度看待算法,即便不能最终得到完全可解的算法(解析算法),但仍然可以以一定的概率得到逼近算法(近似解),这对于人而言,已经足够用了。以色列计算机科学家Oded Goldreich在《计算复杂性》一书中区分了三种类型的随机性。第一种随机性是香农提出的,认为随机性就是信息的缺失,可以用缺失数据可能取值的概率分布来表达。第二种是Solomonoff、Kolmogorov和Chaitin提出的,认为随机性代表结构上的缺失,侧重语言学和符号学的字符串表达。第三种是借助伪随机性,试图驾驭现实世界在多主体交互过程中出现的随机性。Goldreich将这种随机性描述为“观察者的一种印象,与观察者的分析能力有关,主要表现为计算能力。”从这个角度来看,计算决定论似乎有了新的动向:把“可计算”的难题降低到“概率可计算”的水平,在满意解、近似解的层次,确保可计算性是真正可计算的,从而回避了“难解性”的理论难题。这是一个意味深长的变化,也是实用主义再次掩盖深层矛盾的又一个范例。![]()
1951年,爱尔兰戏剧家贝克特的《等待戈多》上演。这个看上去平淡无奇的三幕话剧中,两个流浪汉不停地嘟囔,围绕一个核心问题:戈多会来吗?这个问题是“要不要等下去”的信念支撑。假如戈多确定不会来,那么等就毫无意义。流浪汉迟疑不决的,恰恰是这个“会不会来”的本源问题,难以作答。引用这个戏剧故事的隐喻,结合对Wigderson获奖论文的分析,我们可以看到“计算崇拜”背后的信念假设,相当于认为,“P等于NP”,即“一切皆计算”。但在现实的环境下,计算主义却不得不更换另一副面孔,用概率计算来取代真正的计算——这些真正的计算因为其过于繁难,实际上无法在现实中实现。这其实给出了这样一幅诡异的画面:一方面相信计算可以搞定一切,另一方面却不得不接受降低标准的赝品。这就是“计算崇拜”的真相。这一真相仿佛安徒生《皇帝的新衣》中描绘的那个荒诞的画面:裁缝给皇帝披上了一件无所不能的超级新衣,但事实上什么也没有。相信计算搞定一切的人们,似乎并没有意识到“计算决定论”在学理、机理乃至思想层面其实脆弱不堪——但因为它格外华丽,它所呈现的计算世界,足以让今天的人们震撼不已、兴奋不已——至于到底能不能搞定一切,只要它的表现足够好,又有什么关系呢?这是一个尚未提到议事日程上的问题。这也是技术中立论破产、计算崇拜兴起之后,人类面临的思想挑战。计算决定论不仅在理论层面存在诸多争议,在实际应用中也面临诸多困境和挑战。随着计算技术的不断发展,人们逐渐意识到,计算并不能解决所有问题,尤其是在涉及复杂社会、伦理和文化问题时,计算的局限性尤为明显。首先,计算决定论面临的一个主要挑战是计算资源的限制。尽管计算机的性能在不断提升,但计算资源(如时间和空间)仍然是有限的。对于一些复杂问题,即使存在理论上的解法,也可能由于计算资源的限制而无法在现实中实现。例如,密码学中的许多问题,如大整数分解,尽管在理论上可以通过穷举法解决,但由于需要的计算时间过长,实际上是不可行的。这表明,计算决定论在面对实际问题时,往往会遇到现实的瓶颈。其次,计算决定论在处理不确定性和复杂系统时也存在局限性。许多现实世界的问题,如天气预报、金融市场预测等,涉及大量的不确定性和复杂的交互关系。尽管现代计算技术可以处理大量数据并进行复杂的计算,但由于系统的高度复杂性和不确定性,计算结果往往具有较大的误差和不确定性。正如Wigderson的研究所揭示的那样,概率算法在某些情况下可以提供近似解,但这些解的准确性和可靠性仍然受到限制。此外,计算决定论在社会和伦理问题上的应用也面临诸多挑战。计算技术在社会治理、医疗、教育等领域的广泛应用,带来了许多伦理和社会问题。例如,人工智能在医疗诊断中的应用,尽管可以提高诊断的准确性和效率,但也引发了关于隐私保护、数据安全和伦理决策等方面的争议。计算决定论在这些问题上的应用,往往需要综合考虑技术、伦理和社会因素,而不仅仅是技术层面的计算。计算决定论还面临一个深刻的哲学挑战,即关于自由意志和意识的问题。如果一切皆可计算,那么人类的自由意志和意识是否也可以通过计算来解释?这一问题引发了广泛的哲学讨论。机械决定论认为,所有的物理现象,包括人类的行为和意识,都是由物理定律决定的,因此在理论上是可计算的。然而,这一观点在面对人类复杂的心理和行为时,显得过于简单和机械。许多哲学家和科学家认为,人类的意识和自由意志具有独特的性质,无法通过简单的计算模型来解释。综上,计算决定论虽然在理论上具有吸引力,但在实际应用中面临诸多挑战和局限。计算资源的限制、不确定性和复杂系统的处理、社会和伦理问题的综合考量,以及关于自由意志和意识的哲学问题,都是计算决定论需要面对的难题。尽管如此,计算技术在推动科学和技术进步方面仍然具有重要作用。理解和认识计算决定论的局限性,有助于我们更好地应用计算技术,解决实际问题,并应对未来的挑战。⭕️文章来源：《浙江学刊》2024年第5期，注释从略，如需阅读原文，请移步《浙江学刊》。本文版权归作者和期刊所有，本文仅享有编辑排版权，文中观点不代表本公号。⭕️“学术匠”开设了投稿交流、新书咨询和学术交流类社群，有意愿参与社群互动或交流相关学术资源的学人可以在文末扫码入群或添加小编VX：XueShuJiang001，纯公益、不商业，因此也谢绝一切商业机构或相关个人营销与传播。
⭕️学术匠已开通运营“書將”公众号。“書將”公号将作为学术匠“新书荐读”栏目的补充，每天推荐1个书单+3本新书/好书，纯公益、不商业，有需要的学人请关注！⭕️微信公众号平台更改了推送规则，如果您不想错过“学术匠”的文章，请将我们设为"星标"，这样每次最新文章推送才会第一时间出现在您的订阅列表里。方法：先点击页面左上角蓝色“学术匠”进入主页，再点主页右上角"..."，然后选择"设为星标"。
![]()
▼喜欢此内容的人还喜欢▼
