第十章

问题
电脑很无聊。他们只给出答案。————巴勃罗●毕加索

10.1科学

那是一个春天的日子。我是英国剑桥大学的一名数学学生那是一个春天的日子。我是英国剑桥大学的一名数学学生。和大多数早上一样，我都去了举办讲座的艺术学校。教学组织得很好，但有点可预测。人们可以从一周中的一天是偶还是奇，以及时间是偶还是奇来判断每个讲座是什么话题。除此之外，这些早上基本上都是平安无事的。
然而，那天却有点不同。一个我不认识的老人正站在前面。我们很快就发现，保罗·狄拉克即将做退休演讲。即使是像我这样的本科生也会知道狄拉克发现了量子力学理论的很大一部分，因此是20世纪物理学的重要人物。他们也会知道，他写了一本受人尊敬的教科书，担任过牛顿曾经担任的卢卡斯教主席，也许他在几十年前就获得过诺贝尔奖。然而，任何希望在这次退休讲座中获得任何满意或胜利的人都会感到失望。他的主题很遗憾。
他解释了在量子力学研究中，每当他发现一些东西，他就发表它，并等待发现得到其他人的接受。这种验证将以其他人的形式继续他的工作，以做出进一步的发现。他的遗憾是，他不能足够认真地对待自己的工作，他不能在此基础上发展，自己采取下一步，而不等待其他人这样做。如果他没有这种心理障碍，他就会取得更多的成就。
我一直认为科学是完全非个人化的。如果是谁发现的，或者是谁说的，或者是怎么说的，都很重要，那么它就不是科学了。然而，正如我那天了解到的，对科学的追求可能是一件高度私人的事情。从那以后，我一直想知道这些个人追求如何结合在一起，建立科学的整体大厦。

10.2 一个更强烈的生态未来

自从我们人类第一次到达现场以来，情况已经发生了很多变化。我们现在一起种植食物和烹饪它。我们中的许多人生活在由数百万人组成的高度有组织的社区里，水和电力管道进入我们的家，垃圾管道排出。最近，我们也以惊人的速度进出。
在人类出现之前，地球上的达尔文进化和另一方面是更普遍的个体生物体学习算法之间存在着平衡。生活形式进化了。进化的结果是为了给生物体一定的学习能力，使它们作为个体能够在他们的生命中适应世界。一些材料，如鸟鸣，被传下来，每一代都从上一代学习。然而，达尔文进化仍然是负责所有超过个体生命的重要新适应的机制。有机体在其生命中进行的学习和推理的影响比个体的寿命要有限。
随着人类文明，这种平衡明显倾向于更普遍的算法，而远离达尔文进化的有限算法。由于更强大，这些一般的算法加快了变化的步伐。个人已经可以教他们的孩子，并传授他们所学到的知识，但随着文明的出现，他们可以创作歌曲、诗歌、绘画和书籍，能够延长他们个人创造者的寿命。它们可以被广泛地和无限期地用作子孙后代的教材。通过这种方式，个人智力工作中固有的知识成为一种共享的资源和文化的一部分。一个人可以第一次获得代表成千上万不同的人从经验中获得的知识的回路，而不必经历他们的经验。人们可以把集体知识的大量积累看作是，这是可学习的目标追求，这在以前仅限于单个个体学习时是不可能的。
文化也会经历着变化或进化，但这种变化不再受到达尔文原则的限制。在这种文化演变的一些显著伴随物中，科学的发现和开发，以及由此带来的我们生活方式的变化。几千年来，培育对人类更有价值的动植物一直很重要，现在它使维持比其他可能的人口多得多。正如达尔文所强调的，这种人工选择本质上与自然选择是相同的过程，除了适应度的选择是人工做出的。在我们的术语中，它们都遵循相同的进化算法，除了前者是由教师或随意重新定义目标的环境驱动的。
以这种无意的方式利用算法的力量是一回事。现在我们更好地了解了它们的潜力，并可能通过技术更充分地利用它，算法将比迄今为止更戏剧性地重塑我们的文明。从我们目前使用网络搜索引擎的经验中，就可以收集到这种力量的一点暗示。如今受教育程度最低的人比二十年前受教育程度最高的人要多得多。在搜索引擎中使用的基本算法，即筛选出包含某些单词的网页，并首先呈现出那些最有可能感兴趣的单词，不过是算法。网络的强大力量完全归功于它的运营规模——数十亿个网页。同样的算法运行在一个小的、专门的数据集上，也不会引起什么兴趣。
我们对巨大数据集的直觉，以及可能从中提取的信息，仍处于起步阶段。但毫无疑问，这样的数据集的存在，以及通过学习算法挖掘它们的可能性，是我们世界的一个主要的新方面。一旦更复杂的学习算法释放了世界上所有可用的信息，我们可能会收集到任何其他方式都无法获得的知识。例如，毫无疑问，如果数十亿人的详细的病史和个人习惯能够以一致的电子形式出现，那么就可以做出关于医疗和卫生保健的重大新发现。但机会似乎更大。在计算机技术的帮助下，我们利用人工系统中的算法来发挥更充分的潜力，我们可以希望并追求像前两个进化阶段生物和文化本身产生的惊人的结果。

10.3 如何表现？

当我们交谈和写作时，我们会报告我们的大脑回路的输出。这些电路通常不计算任何理论上的或预先规定的东西。它们是由数十亿年的事件引发的学习过程的结果，并调整以执行一些无理论的任务。这些电路所实现的输入/输出功能的确切性质超出了我们目前的理解。
然而，我们可以对这些电路有一些概括。例如，在科学领域，专家的大脑回路的输出通常彼此高度一致。此外，他们经常非常准确地预测未来实验的结果。基于这些预测的技术产品通常可以按照预期的那样工作。在这种高度一致性和高度预测准确性的领域，人们自然会认真对待这些大脑回路的输出，认为它们不仅是个人情感的表达，还具有某种现实性。考虑到他们准确性的压倒性经验证证据，反对他们肯定是不明智的。
更广泛地说，我们必须认真对待专家们对他们过去做出准确预测的情况的言论。正如我们所知，我们的水管工、医生和汽车机械师应该认真对待他们各自的预测记录。即使没有这样的记录，我们也可以被建议遵循那些有经验的人的建议。即使是短时间，只符合过去数据的预测可能是我们能得到的最好的建议，无论这些预测是否有理论基础。在承认这一点时，我们接受了PAC的学习感是我们通常所能期望达到的最好的目标，因为这个世界是如此复杂和不确定。
然而，这样的概括只带我们到目前为止，它们很少告诉我们我们应该如何看待人类关注的许多领域，这些领域没有共识，几乎没有证据表明有人的大脑回路具有高度的预测性。我们不需要提醒我们，几个世纪以来一直存在的许多信仰缺乏永久的地位。人们对政治、种族、性别、宗教、艺术、经济和健康的态度非常高涨，在目前世界各地能够、甚至能够认同许多相互矛盾的观点中，很少有人会认同其中的一小部分。我们总是可以把个人对一个问题的声明，如个人感情的表达，并在此基础上给予它应有的尊重。然而，我们需要谨慎。我们不应该过于急切地适应我们的观点，以符合别人的观点。我们知道，我们的巡回法院可以急于根据很少的证据做出判断。我们必须记住，他们也能这样做。
相反，我们也应该谨慎地承担欺骗他人的责任。如果我们除了个人感情之外的观点没有有效性，那么很难想象我们能有什么理由来发挥作用。因此，以政治或政策为导向的组织也有利，其主要目标是促进特定的个人观点，保持克制，特别是在一个信息可以以前所未有的规模廉价传播的时代。正如丘吉尔所说，“未来的帝国是心灵的帝国。”社会能允许任何促进无理论的组织成长为帝国的利益吗？

10.4 奥秘

人类个人经历的一个重要方面是神秘的事情——我们不理解和不知道的事情。科学理论也有神秘，即那些理论基本但没有它们解释的方面。这样的神秘团，通常是该理论的作者所知道的。一个著名的例子是在牛顿物理学中心的惯性和引力质量的身份。牛顿将前者比作一个物体被一种力加速的阻力，将后者比作另一个物体施加给它的引力。这种表面上的巧合是他的力学理论的核心部分，但他知道他没有任何解释。直到爱因斯坦的广义相对论被从神秘的领域中移除。
早些时候，我引用了尤金·维格纳关于数学在物理科学中的有效性的评论。即使我们利用数学来获得对物理世界更准确的预测理解，为什么这种方法有效——为什么抽象的数学思想应该阐明物理世界——如果有的话，已经变得越来越大的谜。
我认为，算法提供了一种可以更深入地理解进化和认知现象的途径，但算法也有它们的奥秘。最后，最好更明确地说明其中一些。
首先，整个理论是基于这样一个概念，即有计算的数学理论可以解释计算、学习和进化的极限。这反过来又基于一个单独的概念，即有鲁棒的计算模型来捕捉这些现象。有很多证据表明这两种观点都是正确的。然而，就像物理科学中的类似陈述一样，为什么这些概念应该成立是完全神秘的，而且没有迹象表明我们有一个可行的方法来理解它们。
其次，虽然我把进化和认知都为算法的表现，但目前尚不清楚生物学中运行的主要算法是什么。我认为这些目前的谜团可能比第一组更容易处理。我相信，随着惯性与引力问题最终得到解决，这些也将在未来的调查中。所有的科学都需要做出贡献。
人们可能会问，为什么人类在科学领域的进步比在其他领域要成功得多。在我看来，这完全归功于科学本身的本质，而不是关于追求科学本身的人类的任何特殊之处。科学确实取得了进展，而且这一最终结果不会受到这个过程中任何变化的威胁。科学得到了强大的脚手架的支撑，我们可以一步一步地上升。虽然每一步都有惊喜，可能难以采取，但回顾时发现的整体统一是惊人的。
学习机制的科学探索了一个计算有限的实体如何在一个过于复杂而无法建模的世界中取得成功。它关注三件事：计算有界的实体，在一个复杂的世界中的成功行动，以及最重要的是，两者之间的关系。
达尔文观察到，生命是一种简单的进化机制的结果的观点是伟大的。该算法公式旨在更明确地理解进化的机制，以及它的孩子，认知。这里的进一步进展肯定会增强而不是削弱这种对宏伟的看法。它将有助于在科学的范围内叙述我们亲密的本性，并解释为什么这样的解释可以被其卑微的法律生物发现。