说人机伙伴关系的一本书

《柏拉图与技术呆子》

Plato and the Nerd

 

人类与技术的创造性伙伴关系

 

一部科技达人的科技史和哲学著作,

一部突破人类想象思维,融合历史叙事与人文关怀的大众科普读物

形成聚焦价值引领、激励原始创新的科技文化生态

 

基本信息

书名:柏拉图与技术呆子

作者:[美]爱德华·阿什福德·李

译者:张凯龙 冯红

定价:88.00元

开本:16开(230mm×155mm)

装帧:平装

字数:310千字

印张:24.25

页数:388页

分类:科普新知

关键词:科技哲学/柏拉图式真理/洞穴寓言/模型之模型/前沿科技/思维革新/工程师智慧/创新/创造力/人机伙伴关系/共生关系

出版时间:2020年9月

ISBN:9787521714241

 

作者简介

爱德华·阿什福德·李,现任伯克利工业CPS研究中心主任,曾任加州大学伯克利分校电气工程与计算机科学系主任,现为该系罗伯特·S.佩珀特聘教授。主要研究方向是嵌入式与实时计算系统的设计、建模和模拟。他是嵌入式系统领域的知名学者,也是CPS研究的倡导者和引领者之一。李教授分别于耶鲁大学、麻省理工学院及加州大学伯克利分校获得本科、硕士及博士学位。他共有《嵌入式系统:CPS方法》等专著8部。他是电气与电子工程师协会会员,获电气与电子工程师协会杰出技术成就与领导奖、美国国家科学基金会总统青年科学家称号以及弗雷德里克·特曼工程教育奖。

 

内容简介

这是一本打破学科边界,突破工程技术、信息科学等领域,全面融合人类认知体验,从哲学、物理学、社会学等多角度剖析信息技术变革与人类认知的共生关系的书。

在这本书中,作者爱德华·阿什福德·李教授提出了一个大胆的观点:数字技术的创造者具有无限的创造力。技术的进步似乎不再受限于任何物理性因素,而是受制于人类的想象力。作者认为工程学是一项创造性的技术,它是一个高度思辨和创造性的过程。作者认为技术真正的力量源于人类与之合作的方式,并进一步解释了数字技术之所以具有巨大而无限的发展空间的原因。

李教授在书中探究了工程师是如何利用模型和抽象技术创造性地构建了虚拟的世界以及带给人类从未梦想到的事物,比如,人类能够随身携带和阅读迄今为止出版过的所有读物。但是,他也试图反对技术狂热者强调真实世界都是运算的过程——甚至连同人类认知的复杂现象也是能够进行数字化操作的观点。人类的认知能够实现数字化的操作缺乏科学依据,大自然的发展过程是数字化运算过程的可能性是很渺茫的。

人工智能技术在计算机上再现人类认知过程的目标实际上低估了人脑的潜能。作者认为,技术的发展将随着人类的发展而不断地提升。伴随人类对认知系统以及真实世界认识的不断提高、发展和普及,技术的发展也会不断地升级。技术的发展与人类的发展是互补性的而不是竞争性的关系。

 

目录

第一部分

1. 墙上的影子

1.1 技术呆子 / 003

1.2 人工的与自然的 / 009

1.3 设计和发现 / 014

1.4 工程和科学 / 022

2. 发明自然法则

2.1 未知的已知 / 037

2.2 自然的模型 / 044

2.3 模型是错误的 / 056

3. 事物之模型之模型之模型

3.1 技术的分层 / 065

3.2 简化的复杂性 / 068

3.3 模型的传递性 / 074

3.4 还原论 / 080

4. 硬件快速演化

4.1 硬和软 / 085

4.2 半导体 / 088

4.3 数字开关 / 092

4.4 逻辑门 / 093

4.5 逻辑图 / 097

4.6 数字机器 / 100

5. 软件的持久力

5.1 自我支撑 / 105

5.2 指令集体系架构 / 109

5.3 编程语言 / 114

5.4 操作系统 / 127

5.5 库、语言和方言 / 129

5.6 云 / 136

6. 进化与革命

6.1 常态工程 / 141

6.2 危机与失败 / 145

6.3 危机与机遇 / 158

6.4 危机中的模型 / 162

 

第二部分

7. 信息

7.1 悲观主义变成乐观主义 / 175

7.2 信息处理机 / 178

7.3 度量信息 / 181

7.4 连续信息 / 190

8. 软件的局限性

8.1 通用机器? / 201

8.2 不可判定性 / 207

8.3 势 / 219

8.4 数字物理学? / 227

9. 共生关系

9.1 连续统的概念 / 239

9.2 不可能成为可能 / 244

9.3 数字灵魂? / 250

9.4 共生的伙伴关系 / 258

9.5 不完备性 / 261

10. 决定论

10.1 拉普拉斯妖 / 273

10.2 蝴蝶效应 / 285

10.3 决定论的不完备性 / 292

10.4 决定论的硬和软 / 302

11. 概率与可能性

11.1 贝叶斯学派和频率学派 / 307

11.2 再论连续统 / 322

11.3 不可能与不大可能 / 326

12. 最终的想法

12.1 二元论 / 335

12.2 障碍 / 341

12.3 自主与智能 / 350

 

编辑推荐

1.  本书打破了学科边界,突破工程技术、信息科学等领域,全面融合人类认知体验,从哲学、物理学、社会学等多角度剖析信息技术变革与人类认知的共生关系。

2.  本书打通科学、工程技术变革与人类认知工程技术共生发展的内在逻辑。

3.  本书理论创新,结合科学、工程技术和社会变革,颠覆了传统理论。

 

重磅推荐

爱德华教授对制约科技创新发展的本质问题进行了深刻的哲学思考,本书是从科技与哲学、文化相融合的角度所撰写的一部见解独到、富有价值且文风幽默生动的经典科技哲学著作。

通过阅读本书,相信广大读者能够从中获得丰富的科技哲理启发以及有效的思维认知提升,必然会对读者日常的教育、科研等工作产生潜在而积极的影响。

——倪光南 中国工程院院士

 

《柏拉图与技术呆子》一书激发读者思考,并且给了读者一个思维的模型,工程和系统的模型,兼顾机械确定性和信息不确定性的模型。这种思维模型正好弥补了课堂教育的缺陷。

——吴军 “文津奖得主”,硅谷风险投资人

 

一系列领异标新的观点让这本书精彩纷呈。在爱德华教授看来,技术并不是等待人类发现的某个独立世界的柏拉图式存在,工程技术也不是由逻辑和事实主导的毫无生气的领域,而是一个充满创造力和想像力的朝气蓬勃的王国。这些认知对于指导我们的科学研究、技术开发和工程实践都大有裨益。

——刘亚东 南开大学新闻传播学院院长,《科技日报》原总编辑

 

李教授以独特的视角向我们展示,竞争与适者生存驱动着技术的进步,人类同技术一道以达尔文进化的方式演变着。在这个过程中,当越来越多的人工智能产品有自主决策能力,人类应该如何给予技术更多的人文关怀?我们不仅仅是技术的见证者、体验者,还是它的主宰者。

——于江生 美国 Futurewei 公司杰出首席科学家,《为什么》译者

 

普通的工程师经常被当做工具人使用,高级的工程师能有创造性的发挥,幸运的工程师会从幕后走到台前,让自己的个性影响世界。《柏拉图与技术呆子》这本书说的是更厉害的工程师:他们用思想精心布置技术发展的路线,他们制定规则,他们直面科技的局限,他们有“道”。

——万维钢 科学作家,“得到”APP《精英日课》专栏作者

 

 

精彩书摘

前言

当我青春年少时,我的父亲想让我将来成为一名律师,或者获得工商管理学硕士学位并接管家族企业,而工程师是那些正在为他干活的人。最聪明的年轻人,至少是那些美国盎格鲁 - 撒克逊白人的后裔,读的是法学院、商学院或医学院。和过去相比,现在要考入工程学院的难度很大,在我读大学的时候情况却并非如此。当我主修耶鲁大学的“计算机科学”和“工程及应用科学”双学士学位的时候,父亲对我感到非常失望。继而我去麻省理工学院攻读工程硕士学位,然后成为贝尔试验室的一名工程师,最后又去伯克利大学攻读博士学位,并成为一名大学教授。我的一次次决定让父亲越来越失望。这本书也许是我最后一次为那些决定进行辩护的尝试吧。

当我开始写作本书时,我实际上并不清楚我的目标读者都会有谁。但随着本书的完成,我确信本书是以有人文社科底蕴的技术专家或者懂技术的人文主义者为读者对象的。我不确定这样的人能有多少,但我深信肯定会有一些。我希望你就是其中的一员。

本书试图解释为什么创造技术的过程,即我们称为工程的过程, 是一个非常有创造性的过程,并希望向读者解释为什么这个学科变得如此火爆和有竞争力,以至能够让一些极客从最聪明的年轻人当中脱颖而出。本书将向读者介绍技术文化、技术的力量与局限性以及技术的真正力量,是如何通过与人类的伙伴关系发挥出来的。我喜欢把这本书视为一种受欢迎的技术哲学读物,但我怀疑它是否会受到读者的欢迎,而且我也不确定我是否具备写哲学书的资质。但是,我唯一可以保证的是,这是一本关于技术和创造技术的工程师的书。即便如此,本书也无法做到包罗万象,仅限于我最了解的技术部分,特别是数字和信息技术革命。

本书讨论的不是如何以技术为媒介来释放艺术性和创造性。如果读者想要了解这方面的内容,那么我推荐您阅读维吉尼亚·赫弗南 2016 年出版的《魔法与迷失》(Magic and Loss) 一书。赫弗南声称“互联网是现实主义艺术大规模协同工作的产物”,但她指的是互联网的内容。在我的书中,我认为互联网技术本身,以及支撑它的所有数字技术,都是一项大规模协同的创造性工作,即使其并非艺术工作。

数字技术作为后来出现的一种有创造力的媒介,有着巨大的潜力,并且远远超过迄今为止其他技术领域所取得的成就。在本书的第一部分,我将详尽地解释为什么这项技术具有如此彻底的变革性和解放性。我研究了工程师是如何创造性地使用模型和抽象来构建人工世界,给予我们难以置信的能力的。例如,将迄今为止人类出版过的所有图书全部装入口袋的能力。

但这并不意味着数字技术就没有它的局限性。为了从正反两方面阐释数字技术的发展,我在本书的第二部分试图反驳一些所谓思想领袖对数字技术和计算的狂热痴迷。在计算机技术巨大潜力的驱动下,这种狂热导致了一些不合理的信念。这些信念甚至断言,物理世界中的一切实际上都是一种计算,其在本质上与现代计算机的运算过程是完全相同的。一切事物,包括诸如人类认知等复杂现象以及诸如星体等我们不熟悉的事物,都不过是在数字数据上运行的软件。

我认为,这些结论的证据是薄弱的,大自然仅将自身局限于符合当今数字计算概念的过程的可能性相当渺茫。我将证明,这一数字假说并不能得到实证验证,因此也就永远不能被解释为一种科学理论。由于其可能性非常渺茫,证据极弱, 而且假设又是不可验证的,所以得出的结论不过是一些胡思乱想罢了。我在这里的论点可能会给我带来一些麻烦,因为我正逆流而上,与大多数人的观点相左。

确实,我的观点与当前的许多观点不同,我认为人工智能在计算机上复制人类认知功能的目标是一种误导,该目标是不大可能获得成功的, 并且还在很大程度上低估了计算机科学的潜能。相反,我认为,技术正在与人类共同进步,正在拓展我们的认知能力和体能,所有这些也使得我们能够培育、发展和传播技术。我们已经看到,人类与机器之间存在的互补性正在促进人类与机器共生、共同进化。

然而,本书的大部分内容都与现实情况相吻合,比如,技术的巨大潜力将改善我们的生活,这是人类对技术发展所持的乐观态度。除了强调技术对人类生活产生的积极效应,我在本书中要表达的主要观点之一是,工程学是一门极具创造性和智慧性的学科,它同艺术和自然科学一样是有趣的和有价值的。在技术不那么成熟的领域中,创造性更多地体现了创造者的个性、审美和特质。在比较成熟的领域,这项工作可能会变得极为技术性,对于外行来说,则是晦涩难懂的。然而,我们必须承认,这种情况在所有学科中都会出现,所以不足为奇。

与科学一样,工程学是建立在被广泛认可的范式之上的,是指导行动的思想框架。工程学与科学一样, 用托马斯·库恩(1962) 的话来说,工程学的发展也不时地被范式的转换打断。然而,与科学不同的是,工程学中范式的转换是频繁的,甚至是无情的。事实上,我认为,在我们目前的文化中,技术进步的速度实际上受到人类无法理解新范式的制约,而不是受到技术自身发展的限制。我希望本书能够清楚地解释其中的原因。

与艺术一样, 工程学领域的发展也会受到文化、语言和思想交叉萌发的制约。也像艺术一样,工程学的成功或失败往往是由无形和不可解释的力量决定的,比如时尚和文化。在这一点上,工程学的发展几乎与艺术是一样的。就像艺术一样,一个新的发现可能会让许多读者感到惊讶不已。今天用来设计新的手工艺品和系统的创意媒体,尤其是数字媒体,其广泛的用途和丰富的表现力简直令人震惊。在我看来,数字媒体的多功能性和强大的表现力足以解释为什么该领域对优秀的年轻人具有如此大的吸引力。这种巨大的吸引力甚至超过了高收入的就业前景。

工程学是一个很宽广的领域, 它从供水系统到社交网络软件, 无所不包。任何人,包括我自己在内,对它下面那些子学科的理解都是相当肤浅的。因此,本书的论点主要基于我在电子、电气工程和计算机科学方面的有限经验。这些观点适用于数字和信息技术,也可能适用于其他技术,如桥梁和化工厂等。尽管如此,依据我的经验,数字技术已经渗透到几乎所有的工程学科中。例如,现代化的工厂大部分是由计算机控制和管理的,从而也就成为信息物理系统(CPS) 的实例。本书的第 6 章对该内容进行了详细的讨论。这类系统无疑受到我在本书中所指出的数字技术的潜力、多变性和局限性的制约。

我假定读者是没有任何特定技术背景的。在本书的某些章节, 我确实涉及了一些深层次的技术性话题,这些都是我内心深处最真切的感受,不吐不快。但是,我向读者保证,每次只不过是浅尝辄止。希望我所略掉的技术细节不会严重破坏我想要传递的信息。请读者稍稍有点儿耐心,坚持一下。类似这种技术呆子式的头脑风暴会很快过去的。

我的确假设您是一位了解计算机技术的读者。力排众议之后, 我在书中保留了 12 个方程。要理解这些并非复杂的方程,高中数学和科学知识就足够了,即使不能完全理解它们,读者也能获取应有的信息。我的出版商用这个理由反驳我,说如果这是真的,我就应该删除它们。但是我喜欢它们,我有信心,现在了解计算机技术的读者比以前更多了。我已经向出版商保证,算上我的朋友和家人, 几十本书的销量是可以保证的。

本书书名的灵感来自纳西姆·尼古拉斯·塔勒布精彩的著作《黑天鹅》。塔勒布给书的序言的一个部分取名为“柏拉图与愚人”。塔勒布把只关注那些纯粹而有明确定义的“模式”而导致的错误称为“柏拉图主义思维模式”。塔勒布哀叹随后的专业化发展趋势, 并指出这种专业化使我们对不寻常的事件视而不见,他将不寻常的事件称为“黑天鹅”。跟随塔勒布的思想, 本书中的一个主题是技术学科也容易受过度专业化的影响;每个专业都在不知不觉地采用范式,其将专业转化为一种缓慢发展的文化,其结果是阻碍而不是促进了技术的创新。

此外,本书的书名从根本上反对这样的认知,即技术是由独立于人类的柏拉图式的理想构成的,并且技术是由人类发现的。这一观点刚好与认为人类创造而不是发现知识和技术的观念背道而驰。书名中的技术呆子象征着主观的,甚至是古怪的创造性力量,而不是一个客观存在的真理的发现者。

我希望本书可以改变公众对工程学的偏见,使年轻人更倾向于考虑选择工程学方面的工作作为自己未来的职业,而不仅仅根据某个专业的就业前景规划自己的职业。我确信,工程学从根本上说是一门创造性的学科,而让许多人产生偏见的技术苦差事并不比任何其他创造性学科中的工作更为辛苦和乏味。是的,努力工作是必需的职业操守,但是,你在工程学上的努力付出一定会有回报的,那就是你可以改变这个世界。

 

内容概述

有些读者喜欢在读一本书之前就知道它的大致内容。抛开有问题的自指性 1,对于这样的读者,我在这里特地提供了本书的简要概述。但是,坦率地说,我建议应该跳过这部分内容,直接从第 1 章开始阅读。因为本书要讲的故事是无法用几个段落准确概括的。任何类似的内容摘要都必然会使本书看起来比它实际的内容更为晦涩难懂。然而,对于那些真的需要内容提要的人来说,以下就是我对本书内容的总结。

人们对技术和工程的普遍看法往往是这样的:这是一个缺少激情的领域,它由逻辑和枯燥乏味的事实与真理主导。在第1章,我探讨了技术中的事实和真理的概念,我认为这些事实和真理并不只是被人类发现的,实际上更多是被人类发明或设计出来的。技术不是建立在永恒的柏拉图式的理想之上的,而是建立在流动性更强且有时更为离奇的构思之上的。真理的概念变得更具主观性;集体的智慧比个人的智慧更完善;关于事实演变的描述要比事实本身更有趣;事实和真理可能都是错误的。然而,要证明事实为真,很有可能会花费数十亿美元的巨资。因此,我在这里提出这样的观点:工程学和科学都是建立在事实和真理基础之上的学科,二者相辅相成、相互重叠,且相互利用对方的方法。在这一章中,我试图理解工程学一直以来被视作科学的“小妹妹”的文化现象。

第 2 章的内容主要是研究发现与发明之间的关系。该章的一个关键主题是模型是被发明的,而不是被发现的。正是模型的有用性,而不是它们的真实性,赋予了它们价值。请读者注意,模型的有用性不一定是一种实用的、 功利性的有用性。一个模型可能仅仅是因为解释或预测了观测结果就成为有用的模型,即使所观测到的现象并没有实际的应用价值。

当模型与正在被研究的自然系统相符时,该模型对科学家而言就是有用的。而当符合该模型的物理实现总是能被构建时,该模型对工程师而言就是有用的。实际上,这些用途是相互补充的,且常常被组合使用。

本书第 2 章的内容深受库恩(1962)思想的影响。但是,库恩关注的是科学,而不是工程学。模型的工程应用给模型的构建带来更大的创造性空间,因为这些模型无须与某些已存在的自然系统保持高度一致。但是,另一方面,模型的使用会减缓技术的变革,这是因为模型建立在使我们思想条框化的范式之上,会对我们的思维造成限制。模型也可能变得相当复杂,从而导致更多专业化的发展。当然,模型也会因为跨专业沟通的不顺畅而发展缓慢。

在第 3 章,我深入探讨了模型的工程应用是如何激活创造力的。我通过说明模型在数字技术发展中所起的作用来做到这一点。在数字技术中,模型被层层叠加起来,每一层的设计都会影响上、下相邻层的设计。通过这种多重层次,数字技术已经从广泛的工程化系统中基本上消除了任何有意义的物理约束。每一层模型都与一个已建立的范式相符,这是一种建模和抽象工程化设计的方法。因此, 创新并不受技术物理学的制约,而是受我们的想象力和吸收新范式的能力的影响。

我认为范式在数字技术中起着核心作用,因为没有它们,人类就不可能理解我们今天用常规方法所构建的系统的复杂性。但这些范式属于人类建筑,受到文化和语言的支配。在许多情况下,已经出现的范式显得有些不同寻常,因为它们反映了创造者的个性和审美标准。

数字技术的一个显著特点是,这些范式是层叠的。半导体物理学赋予我们制造晶体管的能力,我们可以使用晶体管作为电子控制开关,因为它具有两种截然不同的状态:“导通”和“截止”。这使得数字抽象成为可能,它只是许多层中的第一层,最终建立起使我们能够构建数据库、机器学习系统、网络服务器等的编程语言。这些层中的每一层都是通过聚集相互竞争的范式形成的。

在第4章,我探讨了构成当今大多数数字技术硬件的层次化范式。我将说明硬件的物理实体并非长久不变,但范式可以长久存在。这些硬件通常每隔几年就会被丢弃,因为它们已经被磨损殆尽,或者因过时被淘汰了。然而,硬件的设计原理以及它们所有的缺陷和特性仍会持续几十年。

在第5章,我将探讨构成当今大部分信息技术的层次化范式。这些范式界定了我们是如何构造软件的。事实证明,软件比硬件的生命力要持久得多。范式就像人类的文化,变化缓慢,特别是当它与技术的变化速度相比时,就更是如此了。虽然从严格的意义上说,库恩的科学范式是人类构建的结果,但是软件的范式被编码在软件中。在自我参照的狂欢中,软件构建自己的脚手架。尽管软件是一种短暂的非实体性存在,但是软件的自我支撑使得它的生命力比硬件更持久。可以说,软件的寿命甚至可能超过人类的寿命。

第6章探讨了技术革命的结构,并特别聚焦于数字技术。这一章的内容同样深受库恩的影响,但主要是致力于找出技术革命与科学革命的不同之处。我认为,其中一个关键性的不同点就是,相较于科学范式的变化,技术范式的出现和消失速度要快得多。这可能是因为,技术范式相对而言不受物理世界的限制,而且是深度层叠的。与科学范式一样,新的技术范式并不一定必须取代旧范式。相反,它们可能会覆盖旧的平台,在现有平台的基础上构建新的平台。能否做到这一点取决于我在前三章中所探讨的模型的传递性。与科学范式不同的是,引发新技术范式的导火索并不是新出现的异常现象,而是日益增长的复杂性和技术驱动的新机遇。

为了不让读者对数字技术的发展过于乐观,接下来的几章将探讨什么是我们不能用数字技术来解决的,至少目前还不能。这就需要我先向读者解释一下 20 世纪出现的三个经典概念:香农的信息理论,丘奇—图灵论题,以及哥德尔关于形式化模型的不完备性。在后面的章节,我考虑继续探讨决定论的概念,并进一步研究我们如何利用概率的概念建立非确定性的模型。在探讨该问题的过程中,我需要面对20 世纪出现的被称为数字物理学的另一个范式,以及人类认知就是软件的观点。

这一部分内容是从第7章开始的,在本章,我分析了信息的概念──信息是什么,以及如何测量信息。在这一章,我介绍了克劳德·香农的信息测量方法,并指出通常无法用数字化的方式表达他的信息概念。我定义了一个比现在用软件和计算机所能实现的用途更为宽泛的“信息处理机”。

在第8章我解释了软件不能做什么。我认为, 信息处理函数的数量远远大于可能的计算机程序数量。在这一章, 我介绍了艾伦·图灵的不可判定性研究结果,它表明存在一些有用的但当今计算机上的软件不能实现的信息处理函数。但这并不意味着,一个函数如果不能通过软件实现,它就不能通过其他任何机器来实现。

我希望大家不要被热情冲昏头脑,不要对软件已经取得的成就感到惊讶,也不要预言诸如认知和理解等自然现象在软件中是可以实现的。在这里,我不得不面对被一些人称为“数字物理学”的信念,即物理世界在某种程度上就是软件或相当于软件。我认为,作为理解物理世界的一种方式,这种想法不太可能是正确或有用的,至少在更极端的方式下是这样的,而且我认为这一论题是不可证伪的,因此是不科学的。

在第 9 章,我探讨的内容超越了可数的计算世界。我认为,计算机不是万能的机器,且它们真正的力量源于它们与人类的伙伴关系。在这一章,我解释了连续统的概念。这个概念超出了软件的范畴且被数字物理学排斥,但其似乎对物理世界的建模又必不可少。我分析了作为软件世界基础的形式化模型的局限性,同时我认为人类和计算机的共同进化与伙伴关系要比独立的两者都强大。在本章, 我还解释了库尔特·哥德尔著名的不完备性定理,其对任何具有自引用能力的建模形式化方法设定了一些基本的限制。我们应该坚持谦逊的态度,但我们也需要认识到仍有巨大的开发潜力等待我们去发掘。

在第10章,我们讨论了决定论、软件的性质以及许多自然界的数学模型。我认为,确定性是模型的一种属性,而不是物理世界的属性。但它是一种极为宝贵的属性,在历史上为工程学和科学都带来了可观的回报。然而,决定论也有其局限性。由于混沌和复杂性,即便确定性的模型也可能无法被有效地预测。同时,包含离散功能和连续行为的确定性模型家族目前尚不完善。因此,我认为,决定论被瓦解是不可避免的,确定性模型有其局限性。在许多情况下, 非确定性模型更为简单,也能够更好地反映出我们所不知道的东西。如果非确定性模型能被明智而审慎地使用,那么它将在工程学中起到至关重要的作用。

在第11章,我终于要直面随机性的含义及其度量,即概率了,它量化了非确定性事件的可能性。我认为,从根本上说,概率是一种关于事物不确定性的模型,而非事物的直接模型。它建模了我们不了解的东西。在本章中,我探究了频率学派和贝叶斯学派存在已久的争论,并坚定地支持贝叶斯学派。我认为,在使用工程学而不是科学意义上的模型,以及使用贝叶斯意义上的概率做出解释时,随机性所带来的哲学困扰就会消失。在这一章,我还重新思考了连续统问题,并认为连续统上的概率模型强化了数字物理学这一极不可能的结论。因此,在接受数字物理学之前,我们必须为其找到无可辩驳的证据。

在最后一章,我通过分析模型在技术中的认知作用,以及模型与它们最终建模的物理系统之间的关系,将所有这一切都联系在一起。我利用本书前面的论点,比如至少在数字技术中,模型和物理现实之间存在着许多抽象层,两者之间的联系的确变得非常脆弱。但是,如第 5 章所述,软件范式所具有的自支撑能力允许这些模型独立存在,允许它们几乎但不是完全独立于物理现实。我认为,这不会导致笛卡儿的身心二元论,但它确实强调了以极大的决心和约束坚持将地图与地域进行区分的必要性。尽管模型存在于物理世界中,但最好将其视为与物理世界分离的现实。

最具表现力的建模范式能够自引用,这使得它们能够不断构建支撑自身的脚手架,但同时必然使得它们是不完备的。从根本上讲, 正是这种不完备性激发了创造力,并确保我们能够运用技术完成的事情是无限的。那么到底是什么因素阻碍了我们呢?在本章,我既分析了进步过程中存在的障碍,也指出技术应用不当可能给社会带来的威胁。

《柏拉图与技术呆子》推荐序

科学技术是人类文明进步的产物,是人类社会的重要构成,其源自人类的生产创造和社会文化,又对人类社会发展产生着持久而深远的影响。自以天文学、物理学为代表的近代科学技术诞生以来,科学技术在近几个世纪里持续加速发展,传统领域不断突破、科技创新方兴未艾,人类社会已经迈入了一个科技大繁荣的新时代。放眼国际,科技创新与发展水平现已成为衡量发达国家综合国力与核心竞争力的重要方面,提升科技实力也已成为建设世界强国的核心战略。

以自然科学为核心的科学技术主要聚焦于客观的物理世界,致力于未知客观规律的发现以及新事物的发明与创造,但实际上,其发展水平也与社会人文、科技文化等诸多方面密切相关。在一个特定的历史阶段、一个特定的社会形态中,科技群体开展科学与工程创新的水平本质上会受到群体内所形成的科技价值、模式、文化及生态等因素的影响。对人文与科技、科学与工程、发现与发明、发明与设计、价值与价格、内涵与形式、开放与封闭、人类与技术等这些二元关系的正确认知以及辩证统一会在很大程度上决定科技创新的质量与高度。当然,科技文化与生态的形成和演进是一个较为缓慢的过程,其前提是要树立益于激发创新创造的科技哲学与文化氛围,形成聚焦价值引领、激励原始创新的科技文化生态。

富有思想性的优秀科技哲学类著作将有益于引导科技界进行深入思考,有益于从根本上促进科技的创新,而爱德华教授的《柏拉图与技术呆子》恰就是这样的一部上乘之作。书中,爱德华教授将知识与技术是由独立于人类存在且被人类发现的柏拉图理想所构成的观点与人来创造而不是发现知识与技术的观点对立起来,进而以作为现代科技发展新引擎的数字技术为主要贯穿,重点对模型世界与物理世界、科学领域与工程领域的一组论题进行了深入生动的辨析。爱德华教授强调工程学同样是一门极具创造性和智慧性的学科,二者相辅相成、不可偏废。显然,将科学与工程进行辩证统一、融合发展才能真正推动科技的协同创新与产业繁荣,而自主科技体系的建立也必然需要同时兼顾这两个方面。爱德华教授强调,模型与范式(即公认的模型或模式)可以激发创造力,技术范式较科学范式的演化更为频繁且通常是变革式的,技术进步的速度取决于人类对新范式的理解和接受程度。显然,这一论断进一步强调了制约工程学与科学演化的根本在于范式及范式的转换,就有如思维对知识、元模型对具体模型的影响。当今以半导体物理学为载体的数字技术飞跃发展,其关键便在于形成了独特且层次分明的范式体系。换言之,要想从根本上推动科技发展,就必须发现、创造和培育优秀的、层次化的范式。

基于对信息及软硬件技术内涵与特点的分析,爱德华教授进一步强调了人类与技术之间的互补与共生关系。他认为,物理世界中存在着不确定性和连续性,而数字技术是离散和不完备的,因此,数字技术真正的力量还是要源于其与人类的伙伴关系,但其发展还存在诸多障碍。关于近年来的人工智能浪潮,爱德华教授认为“智能”与“自主”只是对计算机的拟人化,其本质上有一定的不合理性,且在当前的技术体系下也不够实际。人类与计算机要实现的是共生,而非由计算机复制并替代人类。书中提到的另一个重要主题是专业化,这是科学与工程在演进过程中呈现出的一个共同趋势。但爱德华教授强调,过度的专业化会使人们对越来越细小的事物关注得越来越多,甚至是“对一无所知的事物了如指掌”(书中原文),但这样必然会让人们丢掉大的知识体系与背景,从而形成支离破碎且阻碍科技发展的范式与生态。学科过度细分、技术过度细分、领域过度细分,但凡这些过度的细分都会造成更多难以融合融通的专业“竖井”,其必然会对我们的高质量人才培养、科技创新、产业推进等形成阻碍。因此,如何在专业化发展的过程中推动交叉与融合,实现二者的平衡与优化将会对一个国家或地区的科技发展产生巨大影响,这一点非常值得我们深思。

可以看出,爱德华教授对制约科技创新发展的本质问题进行了深刻的哲学思考,《柏拉图与技术呆子》是从科技与哲学、文化相融合的角度所撰写的一部见解独到、思想深邃又诙谐易读的经典科技哲学著作。通过阅读本书,相信广大读者一定能够从中获得丰富的科技哲理启发以及有效的思维认知提升,必然会对读者日常的教育、科研工作乃至生活都产生潜在而积极的影响。同时,也建议读者对书中给出的观点进行开放式的思考与探讨,这对于拓展读者的专业思维、提升读者的专业素养必将是极为有益的。正如作者所言,物理世界的不确定性和模型的不完备性必然使得人类社会的科技创新永无止境,这也必然为人类的创造力提供无限空间。因此,我们应该以数字技术的发展为借鉴和支撑,通过认知、模型、范式的不断优化和发展来更好地探索物理世界中的未知,并辩证运用人文与科技、科学与工程的互相支撑来更好地开展创新与创造工作。

倪光南

中国工程院院士

2020.7

《柏拉图与技术呆子》

作者:爱德华·阿什福德·李

译者:张凯龙 冯红

定价:88.00元

出版社:中信出版集团

出版时间:2020年9月

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值