万物都有联系,信息皆存关联。
一口气读完了《超文本和超链接》这本书,这本几万字的小书围绕上个世纪几位计算机领域的科学家们展开,讲述了他们在面对一个越来越复杂的世界时产生的一些改变的想法,并努力一生去追求和实现自己目标的一系列故事。
Memex的出现
技术塑造思维。从双手到石锤,再到铜刀铁器,从手动工具到电动工具,每一次技术飞跃,大幅提升的不仅是效率。当连接、查找、溯源、扩展变得容易,思考的负担就会变小;当信息之间的联系变得清晰而便捷,新的想法就会涌现。尽管每次节省的时间微不足道,但成百上千次的总和预示了一种崭新的可能。
Memex("记忆 "和 "索引 "的谐音)是Vannevar Bush在他的著作《As We May Think》中所描述的近超文本系统的名称。在十九世纪末二十世纪初,由于印刷术变得廉价,大量书籍涌现,学术研究的繁荣也导致期刊论文激增。因此人们想用技术的手段去处理和组织大量的信息。Vannevar Bush认为人们的思维方式以及想法都是基于联想的,人们总是从一段记忆跳到另一段记忆,从一个想法联想到另一个想法。他想用机器来减轻人们在思考联想时的负担,于是他构想了一个基于微缩胶卷技术的“思考机器”–Memex。
Bush认为可以用科学的手段实现人类产生、储存和查阅信息的过程,类似于人类大脑中关于信息的联想,即用机器的方式模拟人脑记忆库对信息进行更高效的检索。在Memex这台机器里,能够存储一定的信息,并能在以后通过某些线索轻松访问。用户可以在微缩胶片上记录新的信息,并在机器上随意添加或删除缩微胶片卷,而用户在使用Memex时则能够通过索引、搜索以及链接内容,最终创建出和人脑类似的链接信息的线索。
Bush提出的Memex原型可谓是意义深远,其中关于信息的链接和查询的概念影响了早期超文本系统的发展,最终推动了万维网的发明。
人类智力增强
另一位科学家Engelbart,大家认识他可能是因为他是鼠标的发明者,但是他的成就绝不仅此而已。受到Bush文章里关于Memex思想的影响,他同样也认为世界越来越复杂,但是我们处理问题的能力却没有提升。于是他想利用计算机来辅助人类,并提出了利用计算机“增强人类智力”的观点。
他认为人与人的不同,不是硬件上的不同,而是软件上的不同。人的“硬件”,也就是人脑中的神经元和化学成分,对所有人来说都一样。而真正的不同点在于大脑里的“软件”,是那些我们一生通过学习所获得的概念和能力,比如开车的能力,学习的能力,关于数学物理的概念 —— 这些都可以被广义地被称为知识。所以Engelbart希望可以增强人类的智力,利用计算机集结集体的智慧,让脑力工作者以更强大的方式思考,并一起解决紧要的共同难题。在他看来,“世界变得如此复杂,事情都显得很紧急,而我们应对的能力却没有随之增加”,“如果能以某种方式,提升人类解决此类问题的能力,将是非常有用的”。
所谓“增强人类智力”,指的是提高一个人处理复杂问题的能力、获得满足特殊需要的理解能力,并得到解决问题的办法。在这方面,增强能力是以下各项的综合-更快的理解、更好的理解,更可能理解以前复杂情况下难以理解的问题;更快的解决方案、更好的解决方案,更可能解决以前无法解决的问题。恩格尔巴特“增强人类智力”的理念实际上是人工智能派的对立面。人工智能派想用机器代替人类做事,恩格尔巴特则想用机器辅助人类做事:一个是创造新的神明,一个是使人类本身成为神明。
其实我对“增强人类智力”这一点还是不太理解,恩格尔巴特提出用计算机增强人的智力,提高人类解决复杂问题的能力。半个多世纪过去了,我们一直在追求更快的计算机,性能更强大的计算机。确实,计算机能够处理以前人们无法处理的更复杂的问题了,但在这个过程中我们人类的智力有被增强吗?
其实大部分时候我们都是将计算机当作我们的第二大脑,虽然计算机运行速度很快,但是它只能是按照某种特定规则去执行人们给出的指令,所以在独立思考方面,我觉得暂时来说还是比不上人脑的。因此我们经常是将计算机当作是一个存储了知识,收集资源的外挂库。然后将其变成了一个存储和检索系统,以便我们将来需要的时候可以进行运用。
也许这正是恩格尔巴特愿景中的“增强人类智力”,又或者计算机还没有真正实现增强人的智力。不论如何,或许我们可以看到“增强人类智力”这个愿景到来的那一天。
“超链接 Hypertext”和 “超媒体Hypermedia”
纸张会限制思想的自由,“纸张的问题是,每个句子都想突围,向其他方向滑动,但页面的限制却不允许我们这样做。所以,如果页面能够长出翅膀,或是在一侧长出隧道,那么插入的文字就可以一直写下去,而不会在某一点之后停止”。
Ted Nelson认为纸张会限制思想的自由,人们关心的不是纸,而是写在纸上的东西,而纸张只是作为媒介。所以他希望能够将平面的线性的信息链接起来,于是想要一个文件管理系统来组织他的笔记,就像Vannevar Bush提出的Memex那样,将不同的相关文档链接起来,只不过Vannevar想的是通过微缩胶片,而Ted想通过计算机来实现。
Ted Nelson 提出的一个很重要的思想是希望将内容content从结构structure中分开,因为一个内容可能存在于不同的语境中,于是相同的内容可以嵌入在不同的地方。最终Ted Nelson实现了一个名叫Xanadu的超链接文件系统,该系统将平行的页面内容之间用可视化的方式链接了起来。
尼尔森认为,我们互相传递的知识是一个相互交织的巨大网络,是不同学科和知识领域的积累,是所有领域的材料汇编。在文献宇宙中,没有一个文档是孤立的,文档之间存在各式各样的联系,信息可以快速溯源。
他在50多年前提出的这些想法放在现在也依旧没有过时,甚至在很长一段时间内是超前的。我们的思考方式也确实如此,我们所看到的和所联想到的其实比我们能表达出来的要多得多。但是脑中的思维是网状的,是发散的,而说出来的语言和写下的文字通常都是线性的,因此很多时候我们会因无法正确表达脑中所想而苦恼。
万维网的出现
互联网是物理意义上的网络,是无数计算机和线缆连接而成的巨大基础设施。万维网是互联网上的一个虚拟空间,是我们通过浏览器访问的信息世界。如伯纳斯-李所说:“万维网不是存在于某一“地方”的一个有形的“东西”。它是计算机能够在其中发挥作用的一个“空间”。
最后将前人的思想汇聚,最终加以实现的是万维网的发明者Tim Berners-Lee,他认为新的信息必须和旧的信息相连,所有信息都处在同一个网络之中。万维网的出现终于实现了把所有信息链接起来,并且经过这么多年发展,现在我们每个人在任何地方都可以触及到这庞大的信息网络中的各个结点。最后他还认为网络已经从最开始的计算机的连接到现在是人类的相互连接。我总感觉,如果说最开始的计算机是从模拟世界到数字世界的抽象,那么现在数字世界正在和模拟世界发生融合。
书中提到万维网不是计算机的网络,万维网是人的网络。随着时间的推移,我们不再认为互联网是计算机的集合,也不再认为万维网是相互连接的网页的集合,现在我们认为网络是人类的相互连接。
读后感
读完这本书后感觉计算机真正的发展也不过近百年,离我们那么远又离我们那么近。现在甚至还可以看到有些科学家活跃在社交媒体上。
读这本书的时候还有一个感想,就是历史在任何一个节点都是有向无数分支挣脱的势态,就像有无数种可能状态的薛定谔的猫,只有向前走我们才知道历史究竟是朝向了哪个方向。一个相同的想法可能会有不同的人同时在实现,至于最终历史上留下了谁,在当时来说,没有人知道。
我觉得去了解计算机的历史也是去了解人类如何思考的历史,思考模式的改变也逐渐改变了世界。这本书仅从计算机超文本和超链接这一想法为索引,将这条时间线上的人物串联了起来。但是这只是计算机历史一个很小的分支,可以从不同的脉络去了解计算机历史。但是计算机的发展是多路归并的,也是相当复杂的。例如从图灵机模型,冯诺依曼结构这些硬件结构角度,从贝尔实验室Unix诞生到衍生出其他操作系统,都是可循的脉络。之前读过《浪潮之巅》,这本书从公司角度,讲述了科技公司推动科技产业商业化的发展历程,也是很有趣的。
近期思考
互联网喂聪明人安非他命,喂“蠢”人镇静剂,这座梦幻岛如今已经成真,盘桓其上空的唯一希望在于,这一滩不断膨胀、沸腾冒泡的热牛奶最终会凝固,一个无法预料的新图案将从所有行动中显现。那些行动自认目标明确,实则是去往无人知晓的地方,正如生活常态。这话听起来像是在鼓吹新的黑暗时代,但我们已经咬了禁果。祝年轻一代好运,你们可能会看到新的天堂,或是地狱。
站在现在的角度看,如果说一个世纪以前是“信息泛滥”的时代,那么现在应该算是“信息焦虑”的时代了。
面对信息,首先要知道什么是信息,又怎么度量信息?在信息论里,信息的不确定性越大,信息量越大。之前学信息论的时候云里雾里,不太懂为什么用不确定性来度量信息。重新理解香农提出的信息熵的概念以及对信息量化的公式后对信息有了新的认识。当你对一件事情还不知道的时候,你需要接收一定的信息来消除不确定性,不确定性越大,你需要的信息量就越大。所以一般情况下,把能消除不确定性的东西就叫信息。但是文字也好,图片和视频也好,也都只是信息的载体,而网络也只是媒介,都不是信息本身。
以前的信息大部分存在于书籍上的文字,而现在,互联网上有着数不清的图片和视频,还有这些每天在网上打下的文字。全世界的人时时刻刻都在网络上生产着各种信息,这些数字信息还在以指数级别不断增长。
现在感觉就是,每天信息流里的信息太多了,多到无法筛选的地步。而且大部分时候,都是处于被动接收信息的一个状态。计算机和互联网的出现,确实让获取信息的方式,求解问题确实更容易了,但我们却需要把时间花在寻找和筛选信息上。
互联网时代,信息是永远获取不完的,甚至大部分时候都不知道自己要什么信息。所以我觉得在未来,如何管理自己的信息流,从被动接收信息到主动寻找信息,如何甄别和筛选信息,再到处理信息和利用信息,这些都是需要不断学习的能力,并且需要建立一套适合自己的处理信息的模型。
欢迎关注我的公众号“Coderoger”,原创文章第一时间推送。