人工智能时代：破解人机共存密码（套装共10册）

人们可以通过了解数字制造应当具备基础的设计素养来修正这个历史性错误，但是仍然存在着一个假想的设计师。虽然这个见解听起来好像有一定的反复性和神学性，但是，谁设计了你？这个问题的答案躺在计算与制造更深层次的联系之中。为了回答这个问题，我们必须了解数字世界与物理世界是如何分离的。

对于观察到计算机科学这门学科对计算机和科学而言都很糟糕这一事实，我很乐意居功。我之所以称其为糟糕，是因为计算机科学的标准都是建立在非物质假设上的。计算机科学教学生们如何用脱离于物理现实的语言写程序，之后让其依赖另外一些人在另外一些地方将这些虚拟代码转换成物理现实。这有点儿像电影《大都会》（Metropolis），一场革命正在社会底层酝酿。

我以前的学生杰森·泰勒就是这样的一个底层居民，他是脸书公司负责建造海量计算中心的基础设施部门的副总裁。另外一个底层居民是我之前的学生拉菲·克里科里安，他在推特公司做同样的工作。他们都没有跟我一起学习计算机科学，但是假如你看到他们每日工作所见到的海量计算设施，你就很难相信软件是与物理世界相分离的抽象概念——他们的工作内容是以最高的效率将成捆的美金、海量的计算设备和大量的电力转化为信息。

现在流行的软硬件分离具体表现在由冯·诺依曼创造的计算机架构（冯·诺依曼架构）中。冯·诺依曼优美而又谨慎地写下了他对此架构的开创性贡献，比如如何用不可靠的器件进行可靠的计算。但软硬件分离并不是其中的内容，这个思想起源于他于1945年写下的一份备忘录——关于EDVAC电子数据计算机的报告的第一份草稿。正如标题所暗示的那样，这个文件并非年代久远。EDVAC是世界上最早的电子可编程数字电脑之一；该报告显示了他对编写程序的想法。他建议将软件分为他所谓的“器官”，比如一个计算单元和一个存储单元。这台计算机能够以每秒1 000次运算的速度进行计算，现在，任何一台稍微好点儿的智能手机或者电脑每秒都可以进行10亿次运算，但是我们仍然生活在EDVAC遗留的设计局限当中。

冯·诺依曼和克劳德·香农在第二次世界大战期间曾在普林斯顿的高等研究院遇到艾伦·图灵。1936年，来自英国剑桥的图灵提出了一种计算的理论模型，该模型基于一种记录着不同符号的磁带，当符号经过编程磁头时，这些符号会被读取或写入。他用这个模型（后来被称为图灵机）来介绍一种通用计算机的概念，这台计算机可以模拟任何其他通用计算机。他还演示了有一些问题是永远不能被计算机解决的。这些深刻的见解并不是为了提出一个严肃的计算机架构而构思的。不幸的是，这恰恰是实际发生的事情，图灵机的零件变成了冯·诺依曼架构的组成部分。

这给我们遗留下来的问题是，当磁头被认为是独立于磁带的存在时，绝大多数电脑的能量被浪费于传递信息。只有非常少的能量被实际用来运算数学公式，虽然负责存储信息的晶体管的实际计算能力与负责计算的晶体管一样好，但是它们只被用来存储信息。计算机当中的许多安全漏洞都来源于那些在逻辑上应该分开但是在实际物理层面上相邻的晶体管。

冯·诺依曼理解这些问题。除了关于EDVAC的报告草稿，他从来没有写过关于“他的”架构的内容。他写的最后一本书是在他去世后的1966年出版的《自复制自动机理论》（Theory of Self-ReproducingAutomata），这本书的内容属于一个非常美妙而有意义的领域。他最终对于理解生命现象产生了极大兴趣。为了研究这个课题，他与同事斯坦·乌拉姆合作开发了一个非常不同的计算机模型，这个模型被称为元胞自动机，其本身明确地表示了空间、时间和逻辑。你可以把它看作一个自己与自己玩跳棋游戏的机器，棋子在一个给定的网格中移动。这是真实世界中的计算，不是虚拟世界中的计算。它可以计算任何其他通用计算机能计算的问题，甚至可以在所有时间、所有网格上进行并行计算。冯·诺依曼用这个计算机模型设计了可以复制它自己的机器，包括关于复制的指令。在那时这只是一个理论上的构想，但是在第5章我们将会看到，自复制机器就是第三次数字革命研究路线图的一个终极目标。

图灵也对计算的物理形态表示过赏识。在1952年发表的《形态发生的化学基础》中，他极其美妙地描绘了他的一生中描绘的最后一个事物：自然界中存在的图案模式形成过程。他的目标是解释如何由基因转换为一个功能结构，也就是如何从比特转换到原子。他通过展示特定图案模式如何在描述化学物质空间分布的方程中形成来做到这一点。

图灵与冯·诺依曼都在向作家道格拉斯·亚当斯所谓的“生命、宇宙与一切”的终极问题靠近。我们人类演化出来的一切事物当中最有趣的可能就是兴趣本身——我们的自我感知。这个演化过程的运作方式在于自然智能与人工智能之间一种令人惊奇的联系。（马文·明斯基曾经帮助比特和原子中心围绕这一联系进行规划。）

如果你在一个房间里弄丢了钥匙，你可以搜索整个房间；如果你不确定是在哪间房里弄丢的，你需要搜遍所有房间；如果你不确定是在哪栋建筑里弄丢的，你需要搜遍所有建筑；如果你不确定是在哪个城市里弄丢的，你必须搜遍所有城市中所有建筑里的所有房间。这个链条越长，你找到钥匙的希望越渺茫，直到你感觉到自己不可能找到钥匙。从技术上讲，这个状态叫维度诅咒。

最近人工智能领域快速发展背后的原因并不是对智能的理解的突破，而是在应对维度诅咒上的进展。一个能够与人交谈的计算机必须要能在所有人可能发生的对话中确定你说了什么；一台能够自动驾驶的汽车必须能够分辨在道路上发生的所有可能性事件。在被称为深度学习神经网络的模型中，寻找答案的方法实际上一直在被不断使用；新出现的状况是现在有足够的数据来让网络进行预测训练，使其有足够的运算能力来处理这些数据，从而让网络的不同层级可以足够好地表达正确的搜索位置。在我们的大脑中也在发生类似的事情，感觉的输入在越来越高级的抽象层次中被处理。

在自然进化过程当中，维度诅咒是通过改变生物体所有可能的适应性来寻求适合生存的优势因子的。生命解决这个问题的方法是利用同源基因，这是所有生物基因组中最保守的组成部分之一，这些基因在数亿年间都没有改变。同源基因控制着其他基因的表达，设计了所谓的发育进程，即一个细胞如何一步步形成一个完整生物体的过程。你的基因组里没有任何东西表明你有5个手指，而是有一个程序，当它被执行时，会产生5个手指。它是一种现代意义上的计算机程序，用逻辑联系输入与输出。

提到进化与发育之间的联系，最简单的描述方法是进化发育生物学。进化发育会经过一个叫种系特征性发育障碍或者“漏沙口”的地方。在我们所属的脊索动物门当中，有很多种生殖方式以及很多种身体结构特征。但是，所有脊索动物的胚胎在它们分化成最终形态之前看起来都是相似的。这种早期生命阶段的相似性曾经一度被错误地当成胚胎重演律，即每个生物个体的发育都经历了所有的进化阶段。但是，事实证明这个说法是错误的。所有胚胎的发育都拥有一个共同的形态发生机制，这个机制促进了形态的形成。

人类基因组有数十亿个碱基，而你有数十万亿个细胞。在宇宙所有时间里也不可能有足够时间对它们一个个地进行改变，即使有，大多数变化要么是无关紧要的，要么是致命的。同源基因为此提供了一个更小的空间限制，便于我们在更小的、可能发生的变化中寻找更加有利于生存的形态变化方案。

这就是生命的另一个秘密：生命的复杂性是一系列小且离散的建造单元（氨基酸）在其组装过程中检测与纠正错误的结果；生物多样性是被表现为发育程序而非组装程序（同源基因）的机制设计的结果。“我思故我在”是正确的，只要你认识到思考是由你的分子以及你的大脑共同完成的。

这就是我们在非生物系统中要完成的事情。在本章中，我首先描述了设计在今天是如何被完成的，这被称为命令式设计：你必须确切地指定如何制作某样东西。我在这一章节的最后展示了进化过程中的设计是通过在一个仔细设计并严格限制的空间中不断探索来完成的。进化的目标是生存，但是数字设计的原则并不被生存限制。声明式设计（或者叫生成式设计）是此类设计流程的名称，它允许你描述你想要做什么而不是它应该怎样做。例如，你可以指定飞机的速度、负载和飞行距离，但不能指定飞机的大小或者形状。声明式设计的早期尝试和人工智能的早期尝试一样有限，但是现在两方面都取得进展的原因是相同的：我们正在学会掌握维度诅咒。声明式设计的搜索部分目前是在具体制造之前在计算机上进行离线仿真模拟而生成的。但是，随着计算和制造的融合，设计和制造将会在线持续进行——飞机本身会随着负载和空气动力状态的变化而演化。到那时，仿真模拟与自动装置之间的区别会越来越语义化。

（本章由尼尔撰写）

[1] 约翰·帕森斯，在20世纪40年代开创了机器工具的数控系统。——译者注

[2] 范内瓦·布什，二战时期美国最伟大的科学家和工程师之一。——译者注

[3] 约翰·冯·诺依曼，原籍匈牙利，布达佩斯大学数学博士。20世纪最重要的数学家之一，现代计算机、博弈论、核武器和生化武器等领域的科学全才之一，被后人称为“计算机之父”。——译者注

[4] 克劳德·香农是美国数学家、信息论的创始人。——译者注

[5] 利奥·西拉德，出生于匈牙利布达佩斯，美国核物理学家。——译者注

第4章

路径创造

当人和机器之间的区别变得模糊时，我们更需要关注社会科学。数字技术的发展推动了一场又一场革命，过去为未来拉开序幕。但是对社会科学来讲，未来则有点儿不那么清晰。人类从过去可以学到很多东西，但过去绝不能被视为理解和塑造未来的清晰序章。

科学推动了数字通信和数字计算的进步，现在它正在推动数字制造的发展。我们认为社会科学应该是一个重要的驱动因素，与其他影响人类变革的技术因素处于同等地位。然而，目前情况并非如此。事实上，社会科学如果要在人类未来中扮演它应该扮演的角色，就必须经历一场文化变革。

与前两次数字革命相同，第三次数字革命的核心挑战是：技术正在以指数级速度发展，但人们更倾向于事物以线性速度发生变化。从历史角度来看，个人和组织适应技术加速变革的能力各不相同，变化速度最慢的因素限制了技术的全部潜力。有时，技术本身是限制因素，但随着技术的进步，社会系统可能成为限制因素。在本章，我们展示了社会系统在历史上是如何通过艰难斗争跟上技术变革的步伐的，还重点介绍了个人、组织和机构的不同变化速度的重要性。最后，我们着眼于正在涌现的研究方法和思维模式的亮点，并利用这些新元素促进第三次数字革命。

在上一章中，尼尔描述了贝尔实验室的模拟阵营和数字阵营之间的斗争是如何解决的，其解决方式不是说服对方，而是消耗时间：模拟阵营的管理者消失了，新一代的数字管理者接管了。或者，正如物理学家马克斯·普朗克观察到的那样，一个新的想法能看到光明只是“因为它的对手终会死亡”。然而，在一个加速变革的世界中，这种策略是行不通的，我们不能等一代人过世而让社会系统与技术共同演化。

反应式批判

确保社会科学主动与技术同步发展非常重要，为了描述这种重要性，我们从尼尔在第3章中谈到的摩尔定律讲起。人们普遍认为摩尔定律是使数字技术产品变得更好、更小、更廉价的驱动力。在过去半个世纪（20世纪中后期），不时出现的关于摩尔定律将要终结的预测不断地被证明是错误的，给人一种“此定律必然会延续下去”的感觉。

然而，摩尔定律同样是社会力量的产物。当然，它始于戈登·摩尔的观察。在它被正式命名之前，它存在于一篇发表在杂志上的普通文章中，作者概述了他对半导体产业的变化速度和影响的观察。这篇文章推动了仙童半导体公司和其他先驱公司的科学家的研究进程，促使摩尔和罗伯特·诺伊斯于1968年建立了英特尔公司的前身——NM电子公司。在英特尔公司，性能的连续翻倍成为公司的核心标准，并随着时间的推移成为其合作伙伴、客户和竞争对手最重视的指标。随着性能的不断提高，半导体改善了无数商品和服务的质量，摩尔定律融入了社会期望。维护这条定律不仅是英特尔必须执行的战略，最终还将成为社会发展的战略，社会急切地拥抱了更好、更快、更便宜的数字设备和应用。

在社会科学中，摩尔定律被称为社会构造的现象——它不是一项自然法则，而是特定人类行为不断重复的产物。在这种情况下，竞争环境是由社会构造的。在管理学中，社会构造的环境被定义为“制定的环境”。换而言之，摩尔定律是在特定竞争环境中由商业互动创造的一个案例。信息技术性能之所以持续加速发展，是因为人类将其变成了一个必需品——它对工业和社会都十分重要。数字制造在这种预期下会发生什么变化呢？要想解答这个问题，我们需要理解摩尔定律和拉斯定律之间一些关键的社会差异。首先，我们从英特尔公司的角色谈起。

半个世纪以来，英特尔公司一直致力于坚守摩尔定律。支持英特尔数据中心集团战略规划的社会科学家彼得·莱文说：“摩尔定律是我们的商业战略。”“坚持摩尔定律使英特尔公司获得了成功。摩尔定律提供了一套使合作伙伴和客户能够在很长一段时间内评估公司的工程和制造能力的标准。”他又补充道，“这并不容易。保持这种竞争优势是非常困难的——面对高昂的成本和巨大的复杂性，我们需要庞大的资金流和研究规模，以及强大的开发攻关能力。但是，在这一点上，英特尔公司做得比任何公司都好。”他用一个比喻进行总结：“坚守摩尔定律的延续有点儿像印第安纳·琼斯一样始终保持在巨石的前面，因为在电影中，巨石一直在向他倾斜。”对于英特尔公司而言，坚守摩尔定律是一个始终存在的威胁。应对这一威胁需要持续的紧迫感、聚焦重点的能力和良好的执行能力。

那么，还有一个关键的问题：谁是拉斯定律（不断保持数字制造性能加速发展的定律）的存在性驱动者？尽管可能出现一家单一的驱动型公司，但我们认为它最有可能是一个由相互依存但又各自独立的参与者构成的生态系统，这些参与者将推动数字制造性能的加速发展。在这种情况下，一个有组织（公共组织、私人组织和非营利组织）的生态系统是否可以与单个跨国公司（由管理人员、员工和股东不断改善其财务业绩）具有相同的存在性驱动力，这是一个悬而未决的问题。此外，这种分布式生态系统可能会也可能不会随着财政和人力资源的出现而出现，以维持必要的基础研究和开发。

塑造社会系统，使之与拉斯定律保持一致，这将是社会的决定性挑战之一，因此，这也是第三次数字革命中的社会科学核心问题。研究这个社会科学问题是为了解决“数制”工坊普及、“数制”工坊新手扫盲、整体生态系统的扩充以及未来潜在风险的转移等问题，这些问题也会成为我们衡量成功的标准。不幸的是，关于社会科学发挥前瞻性作用的记录呈现的结果并非良好。在摩尔定律出现后的许多年里，几乎所有的社会科学学科都未能认识到世界正处于由数字技术驱动的大规模变革的起始阶段，因为它们并没有深入参与到新兴的数字技术中，不了解其指数级增长的潜力，因此在塑造社会系统以共同发展的方面受到了限制。结果就是，我们的社会科学在紧紧追赶技术趋势。

对技术的反应式批判性分析——观察——是社会科学的规范。这种方法是必要的，但在技术发展呈指数级加速的世界中还远远不够。在社会科学中，当同时涉及人和技术两者时，我们需要把路径观察和路径创造相结合。为了理解如何实现这一目标，我们回到工业革命和现代社会科学的起源。

被动与主动

社会科学是一门研究人类社会和人际关系的学科，它与技术的关系从工业革命的早期开始就是反应式的。这种反应式的思维定式渗透了社会科学的方方面面——社会学、经济学、政治学、管理学、劳资关系、社会工作，还有其他相关领域。这种思维定式让社会科学家很难进行预测并帮助人们开辟加速技术变革的道路。

工业革命相比之前的手工业有一个巨大的质变，这个质变与之后的两次数字革命的相关转变同样重要。工业革命是被一系列相互关联的技术发展驱动的，范围跨越工程、化学、冶金，还有至关重要的蒸汽能。18世纪晚期，产业化的蒸汽能让人类的力量增加了1 000倍，驱动了整个社会的转变。这些转变包括从手工生产到工业化大规模量产的转变，以及从基于土地与棉花的经济体系到工厂驱动大市场的经济体系的转变。与此相关的还有新的化学制品、钢铁工艺和纺织工业制造流程的引入加速了工业产出，运河的发展进一步促进了工业产出，从而驱动了大规模运输业的发展。