人工智能伦理

图3.68 检索“中美GDP对比”，WolframAlpha返回当前数据及历史数据比较

每年都有大量的生物医学类论文发表，PubMed网站提供了对这些论文摘要的免费搜索服务，已有很多知识挖掘的研究工作利用自然语言处理和信息检索技术自动发现论文、作者、研究机构的关联性，包括研究主题的演化趋势等宏观规律。然而，在概念层面的微观知识建模仍有待发展。

知识的更新

知识之树的根是“道”，由根生长到主干、枝杈、叶子，有连续性、规律性。“实践出真知”“实践是检验真理的唯一标准”的含义都是，经过实践这个筛子，真正有价值的知识被留下，无用的知识被抛弃或遗忘。

图3.69 知识之树植根于经验的土壤，在理性之光下茁壮成长

很难明确地定义知识是什么，许多哲学家尝试过，但都以失败告终。在大的时间尺度下纵观人类的知识发展，除了数学知识的积累相对比较平稳外，其他科学知识都处于颠覆性的变化之中。今天的物理、化学、生物等科学，与一百年前相比，已经千差 万 别 。 如 今 ， 不 再 有 像 布 丰 （ Comte de Buffon, 1707—1788）那样百科全书式的学者，也不会有像昂利·庞加莱（Henri Poincaré，1854—1912）那样全面的数学家。研究领域已经细化到任何一个局部的小分支都可以吞噬一个研究者全部的青春年华。

图3.70 庄子（前369—前286）告诫我们要有目标地追求知识，“吾生也有涯，而知也无涯。以有涯随无涯，殆已”（《庄子·养生主》）

知识如何融合？它的增长方式是怎样的？知识在人脑里的存储方式是什么？推理时它是怎么被调用的？可以描绘人类知识的演化过程吗？知识论里有太多的难题，已困惑人类数千年。

拿知识演化来说，即便是循序渐进的数学，一些新工具的诞生也让教科书里的旧知识尴尬不已，是走是留？譬如，多元微积分 里 的 格 林 公 式 （ Green formula ） 、 斯 托 克 斯 定 理（Stokes’theorem），如果用外代数、外微分的语言描述不知要简单多少倍。传统的方法总要被新方法取代，就像总有人正老去，总有人正年轻。

图3.71 作为自然科学的奴仆，数学不断地提升自己，以求更好地服务于科学。数学里只有过时的方法，而没有错误的知识

知识的实用性是它的最主要的特征之一，无用的知识流传不下去。如果用“道法术器”来给知识分层，哲学在“道”的层面，离实用最远却统辖着其他三个层面。一些人认为哲学无用，其实它是最根本的，我们每个人都受其影响却常常不察觉。

图3.72 哲学是科学之母，哲学家是爱智慧之人

什么样的知识才算有用的？对个人来说，求生、急救、安全、健康等生存、生活常识是必需的。对公司来说，技术、人力、流程、资源的知识管理、智能运维能打破部门壁垒、提高效率、降低成本。对国家来说，既需要各种专业型人才，也需要复合型、应用型人才。例如，德国、日本一直非常重视职业教育，并不是人人都要成为科学家才显得酷。1951年，日本颁布了《产业教育振兴法》,强调“初中、高中、大学和高等专科学校教育是为了使学生掌握农业、工业、商业、水产业和其他产业所必需的知识、技能和态度所进行的教育”。

在德国，技工的工资高于全国平均水平，技校毕业生的工资几乎普遍高于高校毕业生。高级技术工人、工程师的社会地位和经济收入并不低于大学教授。在这种背景下，德国每年有65%的初中毕业生进入职业学校。