--- schema_version: "library-reader-v1" source_type: "original_book" title: "微粒社会 数字化时代的社会模式" author: null edition: null publisher: null year: null isbn: "9787508679136" library_document_id: "7519e7db-a39f-4ca7-adbd-76f73bc8f355" source_sha256: "39bccd6e33b7aa8b334316cd0564bcbec252a65780571a7ded732d033baae572" pdf_physical_page_count: 233 pdf_physical_page_index_base: 0 range_start: 90 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/7519e7db-a39f-4ca7-adbd-76f73bc8f355?start=90&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/7519e7db-a39f-4ca7-adbd-76f73bc8f355.md?start=90&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/7519e7db-a39f-4ca7-adbd-76f73bc8f355.md?start=80&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/7519e7db-a39f-4ca7-adbd-76f73bc8f355.md?start=100&limit=10" --- # 微粒社会 数字化时代的社会模式 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=90 | PRINTED_PAGE=071 因此，所有人类与机器间的比喻也都错了。我们的大脑不是硬盘，而摄像机传感器也不是人类的眼睛。只是因为计算机从根本上就是不同的，它们才能这样彻底地搅动和改变我们的社会。要是它们像我们一样，或许我们会像接受我们社会中的兄弟姐妹一样去接受它们，那样的话只会出现更多同样的存在：和我们一样。 现在取而代之在我们世界中出现的，是一种新的智能，这种新的智能可以补充我们的智能，而且经常苛求我们的智能。早在1954年，保罗·米尔就写了一本薄薄的使社会学家和心理学家感到震惊的书。他在书中论证，即使是简单的数学模型通常在预测上也会比专家们做的好得多。对米尔来说重要的是，预测犯罪率的下降，或者病人对电击疗法（那时普遍流行）的反应如何。但是最直观的例子却是在数年后由奥利·阿申费尔特提供的。 这位斯坦福大学的教授喜欢高品质红酒，尤其喜欢用作价值投资的红酒。红酒杂志的专家们预测这种饮料未来价值的通常做法有着上千年的历史：先品尝然后给出评分。阿申费尔特将这种方法称为“先喝后吐”。他设计出一个评测红酒质量的公式，这个公式中的参数包括葡萄生长期的平均温度以及冬季的降雨量，能够做出比那些最著名的专家们更好的预测。而那些专家却将阿申费尔特污蔑为庸俗的人和门外汉。阿申费尔特曾于1989年预测，当年的葡萄酒质量可以媲美100年的波尔多，他被嘲笑了—不过后来他被证明是对的。第二年，他评估的葡萄酒质量更高，再一次遭到嘲笑——但是之后他又被证明是对的。 071 第二章智能革命 ## PDF_PHYSICAL_PAGE_INDEX=91 | PRINTED_PAGE=072 一个简单的公式比品酒专家更聪明，这使得品酒专家感到受辱，他们至今未能原谅阿申费尔特。还有许多像他们一样的专家因此处境糟糕，他们常常遭受来自简单的统计方法的打击。程序算法能够比公司领导招募到更好的雇员；它们常常能够更加聪明地做出决策，比如一家出版社应当出版什么样的书籍；它们会更精确地计算出哪些电影将获得成功，甚至信用卡诈骗的揭发如今也变得自动化了。 程序算法的优势正是人类的不足：我们受制于所有可能的知觉扭曲。我们会过高评估当前的结果，我们认为自己比实际中的更加聪明，我们太情绪化了。或者说：我们已经被标准化了，将世界当作剧院或一场戏剧来观察。面对每一种新的刺激，我们就像一个欣喜若狂的女明星一样：激动、夸张、忘记之前的事实。我们以史为鉴，而历史所导向的不是可能性，而是情绪的冲击。历史很长，我们却容易忽视事物的规律性和可预料性。 这是不是意味着，我们应当把决策权拱手让给那些超然物外的程序算法呢?肯定不是。那样会很危险，因为完全臣服于数字化智能将可能一再导致明显的错误决策。保罗·米尔用“断腿问题”阐释了这个问题。假设，一个程序算法基于众多的因素计算，一个人有84%的概率会在下周五去电影院。但是当我们现在获悉，这个人把腿摔折了，对于一个人类观察者而言，一切都将改变，但是对于计算机而言可能就不是这样（因为它的程序算法并没有被编程不会计算极端的不可能事件)。米尔推断，我们因此需要某种形式的人道的紧急开关，借此我们能够在可疑情况发生时纠正机器智能。就像另外一个研究者注意到的那样，问题只是：“人类觉得到处都有断腿，甚至那些根本没有断腿的地方也有。”而对机器的纠正也将混入人类的认知错误。 微粒社会 The Granular Society 072 ## PDF_PHYSICAL_PAGE_INDEX=92 | PRINTED_PAGE=073 人们或许只能将这种两难的处境视为不可破解的，或者视为人类和机器智能协同演化的开端。所有的一切都在表明，这种合作将决定我们的生活。不是机器的主导，不是人类的统治，决定我们生活的，将是第三种渐渐显露出来的状态。就像自由式国际象棋比赛那样。 这种协同合作的智能革命将怎样产生影响？有三种趋势即将显现：我们将变得更加聪明，我们将适应机器的世界，我们也将适应自己的变化。 我们将变得更加聪明却更紧张 马格努斯·卡尔森在13岁4个月零27天的时候就成为国际象棋界的大师，19时成为国际象棋排行榜上最年轻的第一名，而自2014年3月起他正式成为史上最厉害的国际象棋选手。他以2881分的埃洛值①超过加里·卡斯帕罗夫的纪录整整30分。 假如在30年以前，这个挪威少年几乎没有可能成为一个象棋神童。他会生活在一个没有卓越象棋传统的国家，而且没有合适的训练伙伴。但在苏联情况可能就不一样了，莫斯科曾经有世界上最丰富的国际象棋对弈档案，并且曾有一支完整的象棋大师教练队伍，接收并训练年轻的、有天赋的选手。 073 第二章智能革命 ① 英文为ELO-Zahl，是由美国科学家埃洛发明的一套国际象棋评价体系。——译者注 ## PDF_PHYSICAL_PAGE_INDEX=93 | PRINTED_PAGE=074 首先成就马格努斯，使他的象棋梦变成现实的是计算机：“我十一二岁的时候就已经在计算机上备战比赛并且在网上对弈了。”除此之外，他还购买了内存450万场赛局的DVD（高密度数字视频光盘)，他可以据此学习分析。马格努斯的进步在没有计算机的情况下是不可想象的—这也是大多数顶级选手的现状。同样的情况也发生在扑克选手身上，这些杰出的、由计算机训练出来的新生代明星已经有了一个自己的名字：dieRobotrons。 计算机科学家、杰出的国际象棋选手肯尼思·里根想知道，今天的国际象棋选手是否真的获得了更高的埃洛值，国际象棋比赛的水平是否因此真的有了提升—或者说，选手们是否从某种形式的评价通胀中受益了。但是由于并非所有的赛局都被保存并流传下来，那怎么计算100年前的象棋选手的实力呢？里根想到的办法是，让所有的棋手与同样的对手比赛，这个对手就是当前被称为“李普卡”的最好的象棋程序。因为那些早已逝世的象棋选手不能与李普卡对抗，里根使用了一个技巧：在多达数千个赛局中，他计算出李普卡可能选择的棋步，然后比较哪些棋步是逝世棋手真正选择过的。这样里根似乎确定了之前时代的下棋水平与李普卡的差距，然后再将其与当今的水平比较。 结果是明确的：今天的棋手要比之前的棋手水平更高。象棋的水平有了提升，并且当今的棋手获得了比前辈们更高的埃洛值。或者反过来说：之前统治这个领域的棋手，今天几乎没有可能挤进世界顶级棋手的行列。 微粒社会 The Granular Society 074 ## PDF_PHYSICAL_PAGE_INDEX=94 | PRINTED_PAGE=075 这种水平发生飞跃的原因首先在于那些能够带来顶级成绩的信息现在随处可得，不再仅仅存在于莫斯科的档案中了。借助互联网，世界上任何地方的孩子，即使是在遥远的印度乡村的孩子，也可以与世界上最强大的计算机程序一较高下，而且可以和最好的象棋选手交流。地理位置不再是决定命运的因素。天才的潜能能够更好地被激发出来，同时全球化的竞争正在加剧并迫使所有人付出更多的努力。 但是计算机不只分配了已知的东西，它也教会了那些棋手新的东西。基于计算机“思考”比赛的特别方式，人类可以更好地掌握之前牺牲掉的棋子对于赢得之后的比赛可能会有怎样的价值。马格努斯·卡尔森因此认为，通过计算机获得的学习效果可以快速打破他少年时的纪录：“技术的进步将会成就世界各地越来越年轻的顶级棋手。” 其他的科学领域会不会发生类似的情况呢？我们并不知道。由此，对于数字化技术会使我们变得更加聪明还是更加愚笨这个问题，一直存在激烈的争论。双方都征引研究以证明各自的立场：一会儿说我们可能在数字化转折的风暴中丧失集中注意力的能力，一会儿说数字化的短信息能够丰富我们的语言表达，一会儿说记忆向数字化工具的转移将使大脑的创造性思考变得轻松。可能是这样也可能不是—确定的只是这些研究会使我们更加接近问题的答案。 075 第二章智能革命 ## PDF_PHYSICAL_PAGE_INDEX=95 | PRINTED_PAGE=076 我之所以这样说，一个简单的原因就是：这个问题的提出本身就是错误的。这个问题提出的前提是，智能完全不受当时环境的影响。但这是可疑的。如果测试现在的学生，我们会发现他们虽然不像前几代学生能够熟练地记住某些特定的内容，却能更好地记住那些他们能够找到这些知识的地方或是借以想起这些知识的关键词，那么这些学生是更笨了还是更聪明了呢？如果说他们更笨了，是因为他们将某些知识移出他们的头脑了吗？如果说更聪明了，是因为他们真的变聪明了吗？他们的记忆能力在某一领域正在减弱，而在另外的领域正在增强，我们可以从中推断出什么呢？ 如今，在自己的头脑中记住尽可能多的东西，绝对是有意义的。这曾经是聪明的一种象征，因为记住需要的信息在以前通常是困难的。于是学校鼓励熟记，而学者会因为能够旁征博引而受到赞赏。但是这种能力只不过是对之前口述文化所带来的记忆能力的再次模仿而已：古希腊英雄史诗的说唱诗人或者印度乡村的行吟木偶戏演员会讥笑现代人的记忆能力。因此，我们会说千年之后人们的记忆能力发生了巨大的衰退吗？如果答案是肯定的，我们是不是将会看到某种衰落呢? 在当今流行的理论中，大脑通常被描述成适应各自要求的肌肉器官。它强化了面向需求的方面，正在变得可塑且具有适应能力，而且它喜欢这种训练。我们没有理由接受这种想法：只因为我们兜里装着一台智能手机，人类千百年来的认知训练就会走到尽头。事实完全相反：智能设备的出现并不意味着大脑时代的终结，而是更能有助于大脑能力的充分发挥。未来，我们需要训练越来越聪明的机器。我们需要设计、建造这些越发智能的机器，并学会与它们相处。它们也将训练、挑战我们，将我们带到我们的极限一也就是达到训练的预期效果。为什么与一种（在某些特定领域）占据优势的智能相连，会使我们变得越来越笨呢？这样一来，不是所有刚入学的孩子都将失去他们的智能吗？哈佛大学不就成了一座愚民的教育机构了吗? 微粒社会 The Granular Society 076 ## PDF_PHYSICAL_PAGE_INDEX=96 | PRINTED_PAGE=077 但是未来的这种训练也将带给我们一些新的挑战。因为我们的周围将首次充斥着数字化的东西，那些比我们学习速度更快而且进化得更快的东西。人类迄今仍感觉自己具有进化上的优越性，但是在智能革命中，在数字化机器面前，人类将相形见绌。在对抗机器的学习速度方面，人类连最小的胜出机会都没有。 人类通过模仿和训练进行学习，而且每一个人都不一样。进行学习的地方是学校，而且学校规定，每个学生要努力掌握之前熟悉的东西：二项式方程、英语中的不规则动词以及化学元素周期表。可以确定的是，我们也在学习并将知识储存在诸如大学和公司之类的机构里，这样一来今天设计汽油发动机的工程师就不必是个天才，而在150年前这几乎是一个不可完成的挑战。但是我们所有人必须单独且耗费时间去掌握那些使得我们有资格参与技术进步的知识而鉴于我们生命的长度，用来获取这种知识经验的时间也是有限的。 数字化设备并没有这些限制。它们可以相互传送新的经验——这个过程叫作“升级更新”。一位有经验的飞行员在其职业生涯中最多会积累20000个小时的飞行时间，而数字化的自动驾驶仪可以在飞机上连续工作10万个小时，所有安装自动驾驶仪的飞机的飞行时间，相加甚至可能达到上百万个小时。而且这种新型飞机可以通过更新硬盘实现升级。这对于自动驾驶汽车、机器人、数字化的生产过程以及日常产品同样适用：谷歌和脸谱网每天多次更新它们的程序，在程序员群体中大受欢迎的Github平台每天更新数十次。每一次，计算机都会从“经验”中“学习”，而这些“经验”都不是它们在自己的经历中获得的。 077 第二章智能革命 ## PDF_PHYSICAL_PAGE_INDEX=97 | PRINTED_PAGE=078 数字知识以及处理库的容量正在以巨大的速度增加，而这也将有利于数字化产品的微粒化：这些产品由模块组成，这些模块通过“接口”与产品相连，组成一个完整的东西—每一个单独的模块都会不断地更新和升级。以智能手机为例，智能手机上几乎每天都会有一个或多个应用需要更新。同样的事情目前正发生在汽车身上，汽车的电子器件不断更新换代：无论何时售出的汽车的功能都可能和它刚出厂时大不相同。 设计师们已经在谈论，未来将不会再有固定不变的产品，因为这些产品随时都可能更新。数字化特性意味着持续的暂时性。这种持续的暂时性将会成为常态。如果一款产品不会一直更新，它很快就会沦为过时的废物。这就是微粒社会的悖论之一：只有那些不断变化的东西才会留存下来，正是持续的改变使得社会不再一成不变。由于所有呼吁数字化进程刹车的倡议都可能无疾而终，我们将被迫调整自己以适应这种创新和智能爆炸。 这种智能会像闪电般疾速扩展到很多地方，而且它还会因此而激化。因为在微粒社会中，智能会在某个地方或者某个躯体中失去它的“锚”。在原来的世界中，人和机器会受制于本来就知道的数据，不管这些数据是储存在大脑里还是硬盘中。而在新的联网世界中，智能摆脱了这些限制。比如苹果公司的语音软件Siri会将用户的问题和指令打包成一个轻便的数据包，然后发送到位于某个地方的服务器上，在那里，这些数据会得到分析、解答，之后再发送回去。手机只是导向更高智能的一个接入点，这种更高的智能就存在于世界上的某个地方。 微粒社会 The Granular Society 078 ## PDF_PHYSICAL_PAGE_INDEX=98 | PRINTED_PAGE=079 这种形式的智能正随着“嵌入式智能”的概念普及开来。所谓“嵌入式智能”就是被插入的智能，这并不意味着智能会自己嵌入，它是因为我们将自己与来自不同地方的智能连接起来而被嵌入。但是这种新形式的智能存在一个巨大的弊端：那些灵敏的系统虽然是分散的，却是被集中管理的。所有苹果手机中的数据都将被苹果的中心服务器搜集，与所有的搜索请求都将汇总到谷歌一样（所有这些迟早都将一起被搜集到美国国家安全局那里)。会被重新分配的不只是智能，还有控制管理。 我们如何适应机器的世界 机器凭借自身的聪明才智，可以在一目了然的、清晰定义的环境中运行得轻松自如。对于计算机而言，最理想的环境就是棋盘：棋盘是正方形的，而且只有不多的棋子，棋子的路径也是清晰的。真实的世界常常要复杂得多，而这种复杂性却在很多的职业活动中使人类获得了一种优势，但是同时也导致我们希望将这种复杂性简化，以使数字化机器能够更容易地操作运行。比如在道路交通领域。 079 第二章智能革命 ## PDF_PHYSICAL_PAGE_INDEX=99 | PRINTED_PAGE=080 2012年，德国北威州贝尔格施—格拉德巴赫市的联邦道路事务局的一个项目团队曾建议，应该更加清晰和明亮地标志出机动车道边缘，拆除全国范围内不正规的围栏，设置道路隔离带，从而使得未来的自动驾驶汽车能够更好地定位，并且能够随时保证一种“风险最小化的状态”。另一项有用的举措是大面积的道路监控摄像。这样做的目的似乎并不是监测自动驾驶汽车，而是监测无法预知的行人的行为，从而及时警告这些自动驾驶汽车提防行人。 这种迫使世界不断适应机器的压力，将会随着机器越来越广泛的普及而不断增大。起居室将会为吸尘器机器人而简化，园圃同样会为了收割机而有所调整。这并不是新出现的现象，从20世纪50年代起，人们就已经为了机器而优化耕地和种植地点，许多城市也曾为汽车而改建。这种趋势还将急剧加速并渗透所有的生活领域。自1961年通用汽车首次使用工业机器人以来，即使在工厂中，机器人通常也是被放置在巨型的笼子中，以免它们威胁到人类（至迟在1979年时，福特汽车工厂里的一位工人因机器人死亡，这种做法就被视为明智的决定)。 现在笼子被拆除了。德国的宝马汽车公司正在位于美国斯帕坦堡的装配工厂中实践人机协作：机器人在车门上涂上某种黏合剂，然后将其传送给负责安装车门的工人。为避免发生事故，这些机器人配备了若干传感器，但是工人同时也必须具有感知机器运动的能力，以免妨碍它们的工作。引进机器人的主要原因不仅在于更高的生产效率，还因为人类的弱点。宝马公司创新主管斯特凡·巴切尔说：“我们的工人会变老，虽然退休年龄在提高，但是我们希望我们的雇员能够长时间地健康工作。我们计划通过机器人帮助工人。”为此，机器人和人类要统一到一个共同的世界中，双方要相互熟悉。 微粒社会The Granular Society 080 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/7519e7db-a39f-4ca7-adbd-76f73bc8f355.md?start=100&limit=10)