跳转到主要内容

序言+C01~C02

SEED共读共在读书会213期《人工科学》C01-C03
领读：@Yuan
日期：2026-01-14 21:28:46
录制文件：https://meeting.tencent.com/crm/2jYBoPj57e
访问密码：IX2A

    • 0. 序言与总论：人工科学的合法性

      • 核心挑战：传统科学关注“是什么”（必然性），工程/设计关注“应当是什么”（权变性）。如何让关注“人造物”的学科成为一门“科学”？
      • 西蒙的回答：
        • 人工物具有薄脆的界面特性（Interface）：我们不需要了解复杂的内部结构，仅通过其功能（适应外部环境的目标）就能研究它。
        • 这使得建立一门关于“人工物”的经验科学（Empirical Science）成为可能。

    • 第1章：理解自然界和人工界 (Understanding the Natural and Artificial Worlds)

      • 本章主旨：界定什么是“人工物”，以及为什么我们可以通过“模拟”来研究复杂系统。
      • 1.1 人工物的四个基本特征
        • 综合性 (Synthesized)：由人设计或制造（虽不一定是完全有意识的设计）。
        • 模仿性 (Imitation)：模仿自然物的外表，但可能缺乏自然物的某种本质（如人造宝石 vs 天然宝石）。
        • 功能性 (Functional)：可以通过“目标”（Goal）、“适应性”（Adaptation）来表征。
        • 规范性与描述性 (Normative vs. Descriptive)：涉及“应当如何”（Ought），但依然可以作为描述性对象来研究。
      • 1.2 核心隐喻：人工物作为“界面” (Artifact as Interface)
        • 三明治模型：
          • 内部环境 (Inner Environment)：人工物自身的物质和组织结构（如时钟的齿轮、电脑的芯片）。
          • 外部环境 (Outer Environment)：人工物运行的任务环境（如颠簸的海船、由于重力作用的地球）。
          • 界面 (Interface)：人工物是内外环境的交接点。
        • 适应性原理：
          • 只要内部环境能适应外部环境，目标就能实现。
          • 功能抽象：如果我在船上用钟，我只关心它能否抵消颠簸（功能），不关心它是用弹簧还是电子振荡（内部构造）。
          • 结论：我们通常不需要打开“黑箱”就能预测人工物的行为，除非它崩溃（即触及了适应性的极限）。
      • 1.3 模拟 (Simulation) 作为知识源
        • 为什么模拟被轻视？：传统观点认为模拟只是“模仿”，甚至带有欺骗性（Artificial = Fake）。
        • 模拟的认识论价值：
          • 即使已知基本定律（如气象方程），我们也无法直接推导出复杂系统的宏观行为。模拟是计算推演的手段。
          • 案例：史蒂文（Stevin）的球链思想实验——通过模拟展示了力的平衡，而无需实际实验。
        • 计算机的本质：计算机是最纯粹的“人工物”，因为它可以通过改变程序（软件）来模拟任何符号系统，而与其硬件（电子管/晶体管）无关。它证明了功能的组织形式独立于物理实现。
      • 1.4 物理符号系统假说 (Physical Symbol System Hypothesis)
        • 定义：任何能够输入、输出、存储、修改、复制符号的物理系统（无论是由神经元还是硅芯片构成）。
        • 断言：物理符号系统拥有产生“智能行为”的充分且必要手段。

    • 第2章：经济合理性：适应性的手段 (Economic Rationality)

      • 本章主旨：将“理性”视为一种适应机制，从宏观经济转向微观决策，提出“有限理性”。
      • 2.1 实质理性 vs. 程序理性
        • 实质理性 (Substantive Rationality)：
          • 定义：传统经济学（新古典主义）的假设。行为完全由外部环境（市场条件）和目标（效用最大化）决定。
          • 隐喻：如果把人看作完全理性的，人就像完美的果冻，完全填充了环境的模具。研究人变成了研究环境。
        • 程序理性 (Procedural Rationality)：
          • 定义：现实中的理性。行为受限于内部环境（计算能力、注意力、信息的局限）。
          • 转变：经济学必须关注决策的过程，也就是计算和搜索的成本。
      • 2.2 满意化 (Satisficing) vs. 最优化 (Optimizing)
        • 针在草垛：最优化要求找到草垛里那根“最尖”的针（不可能完成的任务）；满意化只需要找到一根“能缝衣服”的针。
        • 愿望水平 (Aspiration Level)：
          • 这是一个动态调节机制。如果容易找到好方案，愿望水平上升；如果很难，愿望水平下降。
          • 结论：追求“足够好”不是因为懒惰，而是因为在计算约束下的最佳适应策略。
      • 2.3 市场与组织的演化视角
        • 市场机制：它的奇迹不在于达到帕累托最优，而在于节约信息。每个人只需要知道价格，不需要知道全局信息。
        • 不确定性与博弈：如果每个人都试图预测他人的预测（博弈论），计算将陷入死循环。
        • 组织的作用：
          • 组织不仅是市场的补充，更是为了吸收不确定性。
          • 通过层级结构和角色分工，将复杂的大决策分解为每个人可处理的小决策。
          • 认同感 (Identification)：个人将组织目标内化，这是组织能高效运作的心理基础。
        • 进化论观点：现存的经济结构不是设计出来的，而是通过“变异（商业创新）-选择（市场竞争）-遗传（标准操作程序 SOP）”演化而来的。

  • 1. 被验证且强化的

    • 有限理性 (Bounded Rationality)：这不仅被丹尼尔·卡尼曼（Daniel Kahneman）的行为经济学发扬光大，更是现代 AI 的基础。现在的 AI 训练（如 RLHF）本质上就是在寻找“满意解”而非数学上的绝对最优。
    • 模拟作为认识论 (Simulation as Epistemology)：司马贺认为“模拟是理解现实的一种方式”。今天，从天气预报的“数字孪生”到 Sora 生成物理世界，我们完全进入了“通过生成来理解”的时代。
    • 接口理论：API 经济和模块化设计完全印证了“内部环境与外部环境解耦”的思想。

  • 2. 被修正或否定的

    • 符号主义 vs. 连接主义：
      • 司马贺观点：思维是物理符号系统的操作。
      • 现状：Transformer 和深度学习证明，不需要显式的符号和规则，通过大规模的统计概率（连接主义）也能涌现出逻辑和推理。思维可能不是“串行处理符号”，而是“并行处理向量”。
    • 串行 vs. 并行：
      • 司马贺观点：大脑主要是串行处理的（受限于当时的冯·诺依曼架构思维）。
      • 现状：虽然意识流（System 2）看似串行，但底层的感知和直觉（System 1）是高度大规模并行的。

  • 3. 未曾设想的

    • 生成式 AI 的涌现 (Emergence)：司马贺关注的是“搜索问题空间”（如下棋、证明定理）。他没预料到通过简单的“预测下一个 token”，机器能涌现出通用语言理解能力。
    • 外部记忆的外挂 (The Extended Mind)：司马贺提到了笔记本作为外部记忆，但他无法想象现在人类通过搜索引擎和 AI，实质上拥有了实时访问全人类知识库的能力。这极大地改变了“有限理性”的边界——我们的“理性”边界被技术极大地拓宽了。
回到顶部