C05
SEED共读共在读书会216期《人工科学》C04-C05
领读：@收音机
日期：2026-01-21
录制文件：https://meeting.tencent.com/crm/NLRERrjY3f
访问密码：OXHY
小感悟
我感觉符号主义，的初心就是想让人成为上帝。而链接主义更像微积分，让人趋紧上帝的设计。
The Science of Design: Creating the Artificial
鉴于设计在专业活动中的关键作用，在本世纪中，自然科学几乎将艺术科学从专业学校课程中排挤出去，这一发展在第二次世界大战后两到三十年达到了顶峰。 工程学院逐渐变成了物理和数学学院； 医学院变成了生物科学学院； 商学院变成了有限数学学院。 使用“应用”等形容词掩盖了但并未改变这一事实。 它仅仅意味着在专业学校中，那些被认为与专业实践最相关的数学和自然科学主题被选中作为重点。它并不意味着设计继续被教授，与分析相区别。 向自然科学转变、远离人工科学这一趋势在工程、商业和医学领域比在其他我提到的专业领域中推进得更远、更快，尽管它绝非没有出现在法律、新闻和图书馆科学学院中。
总之这章开篇就是在呼吁，改变“设计”特别是“人工科学”以应用为指导方向的研究现状。 然后呼吁将“设计”变成像物理学一样严谨的科学。 我非常同意他的说法，他多思想也正好是Fablab 反主流文化的那一波学者，思想的根基，我相信现在搞人工智能的这批人也很认同这个观点。
但是我也看到了他没有想到的那一点，以及为什么，比如，为什么现实是，过去了这么久了，设计专业依然不是如此，依然招来的学生，或者行业里有成就的人都是“艺术生”所谓的品味和审美更好的人？
因为设计还有一部分是控制，是权力。既得利益集团自然会巩固自己的设计，这部分往往更重要。从权力的结构来看的话，校懂们，规则制定者们需要大学培养的人才更多的是听话的，审美好的人。而不是有独立思考能自称一派风格的人。
发散的举例，比如所谓的斩杀线，美国黑帮，底层人活不过40岁的挣扎。那确实是真的，但没说的是，各个国家的政府，设计的规则都差不多。 冰层融化，但所有媒体的关注点是美国要买冰岛，权力机器要回到二战前的状态。还有共济会的建筑，媒体对大众思想的影响，都是设计。然后这些审美呀，文化呀教育体系呀都是历史遗留问题
赫伯特·西蒙这一派要对付的或者说要影响的思想，是这样一群怪物。动规则制定者的蛋糕他们肯定不会同意。有点像马斯克对教育的理解，现在的处境很类似。
The Logic of Design: Fixed Alternatives
We must start with some questions of logic.2
I have treated the question of logical formalism for design at greater length in two earlier papers: "The Logic of Rational Decision," British Journal for the Philosophy of Science, 16(1965):169 186; and "The Logic of Heuristic Decision Making," in Nicholas Rescher (ed.), The Logic of Decision and Action (Pittsburgh: University of Pittsburgh Press, 1967), pp. 1 35. The present discussion is based on these two papers, which have been reprinted as chapters 3.1 and 3.2 in my Models of Discovery (Dordrecht: D. Reidel Pub. Co., 1977). 我们必须从一些逻辑问题开始。 我在两篇早期的论文中更详细地探讨了设计中的逻辑形式主义问题： 《理性决策的逻辑》，《英国科学哲学杂志》，16（1965）：169-186；以及《启发式决策的逻辑》，收录于尼古拉斯·拉斯基（编）的《决策与行动的逻辑》（匹兹堡：匹兹堡大学出版社，1967 年），第 1-35 页。本次讨论基于这两篇论文，它们已被作为第 3.1 章和第 3.2 章收录在我的《发现模型》（多德雷赫特：D. Reidel 出版社，1977 年）中。
感觉从逻辑作为起始点，开始考虑设计，这个起点就比大部分我接触到的设计人士要NB多了。（Why-为什么要设计这个东西？How-上帝会怎么设计这个东西）
这段似乎就是在说，如何构建一套符号系统，来尽可能“自动化“的完成设计工作。（生成式设计）
逻辑如下：
- The natural sciences are concerned with how things are. Design, on the other hand, is concerned with how things ought to be, with devising artifacts to attain goals. 自然科学关心事物是怎么样的？用的是一套普通的逻辑系统 设计关心的是： 事物应当如何？
- 所以 研究自然的逻辑系统不完全适合研究设计。那我们就来引入些新的变量，符号系统从而新构建出一个For 设计的逻辑系统
- 这两套系统的区别点有哪些，或者说，普通的逻辑系统里的问题，在移植到“设计逻辑系统”之后，会出现什么Bug嘛？ 如下：
Paradoxes of Imperative Logic 命令逻辑的悖论
从"给我针和线！"可以类比于命题逻辑推导出"给我针或线！"吗？ 针对这些明显的悖论性挑战，人们已经发展出多种模态逻辑构造来处理各种"应该"、"必须"和"应当”
总之就是论文的那一套，这个悖论的问题解决啦：在设计逻辑中不必要，对设计逻辑来说没用。
Reduction to Declarative Logic 简化为声明逻辑
我个人感觉这段应该是有人提问的回答。这个回答仿佛就是在变相的提醒你，需要时刻注意一下帮你装房子or修车的人有没有脑子。然后给出了一套检测方法，只有有脑子的人才能看懂。
这套方法大概逻辑是：
- 没脑子的设计系统，不用看了。这套方法没有意义，会崩溃。
- 有脑子的：
- 首先关注“设计符号系统“内部的方案和实际情况之间的界面。
- 设计有没有能解释的方案&备选方案？
- 我怎么检验这些方案能不能完成预期，能完成多少？不完成会怎么样？
- 有没有个效用函数，关键参数点是什么？（时间 规模 成品率…）
- 怎么优化这个效用函数
既然优化问题一旦形式化，就是一个在约束条件下最大化函数的标准数学问题，那么用于推导答案的逻辑显然是数学所依赖的谓词演算的标准逻辑。 形式化如何避免使用特殊的命令逻辑？它通过处理可能世界的集合来实现：首先考虑所有满足外部环境约束的可能世界；然后找出集合中满足目标剩余约束的特定世界，并最大化效用函数。 这种逻辑与我们向环境条件中已有的自然法则中添加目标约束和最大化要求，作为新的“自然法则”完全相同。我们只需询问在满足所有这些条件的世界中，指令变量将取何值，并得出结论：这些值就是指令变量应有的值。
感觉作者非常Nerd 不愧是人工智能奠基人，感觉人工智能现在这个德性跟他们这帮人的性格特征有很大的关系。
以装修厕所为例子，我感觉如果我用了这套思维模式来设计厕所的话，设计完我可能就不想装修了。精力全花在找参数，优化设计效应函数，增加设计备选方案上了。跟之前的手机，现在的大模型跑分的感觉一样样的。
作者举了个应该吃什么的例子，我的生活体验是：随便！今天想吃肉了我就是“生酮饮食”法的坚定拥护者。这阵子吃多了，我就是尝试素食修行的萌新。还有炸鱼薯条跟中东烤爸爸等文化系统供我选择。因此，随便。
Computing the Optimum 计算最优解
迄今为止，我们的讨论已经为我们提供了科学设计课程的两个核心主题：
- 效用理论和统计决策理论作为在给定备选方案中进行理性选择的逻辑框架。
- 实际推导出可用备选方案中最佳方案的技术体系。
只有在简单情况下，计算最佳备选方案才是一个容易的事情（回顾第二章）。
这里就提到了我上面说的选择困难，怎么办？简短总结就是：差不多得了
Finding Satisfactory Actions 寻找令人满意的行动方案
简短理解就是，整几个备用方案就开干，选择局部最优解就行。
即使我们幸运到早期就生成了最佳方案，我们也不能在看到所有方案之前识别出最佳方案。我们通过寻找替代方案的方式来满足，这种方式通常只需适度搜索就能找到一个可接受的方案。 现在在许多满足情况下，寻找符合指定可接受标准的替代方案的预期搜索长度取决于标准的设定高度，但几乎与要搜索的总宇宙大小无关。在干草堆中寻找足够用来缝纫的针所需的时间取决于尖锐针头的分布密度，而与干草堆的总大小无关。
意思就是，从干草垛里找缝衣服针，你找到第一个这事就结束了，（或者1-2个针有个比对）于是这件事只跟草垛里针分布的密度有关系和草垛多大没关系了。
这个模式叫满足型方法。是设计里的常用方案（差不多得了）项目管理和工业设计上也都是这个思想：人月神话 胶泥坑 软件开发 How to Almost make anything.
The Logic of Design: Finding Alternatives 设计的逻辑：寻找替代方案
差不多就是脑爆的过程和思路
一旦找到一个候选方案，我们可以问："这个替代方案是否满足所有设计标准？"显然，这也是一个事实性问题，不会引发新的逻辑问题。 但搜索候选方案的过程呢？需要什么样的逻辑来进行搜索？
你的方案，是怎么选择出来的？背后的认知逻辑（就是要可视化你的思维过程，冯诺伊曼结构）
Means-Ends Analysis 手段-目的分析
这里的逻辑系统里有2个场景：
- 点菜：方案列举好了，需要逻辑系统判断哪个好
- 做饭：需要自己用材料把方案做出来。
关键点是点菜的背后逻辑，把菜做出来的方法，作者认为本质上都是一样的：一个 输入 - 输出 结构的黑盒or白盒系统。
怎么在所处的环境中，与系统内部已知的计划，建立联系。
感知器 — 行动端 — 链接机制（算法：规则+if alse）
The Logic of Search 搜索的逻辑
作者用一个GPS“通用解题者的计算机程序（可能是“通用人工智能”最先提出的地方？）来解释了一下搜索就像是走迷宫，策略和算法。
这部分就没有细看了，感觉这部分已经是行业共识了，高维空间求解啥的，将搜索问题顺利转换成个计算问题。
需要注意的是：（不知道为啥从3开始）
- Adaptation of standard logic to the search for alternatives. 寻找能到达目标就行的方案，而不是必要行动。（不是一定要的行动）
- The exploitation of parallel, or near-parallel, factorizations of differences 将计算分解
- The allocation of resources for search to alternative, partly explored action sequences. 算力资源分配 设计过程在资源分配方面有两种方式。 首先，资源的节约可能是满意设计的标准之一。（制定衡量标准，打磨标准） 其次，设计过程本身（设计流程） 大公司里，最经典的屎上雕花的动作，就是这俩项老板制定好标准走了，让下属部门打磨标准，很可能是制定没制定好。然后优化流程。。。
引用了一个高速设计的例子：（没看）
Schemes for Guiding Search 引导搜索的方案
搜索转化成计算问题后，怎么给路径（算法）打分
关键点是把两个评价标准剥离，即搜索引擎函数（计划函数）和最终的评价函数是不一样的两套系统
该不该走这步棋与 这步棋的结果好不好是两码事
该不该结婚和跟谁结婚是两码事儿 （但我的经验和直觉，完全不能同意）
把“搜索”的计算过程从“寻找解”———“收集更多的信息” 特别是关于结构的信息
寻找解是找“线”——收集更多信息是“开地图” （不知道第一代的开地图游戏有没有借鉴这个文章里的思路）
The Shape of the Design: Hierarchy 设计的形状：层级结构
基本思想是，任何复杂系统中的几个组件将执行特定的子功能，这些子功能共同促成整体功能。正如可以通过描述其功能来定义整个系统的“内部环境”，而不需要详细说明其机制一样，每个子系统的“内部环境”也可以通过描述该子系统的功能来定义，而不需要详细说明其子机制。
一个分形结构的层级系统。模块化各个功能机构，使得不容易系统崩溃。
且组织结构之间的关系应该不止一种。（比如按照权力结构区分整个公司/ 区域来区分整个公司/职能来区分整个公司BlaBla）
The Generator-Test Cycle 生成器-测试循环
就是软件工程里的 开发和测试部门 好像是本书的核心？
To be continue…