将近二十年前，唐娜·杰克逊·中泽（Donna Jackson Nakazawa）的免疫系统判断失误，对她自己的身体发起了一场攻击。本该抵抗入侵病原体的白细胞转而进攻她的神经，破坏了神经元外层辅助信号传递的脂质绝缘体——中泽患上了一种罕见的自身免疫疾病：格林-巴利综合征（Guillain-Barré syndrome）。病症导致了肌肉痉挛，并使这位记者兼作家暂时失去了行走能力。

然而，除了身体症状，中泽发觉她的思维似乎也有些不对劲。她出现了严重的焦虑，并且开始经受恼人的记忆失误，甚至忘了如何给女儿系鞋带。“我的身体变了的同时，我的大脑中似乎也出现了实质性变化——我无法动摇这种想法。”在她的新书《天使与刺客：改变医学进程的小小脑细胞》（The Angel and the Assassin: The Tiny Brain Cell That Changed The Course of Medicine）中，中泽这样写道。

当时，医生们并不能很好地解释她身上到底发生了什么。长期以来，科学家们一直认为大脑具有“免疫特权”，与外周免疫系统相阻隔；因此，中泽过于活跃的白细胞应当不会导致那些认知症状。然而，就在过去的十年中，一系列关于小胶质细胞（microglia）的惊人发现颠覆了这一认识。研究证实，这种曾被忽视许久的微小脑细胞是大脑自己的免疫系统，并且在塑造神经网络的过程中举足轻重。《天使与刺客》一书启发性地介绍了小胶质细胞和它们重建医学的潜质。

中泽对复杂的免疫学和神经科学领域进行了极为清晰的叙述，科学研究的胜负难料、关于前沿科研工作者和可能因此受益的病人的故事交错穿插，行文生动，令人耳目一新。中泽认为：“我们正处于颠覆精神病学的风口浪尖：小胶质细胞塑造我们的大脑，对我们的终身精神健康有着巨大影响——这一全新认识覆盖整个医学领域，且一定会重塑我们对精神病学的理解。”

大脑细胞中，负责收发电化学信号的神经元一直被认作主角。其他脑细胞则统称为“胶质细胞”（glial cells），长久以来被降为配角。“胶质细胞是后勤组，它们像明星的跟班们一样满足着神经元的需要。”中泽写道。

在数种胶质细胞里，小胶质细胞的本职是最不起眼的。它们是大脑的清洁工，密切关注损伤和感染，清除病原体、畸形蛋白和死细胞。“它们是大脑卑微的垃圾搬运工，”中泽写道，“机器人式的保洁员。仅此而已。”

园丁和刽子手，一线之差

然而，随着本世纪初成像技术的进步，科学家们开始进一步研究小胶质细胞的确切行为。他们发现，小胶质细胞并非闲坐终日以待召唤——恰恰相反，它们十分积极主动。“在高分辨率显微镜下，单个小胶质细胞犹如优雅的树枝，拥有许多纤长的分杈。”书中写道，“这些分枝在大脑中四处打着旋儿，探查着、搜寻着，不放过哪怕最细微的求救信号。”

研究人员很快有了一个更加惊人的发现。神经科学家已经了解到，发育脑会形成过剩的突触（神经元间的连结），并在发育过程中逐步消除无关连结，但这种突触修剪的机制并不明确。直到2012年，贝思·史蒂文斯及其团队报告了一件令人难以置信的事情：小胶质细胞会吞噬多余的突触，尤其是那些未被充分利用的突触。

这是一项重要的工作：通过消除虚弱闲散的突触，小胶质细胞促进了大脑的健康发育。与此同时，史蒂文斯和其他科学家也开始思考，这个过程若是出错将会如何——正如白细胞有时会错误地攻击健康组织。或许，中泽写道，“和白细胞一样，小胶质细胞并非永远正确。万一，它们不仅修剪了受损的或年迈的神经元，还同时错误地吞噬和破坏了健康的突触，会发生什么？”

从阿兹海默病到抑郁症，许多心理和神经科疾病都伴随着突触损耗或功能障碍。过于活跃的小胶质细胞会是罪魁祸首吗？数量仍在激增的研究结果表明：是的。例如，研究发现，抑郁症患者的活跃小胶质细胞水平偏高。并且，用中泽的话说，“抑郁症拖的时间越长，小胶质细胞在大脑内造成的破坏越严重”。如今，小胶质细胞被认为与阿兹海默病、孤独症、亨廷顿舞蹈症、强迫症、帕金森病、精神分裂症及其他疾病有关。

小胶质细胞也可以用来解释为何一些患有自身免疫系统疾病的人会报告古怪的认知症状：比如，患上格林-巴利综合征的中泽。几年前，科学家们在包住并保护大脑的脑膜中发现了用于在身体内运输白细胞的淋巴管。这些淋巴管或许直接连接了外周免疫系统和大脑——专家曾坚称不存在的联系。

这一发现意味着，当身体的免疫应答数量增加时，信号可通过这些淋巴管传递并触发小胶质细胞的攻击行为（除了吞噬突触，活化小胶质细胞也会大量炮制引起神经炎症的化合物，损害健康的神经元和脑组织）。从感染到慢性应激，各种事情都会引起小胶质细胞失常；科学家记录了一系列免疫相关障碍者的小胶质细胞异常，其中包括狼疮、多发性硬化和克隆氏症患者。“这说明，长久以来横亘于心理与生理健康之间那条不可逾越的界限并不存在。”中泽写道。

这些发现提供新的治疗机会。中泽在书中写道，科研人员正在研究一系列“安抚过于活跃的小胶质细胞”的方法，“让它们正常工作，成为大脑的守护天使，而非盲目的刺客。”这些方法有的相较其他更为非常规。中泽跟踪采访了几位接受实验性治疗的病人，其中有希望通过经颅磁刺激*（transcranial magnetic stimulation）缓解抑郁症和惊恐障碍的凯蒂，以及克隆氏症和强迫症患者莱拉——她正在尝试一种旨在降低免疫活动的“仿断食饮食法”。此外还有关于免疫治疗、神经反馈、迷走神经刺激，甚至致幻剂的探索研究。

*译者注：经颅磁刺激，一种非入侵性的脑刺激技术，通过变化的磁场在大脑特定区域产生感应电流，从而引起一系列生理生化反应；它是一种医学治疗方法，也被用于认知心理学等领域的科学实验。

不可过分强调，前景依然可期

这些可能性着实令人兴奋，也使我们不禁想相信科学已然破解了一大批神秘而棘手的疾病密码，但我们对小胶质细胞的了解还远非详尽，因此不可好高骛远，也不能赋予一种细胞过多解释力。

“过分强调小胶质细胞的活动和形成大脑疾病的生物机制会招致生物还原论和过度医疗化，”中泽写道，“并且会贬低心理与人类意识之间的紧密关联。”

此外，我们的身体与大脑都极为复杂，小胶质细胞仅仅是这个错综复杂的生理系统的一部分（尽管提出了这样的警告，中泽依然时有过分夸张。比如她曾断言：“这种力量被科学界忽视许久的小小细胞，在人类的每一种病痛中都有所参与”）。

她也给出了一个令人信服的案例，说明我们对小胶质细胞的新认识已经产生了变革。“新的分类方法将精神障碍和神经退行性疾病同时归入了小胶质细胞病变和免疫系统障碍。这对未来的研究和理解是有益的。”

中泽提出，我们将心理疾病及神经系统疾病与其他生理疾病全然割裂，并认为它们从某种意义上说不够“正当”——不算真正的“病”。这种情况已经延续了太久。而如果关于小胶质细胞的新研究能够帮助推翻这一臆断，这本身就是一件值得庆贺的事情。

翻译：石曳；校对：曹安洁

1886年，纽约医学法律学会杂志主编克拉克·贝尔（Clark Bell），向一位名叫普林尼·厄尔（Pliny Earle）的医生抛出了一个注定吸引眼球的问题：有哪些精神疾病是确确实实存在的？作为一位精神病学家，在50年的从医生涯中，厄尔曾为医学教育建立了精神病学的课程体系，参与创立了第一个精神病学家的专业组织，还开设了一家美国境内第一批私立精神病诊所。除此以外，他还管理着几家精神病院，尝试各种新颖的治疗方案，比如为患者提供教育等。如果连厄尔都没资格回答贝尔的问题的话，全美国也没有医生能够回答了。

然而厄尔的回信似乎并没有给贝尔一个满意的答复。他写道：“在目前有限的知识体系中，精神疾病的分类并没有病理学基础的支撑。原因很简单，因为大多数疾病的病理学机制都还是未知的。”厄尔既是在抗辩，也是在叹惋。在从业生涯中，他目睹了医学激动人心的转变——从依靠经验与传统到以科学为基础。曾几何时，医生们会用放血疗法和芥子膏药来治疗“发冷”、“水肿”这些定义不清的疾病；而到了19世纪晚期，医生已经会利用疫苗等化学药剂，针对性地治疗或预防一些生理机制明确的疾病。然而，厄尔也知道，对于那些被认为是脑部病变引发的症状，精神病学家并不能通过显微镜探明病人痛苦的根源。他们似乎被抛弃在了前现代的往昔，只能依赖于厄尔所谓的“从外在表现判断出的表面的精神状态”，来进行诊断与治疗。

精神病学成为一门现代医学的过程道阻且长；安妮·哈灵顿（Anne Harrington）的《精神修复者：精神病学探索精神疾病生理机制的坎坷之路》（Mind Fixers: Pschiatry’s Troubled Search for the Biology of Mental Illness）一书讲的正是这个故事。正如副标题所暗示，这并非是一个稳步前进的故事。相反，不少看似光明的道路最后被证明是死胡同；不少当年似乎创造了奇迹的治疗方法，如今看来只能叹其野蛮无知；还有那些被寄予厚望的公卫政策，最终都逃脱不了灾难性的结局。

哈灵顿讲述的某些事件对我们来说并不陌生，比如埃加斯·莫尼斯（Egas Moniz）发明的脑叶切断术（lobotomy），他还因此获得了1949年的诺贝尔奖；还有差不多在同一时期，精神病医生沃尔特·弗里曼（Walter Freeman）带着自己模仿冰锥制成的手术工具，到处拜访美国各地的精神病院，给那些不幸的病人动手术。哈灵顿还讲述了一些鲜有人知的故事。比如，在20世纪30年代，医生曾用胰岛素使患者进入昏迷状态，期待他们一觉醒来就摆脱了精神疾病。哈灵顿还重新诠释了一些老故事，比如上世纪60至70年代精神病患者的“去机构化”（deinstitutionalization）*。她有理有据地论证道，该运动的发起者并非是那些满足于药物，坚信一点氯丙嗪就可以让患者恢复正常功能的精神病医生，而是弗洛伊德的拥趸——他们认为50年代发明的抗精神病药物可以让患者摆脱住院的负担，只需接受门诊治疗，而精神分析家恰恰能够提供这种治疗。

注：指减少大型隔离式精神病院，而发展以社区为基础的治疗与照顾模式。

从冰浴疗法到百忧解，哈灵顿笔下精神病学迈出的每一步，在当时都曾被创始者与追随者们捧为希望之光；当然他们也并非没有道理。的确有一些人借助胰岛素昏迷，苏醒后就摆脱了妄想，电休克疗法和抗抑郁药物也的确帮一部分人摆脱了严重甚至致残的抑郁症。但是，无一例外，人们往往先误打误撞地发明治疗方法，而方法的解释从来没有跟上过。我们仿佛止步于1886年，几乎所有精神疾病的病理基础仍然是未解之谜——这也不足为奇，毕竟大脑可能是宇宙中的最复杂的事物之一。就算精神科医生们对于可用的治疗方法如数家珍，没有一个人能说出来这些生物疗法到底为什么有用。

这也意味着精神病医生们并不能精确地判断特定疗法的目标人群和适应症。正因为此，抗精神病药物成为了抑郁症患者常规治疗的一部分，焦虑症患者也都会服用抗抑郁药物。精神病学仍然是经验主义的，与普林尼·厄尔和他的同事们一样，如今的医师仍然依据自己（和同行们的）经验来推断怎样治疗会有效。这一领域在缺乏科学性成果的同时，竟然仰仗着科学医学的权威，于是我们很容易想见：精神病学的历史不仅记录了希望与挫折，更充满了狂妄自大的篇章。

“自大”（hubris）这个词在《精神修复者》中没有出现，但作者不厌其烦地讲述了各种不自量力的故事，比如一腔热血的医生往往是最后一个承认理论失败的人。正如哈灵顿在开篇所言，她的立场是冷静而克制的。“史诗般的起源故事和耸动的反面典型或许可以给我们带来暂时的情绪满足。”她写道。但它们最终会导致“井蛙之见、相互责难和停滞不前”——这可不是什么好事儿。她通过忠于事实的客观手法，展现了人们找寻（尤其是脑中）精神病痛的生理根源的不懈努力，并希望可以帮助“忧患重重”的精神病学界重回正轨，继续前行。

哈灵顿的悲叹合情合理，在这场旷日持久的骂战中，一方是野心勃勃的医师，他们坚信自己正走在理解精神疾病的康庄大道上；另一方则是批评者，认为精神病医生们往好了说是在好心办坏事，往坏了说是藉由伪科学实施社会控制，践踏人类尊严。他们各抒己见地喊叫，却从没听过对方在说什么。的确，自从一个多世纪前两方站好队摆好架势，他们好像没有从敌方学到任何有价值的东西。

正如哈灵顿详实的文字所述，精神病医生们一直不能够回答克拉克·贝尔抛出的问题，而且他们闹出了一系列令人震惊的耻辱事件。其中之一便是美国精神病学会于1973投票表决同性恋不再是一种精神疾病。他们的老对头提出了一个显而易见的诘问：一个要投票才能解决重要问题的学科，能有多少科学性呢？而且这一次，医保公司和政府机关也加入了战争，他们想知道，并且高声质问：精神病学是否值得他们信任，是否值得大笔的资金投入？

面对这些怀疑的声音，学会把《精神疾病诊断与统计手册》（DSM）中涉及到的弗洛伊德理论删去了——正是因为弗洛伊德理论，《手册》才在一开始将同性恋列为一种精神疾病。《手册》第三版于1980年问世，作者们声称该版本准确地列出了现存的精神疾病：他们放下了支配既往分类的先入之见，转而采取了无关特定理论的症状描述进行疾病分类。然而正如哈灵顿指出，他们还是有自己的一套理论的——精神疾病就是大脑的病理变化。她认为作者们自称不依赖于理论的说辞——

……只是自欺欺人。这群学者们坚信总有一天，他们会找出所有精神障碍背后的生理特征和病因。这些新的描述性的疾病分类对于他们来说，是接下来的科研工作的序曲。

事实证明，《手册》第三版向科学界展示的决心足以重建精神病学的声望，但是他们期待的那些科学成果至今没有出现。事实上，虽然《手册》（现在已经第五版了）一直以来是临床精神病学的支柱，其中的术语甚至成为了我们谈论精神疾苦的日常语汇，可它列出来的那些精神障碍背后的生理机制实在是太难以捉摸了。以至于在2013年，美国国家精神卫生研究所的负责人宣布了一项新的研究计划，希望“摆脱《手册》的分类，向新航线启程”。

哈灵顿所记录的精神病学的另一次惨败也笼罩在公众的质疑声中，这次的主角是精神疾病（尤其是抑郁症）的“化学失衡”（chemical imbalance）理论。这一理论发端于20世纪50年代，当时科学家们揭示了神经递质的化学原理，还有研究发现 LSD 等改变意识状态的药物其实作用于血清素等神经递质。到了90年代，一些处方药（尤其是抗抑郁药物）广告直接向消费者投放，于是化学失衡理论一下子变得妇孺皆知。根据哈灵顿的记录，当时百忧解和左洛复的广告宣传向广大消费者保证，这些新药绝不仅仅是通过改变他们的意识来缓解症状，就像娱乐性毒品那样。相反，他们声称这些药物能够修复症状背后的生理问题。

对于当时的市场来说，这一策略非常成功。可问题在于，“讽刺的是，正当公众开始接受抑郁症的‘血清素失衡’理论时，研究者们的共识又变了”，哈灵顿写道。他们对这个理论有了新看法：它很有可能“漏洞百出，甚至彻头彻尾是错的”。进退两难的医药公司干脆放弃了精神疾病药物的研发，而是选择重复旧日的说辞，推销从前的产品。可消费者们还蒙在鼓里，对变化一无所知。最新的统计数据显示，12岁及以上的美国人口中，超过12%的人正在服用抗抑郁药物。化学失衡理论，正如改来改去的《手册》一样，作为科学似乎是失败的，但是作为商家用来哄消费者的花言巧语，可谓屡战屡胜。

哈灵顿以冷静客观的姿态讲述了精神病学界各种生物理论的兴衰，因此这本书具有一定的医学史价值。它甚至可以督促生物精神病学的批评者与支持者们放下武器，更深刻地去理解历史长河中的那些事实，而非一味地彼此攻讦。但是她的克制也导致了一定的风险，她可能没有充分体现出书中所记叙的各种问题的严重性。

现代医学的根基在于这样一种信念：只要将各种人类苦楚描绘成生理疾病，便可以有所洞见并找到治愈之道。然而，这样一个领域难免会受到社会政治因素的影响。决定我们哪些艰难困苦可以（而且应该）归医学管，其实说白了，就是建构一幅人类能动性和美好生活的图景，并且决定谁有资格享受金钱和同情心等宝贵的社会资源。这些问题当然不是一直很要紧；断腿只有在需要行动能力的社会中才成为问题，这并不是什么新闻。

鉴于精神病学的本质就是关注我们的精神生活，特别是我们对于世界与自我的主观体验，这一学科比其他医学门类更直接地涉及到我们的自我认知以及对于理想生活的期望。简而言之，精神病学引发伦理问题。当你说服人们他们的情绪不过是电化学信号的噪声，你同时也在告诉他们人之为人的意义，即便你只是想要缓解他们的病痛而已。

这么说来，试图解开精神疾病背后的生理机制，与探索癌症或者心血管疾病的生物学奥秘是不同的。虽然我们的大脑是一块泡在化学浓汤里的肉，而这块肉又是意识的载体，但是并不能从中推出人类在意识层面经受的苦痛就是纯粹生理的，我们甚至不能确保这是研究精神疾病最好的方法。哈灵顿所追溯的历史事件充满了悬而未决的伦理问题，而这些问题可能永远没有答案。她选择的这条进路或许要求她回避某些棘手的话题，比如思想与大脑的关系、政治局势与精神疾病之间的关系。然而她的诠释不仅回避了那些她自己谴责过的争论，还把精神病学家们因忽视这些问题或用科学说辞掩盖问题所产生的后果一并无视了。

虽然听起来有一点挑衅的意思，我还是觉得哈灵顿用”虚伪”一词没能表现出罗伯特·斯皮策（Robert Spitzer）的玩世不恭；作为《手册》第三版的主编，他告诉我他当时意图改变“精神病学被认为是一派胡言”的事实，而且这本书大获成功是因为“它看起来极富科学性。如果你打开书读几句，你会觉得作者一定懂很多”。“讽刺”一词也不足以形容那些药企的行径：他们在自己都不再相信生化失衡是罪魁祸首时，仍然鼓吹他们的产品可以治愈生化失衡。这是赤裸裸的蓄意欺骗，有时到了令人发指的程度。正如所有的谎言一样，它不只有一个目的：它一方面想要帮助人们，另一方面则是为了权力和利益的保存与增长。

哈灵顿在书的末尾发出呼吁，希望精神病学可以“别那么贪心”，应该暂且专注于那些严重的精神疾病，比如精神分裂症——目前大多数精神分裂病人是在监狱或者收容所接受治疗的。她认为学界迫切需要“克服根深蒂固的还原主义倾向，全身心地投入……与社会科学甚至人文学科的对话中”，精神病学才能走上正轨。这样的呼吁非常合乎情理，而且她认为药物治疗不是唯一的途径，比如我们可以改革长期入院的治疗方法，创造更人性化也更有效果的环境。但是不论她多么公平无私地组织语言——对于这样一个总是看不到自己雄心壮志之下的隐忧，并且从不反思那些悲剧和失败的产业——哈灵顿优秀的提议很可能是对牛弹琴。

翻译：西子；审校：有耳；编辑：酒酒

英国著名哲学家玛丽·米德格雷（Mary Midgley）于2018年10月去世，享年99岁。她不仅是一个女性哲学家，也是哲学家中的一个异类：从事哲学教学和研究多年之后，在将近60岁时才出版了自己的第一本哲学专著，按照她的说法，在那之前，她还没为想要写的主题做好充分的知识准备。然而，在这之后，她一发不可收拾，接连出版了15本书，本文所评论的是她最重要的一部哲学著作，写于94岁，集纳了她全部哲学思想的精髓。但这还没完，就在去世前不久，她的新书，也是人生最后一本书《What Is Philosophy For?》刚刚出版，她对此书甚为满意，本来打算为其做巡回推广，但没想竟成了未遂之愿。

米德格雷的研究主要集中在科学哲学、伦理学和动物权利等领域。为了让自己的哲学思想更加严谨，米德格雷一直在不停自学各种科学知识，最终这使她站在整全的哲学立场，既认同科学的进步和贡献，又反感对科学的宗教式信仰，尤其反对用科学上的行为主义方法和还原方法来解释万事万物。在她看来，意识和自我认知都是真实存在的，只不过不同于物质存在，因此，可以说她持有多元本体论观。她自己也承认，这个世界是复杂的，人生也是复杂，没有单一理论可以解释所有现象。

她30多年来一直视道金斯为她的论敌，这倒不是因为道金斯的科普在胡说八道，她欣赏道金斯在专业领域的知识素养，但她反对道金斯用“自私的基因”这样的字眼，这会让公众误以为，生物行为可以被还原为自私的原子化的行为，从而不能形成正确的自我认知和道德责任。

实际上，米德格雷的观点已经得到越来越多主流哲学家甚至科学家的认同。这也许是对这位勤于慎思又敢于大胆反对主流思想的女性哲学家最大的褒奖。

以下为米德格雷所著《你是一种幻觉吗？》（Are You an Illusion？）的书评。

你是你自己想象出来的虚构之物，是数百万微小脑细胞构成的虚弱幽灵。你所认为的你自己以及你所爱的人所认为的自我，实际上只不过是幻影，并且随着如今神经科学发展如日中天，你内心的自我认知机制已经被神经科学之光照得一清二楚。

由于大脑灰质细胞扫描成像技术的广泛使用，上述观点逐渐变得流行起来。每当我们想到晚餐或者（在一个真实的研究案例中）想到珍妮弗·安妮斯顿（译注：美国著名女演员，《老友记》中的Rachel），我们大脑中的神经元就会“燃烧”。人们认为这种图景表明，我们的想法、希望、热情和记忆都是大脑复杂的生物化学反应所产生的幻觉。但玛丽·米德格雷，我们当世活着的最智慧的哲学家之一，不愿意用这种方式谈论她自己的内心生活。在她的《你是一种幻觉吗？》一书中，她为自己心智——也为你和我的心智——的真实存在做了诸多严谨的辩护。

这本书篇幅不长，但极具分量。米德格雷只用了150页，就比大多数学者用尽一生所写的内容更为丰富。当你知道她有着丰富的写作经验时，就不会为此感到奇怪了：她写了15本书，现在这本是她94岁写成的。米德格雷一方面具有将各种流行的学术观点置于广阔学术背景的能力，另一方面又活得足够长，得以见证很多流行理论的兴盛和衰落。

所以，当不可一世的神经科学家跑来告诉我们，他们已经“发现”自我是不存在的，她就会给他们泼点冷水。幸运的是，她对此还有着清晰的思考，并能用她的文字帮助我们理解神经科学家们错在哪里。

她的核心论点是：对于这个世界中的万事万物，存在着不同层面的解释，我们对每个层面的研究使用的是不同的工具和理论。比如，存在着家具制造商研究桌子的方式（作为固体事物，人们可以在上面摆放杯子），也存在着粒子物理学家研究桌子（作为原子的集合体，其中大部分由真空构成）的方式。没有哪种方式比另一种更“真实”。我们的心智也与此类似：今天，我们已经可以研究构成我们大脑的神经元的行为，但这不意味着大脑产生的东西——想法、记忆、自我感知——就是不真实的。

事实上，想法和记忆等等不仅是现实的一部分，它们还是人类社会（也许还包括其他动物）至关重要的构成部分。米德格雷举了一个贴切的例子：如果我犯了错，想从中汲取教训，那么我就需要思考我如何以及为什么做出了错误的选择。相反，如果我去思考脑细胞是如何运作的，这对于我要解决的问题是无济于事的。我们已经知道，即便不相信上帝，我们也能过上良好生活，但作者怀疑如果不相信自我的存在，我们是否能过上良好生活，并且她也不相信，那些拒绝承认自我存在的科学家是真的不相信存在着自我。

此外，米德格雷认为，神经科学家的观点在逻辑上是不自洽的。如果我们可以将事物还原为最基本的层面，为什么我们不用大脑和细胞来谈论自我呢，甚至用原子或夸克来谈论？她认为，我们应该接受这一事实：所有不同层面的事物都是真实存在的。这种观点的优势在于，它能让我们继续相信自由意志的存在，因而相信道德责任的存在，并且也能让我们认真对待自己的主观感受。

这些都是米德格雷著作中常见的主题，几十年来她一直在批评将所有知识还原为一种方式来看待世界的做法。她正确地指出：没有任何单一学科可以为全部真理铺就金光大道。另外，书中还暗含着她的两个令人惊讶的想法。

一个是她似乎把查尔斯·达尔文奉为了上帝，同时认为达尔文的思想受到了以理查德·道金斯为代表的新达尔文主义邪恶鼓吹者的玷污。实话实说，达尔文的观点极有可能是正确的，但把达尔文奉若神明的做法与她反对神化科学的观点不一致。

其次，她令人惊讶地默认了一种具有还原主义色彩的神经科学理论：我们大脑的两个半球在看待世界的方式上是有差异的。粗略而言，左半球被认为擅长处理逻辑和细节问题，而右半球擅长创造和绘制宏观图景。她认为，学术界，尤其是科学界，过于偏好左半球的功能，喜好还原主义，而非整体主义；喜好专业分析，而非综合研究。

米德格雷当然是正确的，尽管她的理论并没有得到主流神经科学理论的支持。过分专业化是拓宽思维的障碍，她尤其期待哲学家能为学科之间的整合做出贡献，并批评她的哲学同行满足于小富即安。然而这种批评不适用于她：在这本小书中，她直面了我们这个时代那些最为艰深的智识挑战。

翻译：王培

原文：‘Are You an Illusion?’, by Mary Midgley

1961年，皮耶罗·曼佐尼（Piero Manzoni）创作了他最著名的艺术作品——90个小型密封罐头，取名叫《艺术家的粪便》。据说，这一作品是受到曼佐尼父亲的刺激而创作的。他的父亲有一个罐头厂，他告诉儿子，“你的作品就像屎一样。”曼佐尼之所以创作《艺术家的粪便》，部分原因就在于他想嘲讽消费主义和人们对艺术家的迷恋。正如曼佐尼所说，“如果收藏家真的想得到与艺术家十分亲密的个人物件，那莫过于艺术家自己的粪便。”

曼佐尼最初是根据这些罐头的含金量来为自己的作品估价的，但它们被位于英国伦敦的泰特美术馆（Tate Gallery）和其他收藏家买走了大部分。到了2016年，其中一个罐头在米兰卖出了275000欧元。实话实说，那个时候确实有人喜欢他的这一作品，他们相信罐头值这个钱。而其他人则认为这个价格简直太荒谬了。在《艺术本能》（The Art Instinct）一书中，哲学家丹尼斯·达顿（Denis Dutton）幸灾乐祸地讲述了这样一个故事：曼佐尼如何让自己的罐头廉价流入了他人之手，而多年之后，当这些罐头被私人收藏家和美术馆收走时，已经价值不菲了。

你可能会认为，心理学家对人们就艺术作品的不同看法有一套自己的理论，然而，对艺术和美学的研究通常集中在更传统的艺术形式上。心理学有很多关于调性音乐感知的研究，从而理解音乐的美感在哪些方面是普世的，哪些方面是因文化而异的；婴儿和孩子喜欢听什么音乐；专家如何形塑我们对音乐的感知，等等。心理学家还对造型艺术有研究，通常包括绘画作品，这些研究试图理解我们是如何将二维颜色和形状变成三维世界的。但很少有如何赏析《艺术家的粪便》这类作品的研究，甚至包括更著名的艺术家的作品，比如，马歇尔·杜尚、安迪·沃霍尔、杰克逊·波拉克和马克·罗斯科。

某种程度上讲，这是因为很多心理学家跟很多业余艺术爱好者一样，认为鉴赏家评估某个艺术作品的价值与美学本身没有多大关系。斯蒂芬·平克在《心智传奇》（How The Mind Works）一书中总结了一个流行的观点，他写道，“现代和后现代艺术作品并不试图让观众体会到艺术之美，而是试图让评论家和分析家的艺术批评理论无所适从，这些作品完全是小资情调的炫耀和对下里巴人的羞辱。”

然而，并非每个人都对这类艺术怀有质疑，最近两个著名心理学家出版的两本新书，就以更严肃的态度探讨了现代和后现代艺术。

····

波士顿学院教授艾伦·维纳（Ellen Winner）以研究艺术心理学著称。她的新书《艺术美在哪里》(How Art Works），是一部颇具野心之作，探讨内容覆盖了从具象绘画到抽象表达主义、调性音乐、小说和戏剧。

这本书的不同之处在于，它对艺术哲学的兴趣，仔细审视了哲学家们长期以来所探讨的核心问题：艺术与其他事物有何区别？（比如，是什么因素使得哪怕最苛刻的艺术批评家也认为曼佐尼的作品是一种艺术，这些评论家还会对这一作品有哪些其他看法？）为什么我们有些人喜欢悲情音乐和恐怖电影？这种悲伤和恐惧是否与我们在真实生活中经历的心理状态相同，比如，一个朋友去世，或者我们失去了对行驶在冰面上的汽车的控制？是什么因素使得伪造的艺术作品比原创作品廉价得多？是什么因素使得某些艺术作品非常优秀？

维纳还探讨了其他问题，而这些问题颇有实用价值。教育工作者们通常为艺术辩护，认为艺术教育具有积极意义。他们的看法正确吗？让孩子接受古典音乐教育比接受数学教育更好吗？从更一般的角度而言，文学是能起教化作用的，但阅读文学作品能使我们变得更有道德感吗？

为了回答这些问题，维纳援引了一系列心理学研究，包括她自己实验室所做的研究。在有些情况下，让哲学家痴迷的问题也是心理学家痴迷的问题，因此必须要经得起科学研究的检验。尽管有时候哲学问题不是经验性问题——没人能通过做实验回答“什么是艺术？”——但人们还是可以围绕相关问题进行有趣的研究，有时这类研究也被称为“实验哲学”。比如，你可以询问人们（艺术专家、业务爱好者、4岁小孩）是如何看待艺术的。

这是一个非常有趣的研究项目。《艺术美在哪里》之所以让人兴奋，部分原因在于维纳实际上得出了一些答案。比如，与有些哲学家的猜测相反，让人产生厌恶情绪事实上恰好是某些虚构作品吸引人的原因——电影越恐怖（在一定程度上），人们就越想观看它。此外，几乎没有证据显示，接触艺术或者深入艺术创作，会在智力或道德方面产生更积极的影响。现在，你可能已经知道“莫扎特效应”——认为听古典音乐会让人变得更聪明——其实是胡说八道。维纳认为，对艺术其他功效的看法也适用于这一结论。是的，很多研究显示，参加了艺术课程的孩子在稍后的学业中会在各方面胜过其他孩子。但这些研究都面临“选择效应”问题——参加了艺术课程的孩子更有可能提前学习其他课程。如果你以正确的方式做这个实验，将孩子随机放到不同班级，这一现象就消失了。维纳喜欢在学校讲授艺术，但她是一个纯粹主义者，认为艺术的价值就在于其本身，而不是因为它所带来的其他效应。

在我看来，该书最令人兴奋的部分是维纳对视觉艺术的探讨，包括抽象艺术。她并不厌恶抽象艺术，她指出，尽管人们都会开玩笑说，“我的孩子也能画出这种作品，”但实际上，业余艺术爱好者完全能分辨出抽象表达主义艺术家不为人知的作品和由孩子和成人创作的类似风格作品之间的差异。

跟很多哲学家的想法一样，维纳也认为，我们对抽象艺术的赏析很大程度上受到我们如何理解作品背后故事的影响，尤其会受到我们猜测艺术家创作时的想法的影响。维纳在实验室所做的最新研究印证了我与苏珊·盖尔曼（Susan Gelman）合著的书中的某些结论，事实上，甚至孩子也会去猜测艺术家的创作意图：4岁的孩子如果相信某一画作只是艺术家对颜料随意泼撒的结果，他们就会把充满彩色斑块的画作视为混乱的垃圾。但如果他们认为这一画作是艺术家倾注了心血之作，他们就很可能把它看成是“一件艺术作品”。

这种对艺术家意图的关注也体现在了诸如曼佐尼的作品上。只要你知道他的创作意图是什么，你就可以把它当艺术作品来欣赏。这种对艺术的理解并不意味着，你会喜欢这一作品，你可能会认为艺术家的意图并不有趣，或者其作品并不令你感到振奋。比如，丹尼斯·达顿在谈到杜尚的“现成物品艺术”——比如他将尿便池变成艺术作品——时，就认为这是天才之作，但他也只是把这类艺术创新（亚瑟·丹托（Arthur Danto）则认为这就是“普通物件的拼凑”）视同一次性的笑话。达顿对《艺术家的粪便》评价不高，这不是因为他不欣赏作者的理念，而是因为他发现这一作品很无趣，很不靠谱。

你可能倾向于认为将目光放在艺术家的意图上似乎并不是艺术赏析的主要方式。毕竟，有些人声称，艺术之美仅仅基于艺术作品本身，与艺术作品的相关历史无关。但这种看法也许是一种迷思。维纳指出，类似关于作者及其意图的推理过程（用心理学家和神经科学家的话说，叫“自上而下的过程”）哪怕是在我们欣赏最经典的艺术作品时也会发挥作用。毕竟，我们非常关心，《以马忤斯的晚餐》（The Supper at Emmau）究竟是乔纳斯·维米尔（Johannes Vermeer）创作的，还是由汉·范·米格伦（Han van Meegeren）仿作的。

而有些能影响我们对艺术鉴赏的因素则应该引起我们的警惕。心理学家詹姆斯·卡丁（James Cutting）拿出了一系列法国印象派画家的作品：Paul Cézanne、Edgar Degas、 Édouard Manet、Claude Monet、Camille Pissarro、Pierre-Auguste Renoir和 Alfred Sisley，对于每一个画家，他都挑选了一对同样主题的画作，而且这两幅作品都是在两年内完成的（比如，他选择了雷诺阿于1876年创作的《秋千》（The Swing）和一年前创作的《在煎饼磨坊舞会的树下》（The Bower in the Garden），这两幅画都描绘了夏日户外的场景）。然后，卡丁统计了哪幅画更常被当作印象派的经典作品呈现于艺术书籍之中。然后，他让康奈尔大学的本科生、研究生和教职员工观看这些成对的画作，问他们最喜欢哪幅画。正如卡丁所预测的，他们倾向于喜欢更常见的那幅画（在这一案例中，他们更喜《秋千》）。

卡丁认为这是一种“熟悉效应”，而心理学家把这一实验结果称为“显示效应”，也即是说，某个事物你看得越多，你越可能喜欢它。但也许，卡丁把因果关系搞反了：不是因为《秋千》出现次数多，所以我们才喜欢它，而是因为《秋千》本身就更出色，所以我们才更多地让它出现在艺术书籍中，并且也更喜欢它。但卡丁对此进一步做了实验，发现“显示效应”仍然存在——如果你让人们有足够的机会看到《在煎饼磨坊舞会的树下》，他们对《秋千》的喜爱就消失了。

现在，新的问题又来了。卡丁的有些研究结论并不那么清晰确凿，尽管维纳对此很感兴趣，但她并不相信这一结论。她注意到，卡丁并没有针对艺术专家做实验。但他的研究成果与维纳的总体观点是很吻合的，也即是说，我们的艺术品位受到各种因素的影响，包括有些我们可能没有意识到的因素。

····

在《艺术与脑科学的还原主义：连接两种文化》（Reductionism in Art and Brain Science: Bridging the Two Cultures）一书中，埃里克·坎德尔（Eric Kandel）采用了不同的研究方法。坎德尔是哥伦比亚大学的一名教授，因为在记忆的神经结构方面的研究贡献获得了诺贝尔奖。他还长期对艺术感兴趣，尤其是抽象艺术。在这本小书中，作为诺奖得主的坎德尔和作为艺术爱好者的坎德尔合为一体了。

他的主要观点已经在该书的标题中表达出来了，也即是，科学家和艺术家拥有某些有趣的共同点。科学通常采用还原法：将事物分解成组成它们的构件，然后研究这些构件是如何组合在一起的，最终成为了我们眼中的事物。在坎德尔自己的研究中，他考察了当神经元以正确的方式相互连接时，记忆和感知的产生是如何变得可能的。坎德尔相信，抽象艺术家也会用类似的还原法，脑科学和艺术“令人惊讶地共享了同样的方法论。”对坎德尔解构视觉体验感兴趣的艺术家可能会关心一个或几个构件，“将图像还原为基本的形式元素，比如，线、颜色或光线。”坎德尔承认，科学家和艺术家的目标是不同的——科学家想要理解世界，而艺术家希望引发新的感知和情绪反应——但他仍然认为两者的相似性既令人惊讶，又十分重要。

《艺术与脑科学的还原主义》堪称经典。坎德尔是一个很有自信的作者，他对脑科学和抽象艺术的热爱贯穿全书。他使用大脑图像和艺术作品来帮助他呈现自己的观点，我们很难想象还有哪种更好的方法能向读者介绍这两个领域。因此，我们大可忽略坎德尔的类比，而是把这种类比当作一种叙事手段，它能让坎德尔在一本书中谈论自己最钟爱的两个领域。

然而，这也许是最仁慈的评论了，因为坎德尔的类比并不恰当。问题在于，科学并不仅仅是把世界切割成碎片，相反，它这么做的目的是要把这些碎片组合成一个整体。像坎德尔这样的科学家不会只是分析大脑的构件（轴突、树突，等等），然后就什么都不做了；相反，他的目标是要告诉人们，这些小构件如何组合成更大的构件（神经元），然后这些更大的构件如何以某种方式连接起来，产生像记忆存储这样有趣的事情。进化生物学不仅仅与分子有关，还与分子如何形成更大的分子有关，比如，存储和转移信息的DNA。科学切割了这个世界，然后又把世界修补了回来。正如坎德尔自己在书末所承认的，抽象艺术几乎不会这么做；他所喜欢的艺术家没有兴趣了解构件是如何组合成整体的（如果你真的需要一个类比，下厨可能更贴切。当你做饭时，你要先有原料，然后把它们放在一起，最终弄成一盘比原料堆在一起更完美的菜品。或者可以考虑用语言做类比：声音说出词汇，词汇组成短语和句子。事实上，解构和合成过程对各种事物都适用，尽管我认为这一看法并无新奇之处。）

那么，坎德尔一书的副标题——“连接两种文化”——又告诉了我们什么呢？坎德尔通常用大脑过程来描述艺术和艺术体验。在探讨皮特·蒙德里安（Piet Mondrian，荷兰画家，风格派或几何形体派代表人物）时，他称赞性地引用了塞米尔·泽奇（Semir Zeki，英国著名神经生物学家，以研究灵长类生物的视觉大脑著称）的话，后者注意到，蒙德里安画作中的直线激发了某些神经细胞的燃烧，并得出结论说，“我发现，人们很难相信视觉皮层的生理反应与艺术家作品之间的关系是完全偶然的。”

事实上，我认为我们很容易相信这一点。毕竟，坎德尔的书充满了很多艺术家的例子，这些艺术家都不在自己的作品中使用直线，坎德尔自己也注意到，这一还原主义分析无法解释为什么蒙德里安不用曲线，而神经元也可以对曲线做出反应啊。因此，谈论视觉皮层似乎既没有帮助，又不能产生洞见。

或者以威廉·德·库宁（Willem de Kooning，美国著名抽象表现主义画家）和古斯塔夫·克里姆特（Gustav Klimt，奥地利著名象征主义画家）为例，坎德尔在一段非常有趣的讨论中告诉我们，两位艺术家都结合了暴力和性。然后，坎德尔继续解释说，在下丘脑，一组神经元控制着暴力，另一组控制着交配。事实上，“大约有20%的神经元位于两组神经元的交界处，它们要么在交配，要么在攻击时会被激活。这意味着，大脑回路控制着这两种紧密联系的行为。”然而，也许读者早已知道性与暴力是相关的。我们从达尔文和弗洛伊德，从灵长类生物学家、发展心理学家、犯罪学家和女性主义学者那里就知道了这一点。我们还从对周围世界的观察中知道了这一现象。实际上，用下丘脑神经解剖学来解释这种关系并不能告诉我们更多关于性、攻击或艺术的新观点。

事实上，在我看来，脑科学在这本书中用处不大。坎德尔写道，“蒙德里安的直线绘画方式很可能引发了中继层面的视觉处理过程，而这一过程发生在初级视觉皮层，”但如果他的解释是错的，这一过程发生在次级视觉皮层，情况又会有什么不同吗？他写道，“波洛克似乎从直觉上就抓住了关键：视觉大脑是一个模式认知设备，”但这只不过等于是说，波洛克知道，我们倾向于将自己的经验组织成模式，等等。当然，对艺术的感知、审美和理解都发生在大脑中——不然又会发生在哪里呢？但至少对于抽象艺术而言，哲学家杰瑞·福多（Jerry Fodor）的质疑是值得拿出来说一说的，他曾经写道，“如果意识只是发生在大脑中，那它肯定发生在脖子以北的地方，但谁知道有多北呢？”

在这里，福多的观点也许太激进了。除了视觉体验与大脑区域相连，我们还能从神经科学那里学到一些东西，正如坎德尔所做的，我们可以使用神经科学的方法来评估和发展颇有难度的艺术心理学和艺术哲学理论。比如，我们可以看看坎德尔所观察到的例子，“当我们观看抽象艺术作品时，我们就将它与我们在物质世界中的整个生命体验联系了起来：我们所见过或认识的人，我们所寓居的环境，以及我们对曾经见过的其他艺术作品的记忆。”他引用了威廉·詹姆斯关于“将新事物成功同化”的观点，认为这种同化“会引发天然的愉悦感，因为它激发了我们的创造性自我。”

这一解释是有道理的，但并不全面。所有类型的事物都能激发我们的想法和创造力，但它们不一定非得是艺术，更不用说是伟大的艺术了。坎德尔探讨了现代极简主义艺术家如何渴望“从观赏者那里引发富有想象力的反馈，”但他也观察到，“我们随时能看到简单的平面物体，这些物体与极简主义的画作十分相似：墙壁、黑板，等等。”那么，两者的区别是什么呢？为什么罗伯特·罗森伯格（译注：美国著名画家、图形艺术家）的全白画作就是一幅价值连城的杰作，而画作背后的白色墙壁……就只是一块墙壁而已呢？

也许，答案更多还是蕴藏在维纳的研究之中，因为我们知道，这幅画作是某个艺术家画的，而另一幅则不是；因为我们知道罗森伯格是谁，他在艺术界的地位如何；因为我们理解他创作这幅画的背景。我们实际上很少知道该如何欣赏这幅画，很少知道为什么有些人会被这幅画迷倒，而有些则无动于衷。也许诸如脑部核磁共振这样的工具可以帮助我们深化对艺术的理解，准确告诉我们在什么条件下艺术才能激发情感记忆和社会理性，并帮助我们检验相关的理论：关于为什么人们对抽象艺术会有如此不同的反应。而这种综合性研究——将哲学、心理学、艺术批评和神经科学结合起来，探索艺术与心智的关系——也才刚刚开始。

翻译：王培

原文：What We Know About Art and the Mind

五十年多来，哲学家丹尼尔·丹内特（Daniel Dennett）一直在参与一项有关如何理解人类世界的宏大启蒙运动。他用科学知识的进展，将人们从对心智问题的迷茫中解脱出来：意识是一种幻觉，这种幻觉很难被驱逐，因为它是一种自然现象。《From Bacteria to Bach and Back》是他的第18本书（其中有13本是独著），丹内特在书中提供了一种富有价值的、十分明晰的整全世界观。尽管书中的内容得到了很多科学数据的支持，但他也承认，他的很多观点仍然属于假说，既没有得到经验的证明，也没有得到哲学的证明。

丹内特一直是一个优秀的学者，对科学知识有着极强的求知欲。在我所认识的人当中，他最擅长于清晰而深入地传播科学知识，并解释科学知识的重要性。他的文字既充满才智，又十分优雅。在这本新书中，他的观点十分鲜明，试图竭力理解并反驳与其相反的观点。但他又承认，他希望我们所相信的观点是相当违背直觉的。我最终将会解释，为什么在我看来他的整个思想体系是不成功的。但首先还是让我从他的论证开始，这其中包含了很多真知灼见。

该书采用了历史叙事结构，将我们从前生物世界带到了人类心智和人类文明阶段。历史的演变基于自然选择所发生的进化，这种进化具有不同的形式，自然选择既发生在生物层面又发生在文化层面，而这些进化形式正是我们解释世界的最重要的方法。丹内特在全书一开篇就坚信这样一种假设：我们只是物质实体，任何看上去与这种假设相反的现象都一定可以通过某种解释的方法，与这种假设相一致。巴赫或毕加索的创造性天赋，我们听到巴赫的《第四勃兰登堡协奏曲》或看到毕加索的《镜子前的女孩》（Girl Before a Mirror），这些现象都来自于一系列前后相继的物理事件。在单细胞生物出现之前，这些物理事件是从地球表面化学成分的演变开始的。丹内特知道，在历史演变的时间进程中，仍有两个尚未解决的问题：最古老的一个问题是关于生命起源的问题，新近的一个问题是关于人类文化起源的问题。但这些问题的存在并没有妨碍丹内特提出自己的假说。

丹内特为自己设定的任务，就是在哲学家威尔弗雷德·塞勒斯（Wilfrid Sellars）所作的著名区分的框架内来解释尚待解释的现象。塞勒斯区分了“显现影像”（manifest image）和“科学影像”（scientific image）——两种看待我们所生活的世界的方式。丹内特写道，根据“显现影像”，世界

充满了其他人、植物和动物、家具和房子以及汽车……颜色和彩虹以及落日、声音和理发、酒店经营和美元、问题和机会以及错误，还有其他种种事物。我们很容易辨识、指认、爱或恨这些纷繁的“东西”，在很多情况下，我们能够操控甚至创造这些“东西”……这是一个属于人类的世界。

另一方面，根据“科学影像”，世界

充满了分子、原子、电子、引力、夸克，谁知道还有其他什么东西（暗能量？弦理论？膜理论？）？

在丹内特看来，“科学影像”的世界是一个自在的世界，不是服务于人类的世界。问题在于，如何科学地解释分子的世界如何变成了一个产生了诸如人类这样的生物的世界。在人类看来，每一样复杂的物质实体，包括人类自身，与“科学影像”的世界比起来，都显得如此不同。

丹内特大大拓展了塞勒斯的观点，他观察到，“显现影像”的概念不仅可以适用于人类，而且也可以适用于其他生物，直到最低等的细菌。所有的有机生命都有生物感官和物理反应，这让它们可以探测环境并对环境的某些特征作出恰当的反应——丹内特把这些特征称为“环境赋使”（affordances），包括营养物、有毒物、安全、危险、能量的来源或繁衍的可能性、潜在的天敌或猎物。

对于每一种有机生物，无论是植物还是动物，这些环境特征定义了它们“眼中”的世界。对它们而言，这些特征既明显又重要，而其他特征则完全可以被忽视。无论根本的生理机制是什么，“显现影像”的内容通过有机生物的行为和它们与环境互动的方式显现了自身，我们没有必要认为有机生物是有意识地知觉到了它们的环境。不过，这的确是意识的早期形式，是通往人类意识的第一步。

····

产生了“显现影像”的进化有着漫长的过程。最初，进化发生在生物层面。然后，就人类社会而言，进化又发生在了文化层面。只有到了近现代，人类心智和人类文明的独特性，才使得进化部分受到了人类智能设计的影响。不过，正如丹内特所说，从一开始生物领域就充满了自然的设计——从隐含在DNA中的基因编码到单细胞生物的新陈代谢，再到人类视觉系统的运转——这种设计不是有目的的产物，并不依赖于人类的认知能力。

丹内特最重要的观点之一是，人类和其他有机生物为什么能得以生存，并与这个世界和其他生物发生互动，以及为什么生物会繁衍，关于这些问题，有很多是人类或其他生物无法理解的。这些现象的发生根本不需要意识，而是一种自然能力。这一点对于像细菌和树这样的生物来说是再明显不过的事实，因为它们完全没有意识。但是，同样明显的事实是，像人类这样的生物能够有意识地理解很多事物。在丹内特看来，大部分人类行为和人类身体的行为——消化肉食、移动某些肌肉抓住门把手、将作用于耳膜的声波转化为有意义的语句——之所以存在，并不是因为人类能有意识地让这些行为以这样的方式存在，而是出于丹内特所谓的“自由独立的”（free-floating）原因而存在，是自然选择的压力才让这些行为和过程成为我们生活的一部分。自然选择模式的出现和存在一定有其原因，只不过我们还不知道这些原因。但是，我们不必非得知道这些原因，我们就能够知道导致人类行为的那种自然能力。

而且，我们也不必非得理解自然能力背后的机制。丹内特用了一个鲜活的比喻来表明：“显现影像”描绘了我们每日生活于此的这个世界，但这些影像是由一系列的用户幻觉（user-illusions）所构成的，

就像单击并拖动图标会产生的那种很自然的用户幻觉，有些文件被拖放到了文件夹，而有些经常使用的文件则被拖放到了电脑的“桌面”。发生在“桌面”背后的运行机制异常复杂，但用户不需要知道这些机制，因为，聪明的电脑界面设计者会将可视物简化，让人类的眼球非常容易捕捉这些可视物，并增加声音效果，以帮助用户集中注意力。而在电脑的内部，却没有任何简洁而明了的东西可以对应于屏幕所显示的“桌面”文件夹。

他说，每种生物的“显现影像”就是“一种由进化所精巧设计的用户幻觉，而这种幻觉能够满足该用户的需要。”尽管使用了“幻觉”一词，但丹内特并不希望简单拒绝事物存在的真实性，而正是这些事物构成了“显现影像”。我们所看见、听见并与之互动的事物，“不仅是虚构的，而且也是现实存在（也即真实模式）的不同版本”。然而，根本的现实存在——一种自为的存在，一种不以人类或其他生物为目的的存在——只能被“科学影像”精确呈现，也即是说，最终是用物理学、化学、分子生物学和神经生理学的语言来呈现。

····

类似电脑“桌面”上的小图标那样的用户幻觉，并不是由聪明的界面设计师所创造出来的。几乎所有类似的幻觉——诸如我们关于他人的影像，他人的面孔、声音和行为，感觉到某些东西好吃或舒服而另一些东西令人恶心或危险——都是“自下而上”的设计产物，这种产物只能通过自然选择的进化理论来理解，而不是通过人工的“自上而下”的设计来理解。达尔文通过丹内特所谓的“反常的逆向推理”（strange inversion of reasoning）向我们表明了，如何拒斥人们的一种直觉倾向——人们总是用人类能力去解释存在于这个世界中的各种能力和设计——以及如何用自然选择的解释去替代人类能力的解释，而自然选择是由偶然变异、复制和差异化生存所形成的一个无意识过程。

在计算机的发明者阿兰·图灵看来，无意识的机器并不需要意识到自己在做什么，就有能力实现完美的数字运算。基于这样一种新的“反常的逆向推理”，我们现在对“自下而上”的运作机制就有了一般性的了解。这种机制可以适用于所有类型的计算和程序控制，既包括自然系统，也包括人工系统。因此，能力的产生并不依赖于有意识的理解行为。丹内特认为，当我们将这两种系统放在一起来理解时，我们就能明白这个世界的所有智力和意识最终都来自于没有意识的能力，而这些能力混合在一起，随着时间的推移，就能形成更有能力的——也因此是更有意识的——系统。这的确是一种反常的逆向过程，推翻了前达尔文时代相信“意识出现在前”的神创论，替之以“意识出现在后”的进化论。作为智能设计者的人类，是经过了长期进化才形成意识的。

他还补充道：

图灵本人就是“生命之树”的一个细小分枝，他的发明创造，无论是具体的还是抽象的，都是盲目的达尔文式进化过程的间接产物，就跟蜘蛛会织网，海狸会筑坝一样……

进化过程最重要也是最高级的阶段就是文化的进化。丹内特相信，文化进化与生物进化一样，背后的很多东西是不为人知的。他援用了彼得·戈德弗雷-史密斯（Peter Godfrey-Smith）的定义，从该定义出发，进化的概念显然可以用于更广阔的领域：

经由自然选择的进化也发生在人类社会中，因为（i）人类社会中不同成员的特征产生了变异，（ii）这种变异导致了不同的繁衍比例，（iii）这些变异是可以遗传的。

就生物的情况而言，变异是由DNA的变异造成的，并通过繁衍、交配或其他方式得以传承。但同样的进化模式也适用于并非由基因导致的行为变异，而这种行为变异之所以能传承下去，只是因为人群中的成员复制了这种变异行为，无论它是一种游戏、一个词汇、一种迷信，还是一种穿着风格。

····

这就是理查德·道金斯所谓的令人影像深刻的“文化模因”（memes）所要表达的观点。丹内特认为，“文化模因”这一概念在描绘信息和文化进化方面是非常有用的工具。他将“模因”重新定义为：

它是一些行为（广义上的）方式。这些方式可以被复制、被传播、被记忆、被教导、被避免、被谴责、被炫耀、被嘲讽、被模仿、被审查、被神圣化。

“文化模因“包括了如下一些模式化的行为：将棒球帽反着戴在头上，或者，以某种形状修建一扇拱门。然而，“文化模因”的最佳例证是我们的语言。一个词汇，就像一个病毒，需要一个寄主来繁衍。一个词汇只有最终传播给他人，而他人通过模仿习得该词汇，它才能存活下来：

就像一个病毒，它被设计出来（主要通过进化）激发和增强它自身的复制，它所产生的每一个标记，都会出现在它后代身上。传承自上一代的一系列标记形成了一种类型，这种类型就好比是一个物种。

“类型”（type）和“标记”（token）的区分，来自于语言哲学：“tomato”（番茄）这个词属于一种类型，而任何关于它的发音、文字和观念都属于一种标记。不同的标记在物理形态上也许非常不同——你可以说“tomayto”，我可以说“tomahto”——让这两种不同发音指向同一种类型的，是不同的人所共有的感知能力。这就是为什么当人们用不同的口音说同一种语言，或者用不同的字体写同一种文字时，人们还能理解彼此所说所写的原因。

当 一个孩子开始学自己的母语时，他并不理解语言是如何运作的。丹内特相信，很可能，语言同样是由未经人工设计的方式产生的，也许，它最早产生于人们无意识地将声音与前语言的思想相结合（而且不仅是声音，还包括身体语言：正如丹内特所观察的，我们发现我们说话时很难不摆动我们的手臂。这表明，最早期的语言也许有一部分是无声语言）。最终，这些模因整合在一起，形成了我们所熟知的语言。有着丰富表达能力的语言具有非常复杂的结构，却被大量的人群所共用。

语言允许我们在表达不在场的事物时超越时空限制，允许我们积累共享的知识体系，允许我们通过写作在个人脑海之外存贮知识。语言的这些作用带来了广泛的共同知识和实践，而这些知识和实践散布于创造了人类文明的诸多心智和人群之中。语言还让我们得以将注意力集中于我们的思想，并由此有意识地自上而下地发展出了富有创造性的科学、艺术、技术和制度设计。

然而，这种自上而下的研究和进步只有深植于一种能力才是可能的，而这种能力很大程度上是自下而上通过自然选择实现的文化进化的结果。丹内特并没有贬低个人才能的贡献，他只是告诫我们，不要忘了这一切之所以能发生，是因为有着必不可少的前置条件，不要忘了数千年来相互竞争的模因之间的“军备竞赛”——完全未经设计的进化以及语言的产生和消灭正是这方面的例证。

当然，人类大脑的生物学进化，以及大脑与文化在过去五千年的同步进化，让所有这一切都成为了可能。然而，在当前这个时点，我们仍然只能猜测这一切是如何发生的。丹内特引用了最新的研究成果来支持这样一种观点：大脑的构造是神经元自下而上竞争和相互作用的产物——神经元的运作方式部分应合了模因的影响。但是，无论神经元运作的细节是什么，如果丹内特关于我们是物质实体的观点是正确的，那么，我们所有的理解能力、所有的价值观、所有的感知能力和思想观念都是真实的存在，这种存在通过中枢神经系统得以表征，既呈现给我们“显现影像”，又能让我们形成“科学影像”。

····

这就把我们带到了意识问题。在这个问题上，丹内特持有一种不同的而又明显矛盾的观点。我们关于这个世界和我们自己的显现影像不仅包括物理身体和中枢神经系统，还包括我们具有精妙特征的意识——感知、情绪和认知——也包括我们对他人和其他非人类生物的意识。为了与他的“显现影像”观点保持一致，丹内特坚持认为，意识不是现实的一部分，至少不是像大脑那样的现实，而是一种特别明显和有说服力的用户幻觉，这种幻觉是我们与他人互动以及约束和管理我们自身行为的必要条件。总之，意识就是幻觉。

你可能会问，既然每一个幻觉自身都是一种意识体验——与现实不相符的一种体验——意识又怎么可能是一种幻觉。因此，对于我来说，我不可能在没有意识的情况下具有意识：正如笛卡尔那个著名的观察，我自身意识的真实性是唯一一件我不会受到蒙骗的事情。丹内特回避了这一显而易见的矛盾，将我们带到了他的观点的核心之处：在意识和一般意义上的心智方面，他拒绝承认第一人称视角的权威性。

这一观点非常怪异，很难用语言表达，但它与上世纪中叶在心理学中流行的行为主义有某些共同之处。我们拥有主观内在生活——不能仅仅用物理术语去描绘——的有意识的生物，丹内特相信，这种想法是一种有用的虚构。这种虚构可以让我们预测有意识的生物是如何行动的，也可以让我们与那些生物进行互动。他发明了一个术语“heterophenomenology”来描述（这是完全错误的）一种现象：我们每个人将自己的内心世界——充满了颜色、形状、味道、声音、家具影像、风景等等——归咎于与他人的互动，而这种互动还包含了他人对于这个世界的表征。

在丹内特看来，现实是一种表征，这种表征是人类行为的基础，而我们却对这种在神经结构中发现的表征所知甚少。同样，我们对于我们心智的概念也所知甚少。那种概念没有捕获到内在的心智现实，而是把心智当成了我们需要与他人就我们不同的能力和性情（有时，也是为了掩盖这些能力和性情）进行沟通的一种结果。这是一种粗糙而便于理解的看待心智的方式。

然而，奇怪的是，我们关于我们心智的第一人称视角与我们关于他人心智的第二人称视角并没有太大不同：我们无法看见、听见、感觉到我们大脑中复杂的神经机器是如何搅动的，但我们不得不对心智给出一种简明而易于理解的版本，而用户幻觉的概念对于我们是如此之熟悉，以至于我们不仅把用户幻觉当成是一种现实，而且还当成是所有已知现实中最不可能被还原和最紧密的一种现实。

问题在于，丹内特不仅得出结论说，在我们行为能力的背后还有很多不为第一人称视角所知的东西——这当然是正确的——还得出结论说，无论第一人称视角向我们揭示了什么东西，这些东西都只不过是神经机器运作的一种产物。换句话说，当我看见美国国旗时，在我看来，我的主观视野中出现了一些红色的条纹，但这只不过是一种幻觉：仅有的现实发生在我的视觉皮质中，这是一个我无法描述的物理过程。这就是关于意识的“一个简明而易于理解的版本”。

我记得马克斯兄弟（译注：美国著名喜剧演员）说过一句台词：“你会相信谁？我，还是你撒谎的眼睛？”丹内特想让我们无视再明显不过的现象——在意识状态中，我们能够立即意识到真实的主观体验，包括颜色、气味、声音、触觉等等，这些体验即便的确是由神经运动形成的（或者，也许既有神经方面的原因，也有体验方面的原因），也不可能全部用神经术语来解释。另外，他之所以想让我们无视这些现象，是因为这些现象的实在性与科学上的物理主义不相容。在他看来，物理主义为现实设定了外在边界。用亚里士多德的话来说，丹内特是在“不惜一切代价捍卫一个论点”。

如果我对他的理解是对的，他就是在要求我们用行为主义的方式来理解我们自身：当我似乎拥有一种主观的意识体验时，这种体验只不过是一种信念，它呈现在我将要说出来的话当中。在丹内特看来，当我看到美国国旗时，出现在我视野中的红色条纹只不过是那种信念的“意向性客体”（intentional object），就像圣诞老人是孩子过圣诞节时在脑海中浮现出的信念的意向性客体，而没有哪一个意向性客体是真实的。回想一下，丹内特认为，即便树木和细菌也有自己的“显现影像”，这种影像只能通过它们的外在行为而得到理解。同理，人类也是如此：“显现影像”根本就不是真正的影像。

····

我们没有理由以科学的名义去接受这种对心智的歪曲理解。而正是将心智排除在研究视野之外，自17世纪以来物理学才有可能获得如此巨大的进展。这个世界存在着比物理学所能解释的更多类型的实在，承认这一点并不意味着一种神秘主义：这只不过是承认我们还没有一个可以解释所有事物的理论，科学将不得不扩展它的边界，以解释与当前的物理学所能解释的事物完全不同的事物。我们不应该认为这种想法会带来极端的后果，尤其是给丹内特所钟爱的自然科学和生物学带来极端的后果：当前的进化理论，在形式上仍然是一种纯粹的物理理论，正如丹内特所想的那样，如果意识不是一种幻觉，进化理论就必须将非物理因素整合进对意识的解释之中。物理主义仍然是一种被普遍接受的理论，但科学不会因为用人为裁剪的数据去迎合流行的理论而得到进步。

书中还有很多内容我没谈论到，比如，教育、信息理论、生命起源之前的化学反应、意义的分析、可能性的心理学角色、心智种类的分类、人工智能。对于人工智能历史和前景的反思、我们应该如何管控人工智能的发展以及如何与之相处，丹内特给出的回答是明智而有益的。他总结说：

我认为，真正的危险不是机器比我们更聪明，从而篡夺我们掌握自身航行之舵的能力，而是我们过分高估了对最新的这些思考工具的理解，在机器还远不具有我们的能力之前，我们就过早把控制权交给了机器。

我们应该让新的认知假体（也即人工智能）继续成为人类的仆人，成为人类的工具，而不是人类的合作者。人工智能的“天生”目标是由它的创造者决定的，它应该透明而积极地回应用户的需求。

关于人类心智的真实属性，丹内特在某种意义上持有一种古老的观点，这种观点要追溯到笛卡尔时代。他对笛卡尔抱有敬意，提到了他称之为“笛卡尔引力”（Cartesian gravity）的力量，一种从第一人称视角去看待事物的能力。他把产生幻觉的意识领域称为“笛卡尔剧院”（Cartesian Theater）。毫无疑问，这种观点已经存在了很长时间，而推进对意识的理解的唯一方式，是让相关研究者尽可能充分地发展和捍卫他们相互竞争的概念——正如丹内特在书中所做的那样。即便读者认为他的新书的整体观点并不令人信服，但他们还是会在书中发现很多有趣的内容。

翻译：王培

原文：http://www.nybooks.com/articles/2017/03/09/is-consciousness-an-illusion-dennett-evolution/

尼采会为这本错综复杂的书《事物的奇怪秩序》（The Strange Order of Things）而掩卷欢呼，本书既科学严谨，又兼具人道关怀，而且就尼采可以评判的范围而言，本书是革命性的。作为神经科学、心理学和哲学教授的安东尼奥·达马西奥（Antonio Damasio），着手研究“我们为何以及如何感受万物、表达感受、使用感受来构建我们的自我……以及大脑如何与身体相互作用来支持这些功能”。他提醒我们，我们不是无形无体的炽天使，而是有思想的肉体凡胎——思想让我们变得更好。

从柏拉图开始，西方哲学已经赞同头脑在“单纯”的身体之上，因此，当我们到达笛卡尔时代，人类几乎已经被视为大脑卡在棍子上（心灵囚禁在身体里）的人，像孩子手上的木马。这是达马西奥想要驳斥的人性观。对他而言，同样也是对尼采而言，身体的感觉和头脑的想法一样重要，而且，两者不可分割地交织在一起。达马西奥坚持认为，事实上，从一开始，在最早的原始生命形式中，“情绪和感觉的世界”是驱使生物不断演化的力量，最终推动人类形成丰富的意识和创造灿烂的文化。

他告诉我们，本书阐明的观点很简单：“感觉作为人类文化繁荣的推动器、监督者和谈判者，并没有得到它们应得的荣誉。”所谓的简单，可能是作者撒下的一个小小的谎言。他陈述论点的语气是如此小心谨慎，如何客观冷静，大多数读者将跟随他的思路，点头同意。然而经过片刻的思考我们会发觉，我们的生活方式大部分与他的前提假设是相矛盾的，并且我们在大多数情况下想要消除身体感受，让理性占上风，甚至我们可能想要消灭身体，仿佛我们是纯粹的精神存在，只不过不情愿地被束缚在百来斤的肉体上。

“感受，以及任何短暂而强烈的情绪，”达马西奥写道，“是文化会议桌上被忽视的存在”。他从细菌开始这场讨论——大多数人不会将细菌当作生物？即使在这种“没有意识的生物体中……我们也可以假设有一种只能被称为‘道德态度’的东西。”为了支持他的观点，他引证了细菌的各种行为方式，它们具有与人类社会惊人的相似性。这意味着，“人类的无意识简直可以追溯到早期的生命形态，比弗洛伊德或荣格的设想更深进一步”。达马西奥的论点是，我们不仅是从猿，而是从原始潮水潭底部的蠕虫演变而来。

整本书的关键词是“内环境稳态（homeostasis）”，他对此提供了许多定义，其中最清晰也是最早的定义是他所赞成的，他在书中用斜体将其标注了出来：内环境稳态是一种力量（这个词似乎是合理的），确保“生物体在一个有利于适应生存环境和有利于物种繁荣的范围内进行自我调节”。

达马西奥的著作包括《感受发生的一切》（The Feeling of What Happens）、《当自我来敲门》（Self Comes to Mind），他是一位科学家，也是一位坚定的改革派人文主义者。他想让我们承认丰富的生活的各个维度，不管是好的还是坏的；但他并不多愁善感。人类的状况是奋斗和维护自己相信的东西，是求胜的意志：“生命天生有一个明确的任务：反抗现状，创造未来，不管前路多么艰难。”尼采思想的阴影或光辉，再次跃然纸上。

达马西奥将斯宾诺莎也叫到了会议桌上，他曾经写过一本关于斯宾诺莎的书《寻找斯宾诺莎》（Looking for Spinoza）。斯宾诺莎的重点是conatus，这是所有事情得以维持的基本力量。conatus在斯宾诺莎的思想中至关重要，它之于斯宾诺莎，正如内环境稳态之于达马西奥。

会议桌上也有威廉·詹姆斯（William James）的回声，他是一位受人喜爱的哲学家。达马西奥在书中讨论了一会儿詹姆斯的思想，当詹姆斯主义者（实用主义者）惊叹于现代生活中所有高科技产品的复杂性时，我们仍然坐在壁炉旁边，享受着它带来的原始快感和安全感。能让詹姆斯感到欣喜的是，达马西奥过着“平淡的”生活，他准备承认我们最高级的努力是建立在非常基础的支柱之上的，例如，当他在惊奇地说：“认为肠道神经系统”——即直觉的基础——“很可能是第一个大脑，这是很有趣的。”

但是达马西奥，虽然随时准备向他的前辈和同侪致敬，却完全是忠于自己的人。《事物的奇怪秩序》来源于他的新的尝试和大胆的努力，他想要正确人类以及所有生命的真正活力和来源，其实是感觉。正如他所说的，“体弱的病人，被遗弃的爱人，受伤的战士，和追求爱情的行吟诗人，都能感觉到周围的事物。”真理是简单而深刻的；除了感觉之外，我们还能说什么呢？

翻译：孙闰松

校对/编辑：EON

2015年冬季，奥利弗·萨克斯在去世前六个月，给《纽约时报》写了一份类似于讣告的文章。他表达了对自己的一生、对相识的朋友以及对所追求的学术生涯的感激之情。 他写道：“在过去的几天里，我从全局角度俯瞰了自己的人生，对于它各个局部相互之间的联系有了深刻的认识。”

从广角镜头看待事物，将看起来不相关的细节连接起来，这种能力极大地辅助了萨克斯，也使他拥有诸多头衔——内科医生、神经学家、作家，甚至是过去半个世纪最有名的非虚构类作家。他很擅长书写大脑和心智领域的奇闻轶事，并在描述案例研究方面极具洞察力和同情心。 （《时代周刊》称他为“当代医学桂冠诗人”。）

萨克斯虽然擅长调查神经系统失常，但他的兴趣要更广泛一些。《意识之河》（River of Consciousness）收录了他之前发表的10篇论文，该书篇幅不长但涵盖多方面内容。通过这本书，我们可以了解到， 萨克斯描写自然的角度如同达尔文或者是奥杜邦，他也能够涉猎到物理领域又不失可信度，他能够很精确地探索科学历史，精确程度在学术界外的确罕见。（人们会有这样的感觉，假使萨克斯感兴趣的话，可能会编写一些像西方思想史上六位著名思想家的传记，例如西格蒙德·弗洛伊德、威廉·詹姆斯。）

萨克斯从不需要华丽的辞藻，如实描写他的所写所想就已足够。该书的第九篇文章中这样告诉我们，他当时只是坐在第七大道上喝咖啡，慢慢地看着眼前的世界：

我的注意力来来回回，有时候停留在一个经过的穿红衣服的小女孩，或是溜着一只顽皮的狗的男人，太阳（最后！）从云端里出现。还有其他不仅仅是视觉上出现的事物，例如汽车开引擎的声音，邻座借火点起的香烟味，这些都是一瞬间吸引我的事物。

这些足够提醒我们，意识体验虽然平凡常见，但是身处意识的体验过程却是很令人吃惊的。但我们下面要说的才是需要探讨的：为什么在众多可能获得的感知之中，我们唯独抓住了这些？

到底是为何呢？大脑——由三磅极其复杂的灰质和白质组成的结构，通过感官接受到大量信息，无数电化学信号中，最细微的一些信息流找到了进入我们意识世界的方式。萨克斯并没有提出一种全新的意识理论，但他是罗列问题、定义术语、提醒我们谜团在哪里的高手。由于视觉相对比较容易探测，长期以来都是意识领域研究最常见的入口。威廉姆斯·詹姆斯将视觉感知比作万花筒中闪烁的图像；哲学家亨利·柏格森则把它比作电影帧通过投影仪时短暂闪烁的光芒。

最近以来，弗朗西斯·克里克和他的支持者克里斯托弗·科赫（Christof Koch）在研究感知和意识的“神经相关区”。同时一名生物学家杰拉尔德·埃德尔曼（Gerald Edelman）也提出了“神经达尔文主义”的意识理论，他的理论关注神经元群的行为以及它们随时间出现的变化。萨克斯通过自己的理解研究进一步发展了他们以及其他思考者的观点：我们的大脑会以某种方式将一些片段编织成经历，再将经历串成记忆，记忆逐渐形成自我。（我还是很好奇如果萨克斯之后是否有读到物理学家朱利安·巴伯（Julian Barbour）1999年的作品《时间终点》（The End of Time），因为巴伯提到只有片刻是真实存在的，其他的都是幻想。）

长期以来，我们发现爬行动物可能是第一批拥有类似“意识流”的生物。两栖动物可能没有这种体验。（当一只苍蝇在视线范围内时，青蛙会反射性地展开它的舌头，但它不会像壁虎或变色龙那样到处看看吃东西。）萨克斯是自然主义者也是神经科学家，但萨克斯同时也是历史学家。这让我们想起达尔文，那个好奇蚯蚓是否有心智的人。

意识的本质是让萨克斯着迷的谜团中最深奥的一个，但时间知觉和记忆机制也引起了他的注意。萨克斯出生在伦敦郊区，在第二次世界大战期间他还是个孩子。在写第一部自传《钨舅舅》时，他剖析了自己的战时记忆，生动地描述了两次德国的轰炸袭击（记载于《记忆也会犯错误》的短文中）。在第一次袭击中，炸弹没有爆炸。他的家人和邻居“悄悄溜走…..很多人还穿着睡衣……带着用红色绉纸降低亮度的手电筒。”在第二次袭击中，“一枚燃烧弹，一颗铝箔炸弹落在我们家后院，燃起一股可怕的白热烟气。父亲拿出手摇泵，哥哥们拿了水桶，但在这股地狱之火面前，水似乎毫无用处。

《钨舅舅》出版之后，萨克斯震惊地发现其中一个记忆并不是真实存在的。这两件事都发生了，但他只亲眼看到了第一件事。就像他的兄弟迈克尔解释说，第二次袭击发生时，他和萨克斯在农村，但他的“回忆”却与他们的哥哥戴维在信中的描述完全吻合。戴维的描述最终形成萨克斯的记忆。如果没有迈克尔的提醒，萨克斯是否会发现错误的记忆？ “精神分析，或者说，大脑投影能够察觉出这种差异吗？”

但当一国总统出现这种情况时，这种“记忆”则要面对更细微的检查。萨克斯指出罗纳德·里根在1980年竞选总统时说道，二战期间敌方的炮火摧毁了我方的一架轰炸机，有名机组人员受伤严重无法逃出，飞行员选择在飞机旁死去。但这也不是真的，这是1944年一部片子《飞行之翼》中的片段。（我在08年《探索时间之谜》一书中谈及到布什总统也有关于“9·11袭击”残缺的记忆，他“回忆”说曾在电视上看到第一架飞机袭击世贸大楼，但这不可能，这是之后才出现的画面。当然特朗普对阿裔美国人在新泽西庆祝911袭击的“回忆”也是虚构的，这或许是来自以色列占区的一个片段。）

萨克斯写道：“尽管一些我们最珍视的回忆可能从没发生过，或可能发生在其他人身上，意识到这件事仍让人无比惊奇。奇怪的是，这种异变情况比较少见，因为我们大部分的记忆是那么可靠可信。”

萨克斯在2015年《纽约时报》的那份讣告中的结尾表达了这样的感激之情：“最重要的是，能够在这个美丽的星球上成为一具富有感情的生命体，成为一种能够思考的动物，于我，这本身就是巨大的荣幸和冒险之旅。”但是，读过《睡人》或《错把妻子当帽子的人》的人都知道，也正如这些文章提醒我们的那样，能享有这份荣幸并参与到这场冒险的是我们所有人，应为此心怀感恩的也是我们所有人。

翻译：JH

校对：tangcubibi

编辑：EON

原文：https://undark.org/article/book-review-sacks-river-of-consciousness/

很难想象，如今我们竟然要为“理性、科学、人文主义和进步”寻找例证。很长时间以来，这些稳固的价值观定义了我们的现代生活。多数人都以为，抨击这些价值观的人来自极端右翼分子：他们是进步主义的敌人、是反科学宗教运动的先锋、是封闭心智的代表。

然而，史蒂芬·平克（Steven Pinker）认为，还有另一类人，对启蒙遗产的攻击影响更大，他们来自于知识分子和艺术家：当进步观的支持者看到如此之多的灾难、倒退、颠覆、新战争揭开了老伤疤、新秩序叠加了旧不义、作为进步副作用的新破坏超过了进步的好意图，他们就对进步观产生了信任危机。悲观主义者怀疑，进步观是否能承诺一个更美好的未来。而愤世嫉俗者则怀疑，今天的生活是否真的比往昔更好。科学和技术是否真的让我们的生活变得更美妙，或者当科技的巨轮滚滚向前，它是否又给生活带来了新的问题，就像在《摩登时代》中查理·卓别林的那台永不停歇的机器？

这些问题并不新鲜。在启蒙运动发生的巴黎，让·雅克·卢梭问过这些问题；在令人胆寒的法国大革命发生之后，浪漫主义运动分子问过这些问题；在反思第一次世界大战时，西格蒙德·弗洛伊德问过这些问题。而就在过去几年，这些问题再次以某些新的方式被提了出来。

于是，身为哈佛大学心理学教授的史蒂芬·平克开始问答这些问题，他捍卫了如下一些观点：人类的确取得了进步；今日的生活比过去更好；我们的未来——通过我们的努力——可以超越今日。正如平克所说：“我们能够运用理性和同理心增加人类的福祉，这样的启蒙原则似乎已经变得理所当然，甚至陈腐和老朽了。我写这本书就是想表明，我认为情况并非如此。”

平克的新书《Enlightenment Now: The Case for Reason, Science, Humanism, and Progress》系统论证了衡量进步的各种标准，用图表展示了过去半个世纪以来的进步，包括在种族歧视、性别歧视、同性恋厌恶、欺凌、交通事故、石油泄漏、贫困、闲暇、妇女权利等方面的进步。在这些变化中，有一项是出人意料的：在美国，无神论者正在增长，而宗教信徒正在减少。我们很容易从图表上找到一些瑕疵：比如，有图表显示，1945年以后每年死于战争的人数呈下降趋势，然而这一趋势似乎看上去还不如从1600年开始的下降趋势那般明显。但如果你能公正地看待这些图表，就会发现，平克提供的大多数数据和分析还是很有说服力的，他一再坚定地描绘了进步的图景。

对于一本书而言，叙述啰嗦、立场鲜明很难说是好的品质，但就这本书而言，却是它的优点所在，因为平克所要寻找的例证是如此重要、如此困难，以至于任何细微的证据都他不能放过——在当下的历史时期很多人都不相信乐观主义。平克借用了戴维·多伊奇（David Deutsch）（译注：英国著名物理学家，提出了平行宇宙概念，著有《真实世界的脉络》、《无穷的开始——世界进步的本源》）对乐观主义信念的看法，认为“乐观信念的所有失败——所有魔鬼——都要归结于知识的不充分……”尽管19世纪浪漫主义运动是第一次重大的反启蒙运动，但平克认为1960年代也出现了一些反启蒙的浪漫主义情绪。他提到了某种宗教倾向，由于人们专注于来世，这就与推动此世进步或者深度关注此世产生了冲突。他提到了民族主义和其他运动让个人利益或者所有人的利益屈从于特殊利益集团。他提到了环境保护主义的一种他所谓的新浪漫主义形式，它提倡让人类服从于自然生态，寻求绿色发展之道，但不是通过技术进步，而是通过谴责当今技术和生活方式来实现。他还提到一种被广泛接受的衰落叙事，一种预见了我们所在时代正在上演的衰落论或末日论，这种衰落要么通过核战争，要么通过科技毁灭，要么通过现代社会的虚无和堕落得以实现。

面对几十年来的这些怀疑，人们可能还会补上这样一个事实：人性的缺陷从来没有像在21世纪那样暴露无遗。我们在很多方面都面临着巨大挑战：健康、贫困、平等、生态、正义。这些问题都不是新问题，但我们在这些问题上的挫败，通过数字媒体对负面新闻不间断地、连篇累牍地报道，并强烈呼吁采取行动，让它们变得更扎眼了，也耗尽了很多人的期望。

在过去两年中——之前从未发生过——很多学生在我的课堂上表示，性别歧视、种族歧视、不平等“从没有像今天这样严重过”。我作为一个历史学家的回答则是，“不，过去要糟糕得多，让我告诉你们1950年之前的生活……”然而，这样的回答似乎并没有让学生感到满意，尤其是当学生的愤怒和痛苦被现实所印证的时候。对于这样的问题，平克提供的大量清晰而科学的数据是一种更好的工具，比起我所讲述的前现代生活的不堪往事，更能重燃人们的希望。

在提供了丰富的数据之后，该书用三个章节捍卫了平克所推崇的人类三大工具：理性、科学和人文主义。在关于理性的这一章节，他将政治偏见和极端化视为是理性实践的新的重大威胁，其中包括他称为学术圈“对自由主义一边倒”的现象。为了驳斥人类在根本上是非理性的这一信念，他正确地指出，启蒙运动的思想家们只是表明了，人类有能力做到理性，而不是声称人类总是理性的，而践行理性是有价值的、有益的。在这里（在关于平等权利和进步的未来等章节中），平克对“特朗普主义”（Trumpism）和相关现象做了最有力的批判，但即便如此，他仍不忘持守理性，呼吁理性的拥护者抵制愤世嫉俗地把这个世界视为是后真相世界。他坚信，事实和逻辑是一种累积的力量，是具有说服力的。他观察到，事实证明，揭穿谎言的报道是很能吸引读者关注的，而且这类报道的数量和受欢迎程度都在上升，编辑们已经发现了这一趋势。

平克对科学的推崇是直言不讳的：他认为科学的成就超越了诸多艺术、音乐、文学巨著，是至美、健康、财富和自由的来源。他审视了那种反科学的论调，这种论调试图把科学局限在物质和技术领域，而将伦理、价值观、文化等领域视为非科学。他尤其批驳了把社会丑恶现象归结到科学身上的观点，强调我们需要区分科学本身与科学被人为用于歧途、被误解为社会达尔文主义的源头、造成性别不平等等现象。有些人认为，性别歧视和社会不公等现象是得到了科学结论支持的，但平克认为这种看法是有问题的，他正确地指出，社会正义运动能够从科学研究中受益，科学是它的同盟而不是敌人。

然而，科学很容易被误用于非正义或破坏行为。对于这种危险，平克提出的解决方案是人文主义。它能阻止科学成为进步和幸福的敌人，他认为，要发挥科学做善事的力量，阻止它行破坏的力量。

人文主义定义繁多，但平克的定义是我们所谓的现代世俗人文主义，他把它理解为“追求人类福祉——生命、健康、幸福、自由、知识、爱、丰富的体验——的最大化”，并且“没有排除对动物福祉的追求”，人文主义要“倡导意义和道德的非超自然基础：没有上帝的善（good without God）”。他将这种人文主义与《美国独立宣言》中推动现世社会进步的价值观、与启蒙运动和后启蒙运动关于人权的思想联系起来。平克审视了他所认为的人文主义的智识威胁：比如，那些将人文主义看成是冷冰冰的功利主义的人；那些认为人类天生就有宗教信仰需求的人；那种常见的对文艺复兴和启蒙运动的典型批评：没有上帝，就没有善或美德。有些读者可能会对该书感到不满，这本350页的书所提供有价值的、令人信服的数据，大多是信仰中立的，它得出的最终结论是，只有真正的无神论才能确保科学进步会造福人类，而不是伤害人类。然而，平克的世俗人文主义不像当今很多无神论者的言论那样激进。他关心现世的福祉，而不是谴责宗教。他得出的结论是很多有神论者能够并且已经接受了的：进步只是意味着要求我们珍惜生命而不是死亡、珍惜健康而不是疾病、珍惜富足而不是贫穷、珍惜自由而不是压迫、珍惜幸福而不是痛苦、珍惜知识而不是迷信。

平克还简要审视了人们将感性（爱、激情、感受）置于理性之上的信念。但他认为，这种信念是自败的（self-defeating）：只要人们试图相信感性至上的信念，他们就需要为这一信念提供理性论证，而这种论证恰恰证明了理性论证是信念最坚实的基础。然而，当我反思平克的这一论证时，我想起了在科学发展历程的关键时刻，科学曾经以同样的方式遭遇了自败。

作为一个主动的、由人类行为驱动的过程，现代意义上的进步观是由弗朗西斯·培根在17世纪初期第一次做出全面阐述的。当时他认为，人类对经验的协作探索能够发现有价值的真理，从而彻底改造人类文明，让每一代人的生活都可以逐渐比前辈过得更好。这种进步观似乎没有得到众人的响应，因为培根没有拿出证据，证明这一史无前例的进步观可以发挥如此巨大的威力——即便他掌握了证据，人们还是没有能力用合乎理性的证据去证明，合乎理性的证据具有证明的效力。那个时候，时常会出现一些新的发现——木星的卫星、各种昆虫、血液循环——然而，把这些发现投入到实际的应用却进展缓慢。

正如哈佛大学历史学教授詹姆斯·汉金斯（James Hankins）曾经说过的那样，直到19世纪培根的信念才得到了认同：如果培根的同行们将金钱和生命投入到科研中，他们就会获得财富，以及能够改变人类境况的技术。正如培根在他的《新大西岛》（New Atlantis）一书中所写的那样，关于因果和事物神秘运动的知识能够扩展人类社会认识一切能够认识的事物的认知边界。然而，在鼓动起人类对理性和科学的热情方面，培根的确成功了。我曾向我的学生们提到过他的一个论证，令他们颇感惊讶：培根诉诸于上帝的性质，认为一个卓越的造物主不可能既将欲望置于人类的身心，又将人类置于荒野，而不提供满足他们欲望的工具和办法。因此，理性必定是上帝给予人类的独特礼物，也必定是人类想要并且能够获得的东西。

培根的这一论证时常——尤其是在法国大革命之后——会让世俗科学的信奉者感到尴尬。作为无神论者，他们担心，如果他们的追随者意识到，早期的科学没有世俗的证据支持他们对于理性和证据之力量的信仰，会有怎样的后果呢？人们不禁要想知道，培根所在的时代会如何看待平克所提供的这些丰富证据呢？培根自己也许会很高兴地看到，他所预言的未来得到了实现。但当他手里捧着平克的这本书时，他也许会感受到两种观点之间的冲突横亘于自己的内心：一种是他所确信的观点：认为理性、科学、人文主义和进步能让我们的今日胜过往昔，并且还能让我们的未来胜过今日；另一种是他不那么确信的观点：无论其论证有多么雄辩和充分，平克坚信，能将我们的才智转化为善并摆脱邪恶的那种人性和富有同理心的人文主义，必定是世俗主义的。

如果不循环诉诸于科学和理性，平克对于科学和理性之力量的证明就不会比培根做得更为成功。然而，对于那些始终相信证据的说服力的人而言，他们很难想象还有一种辩护，能比平克对于进步的事实和可能的辩护做得更成功了。

翻译：王培

编辑：EON

原文：https://harvardmagazine.com/2018/03/steven-pinker-enlightenment-now

那么，站在15年后来看，这本书到底在讲什么？它的核心是讲一些非常抽象的东西：元理论（the theory of all possible theories）或者元宇宙（the universe of all possible universes）。但对我而言，本书的一大成就是认识到人们可以在程序可实现的计算型宇宙（computational universe）中做实验，以此探索事物本质。在书的结尾有许多乍一看很奇异的图片，其实它们只是由非常简单的程序生成。

在1980年，我是一名理论物理学家，如果那时你问我简单程序能做什么，我可能会回答“并不多”。大自然展现出的复杂性深深吸引着我，但像典型的还原论科学家那样，我认为理解复杂性的关键在于搞清楚事物基本成分的详细特征。

现在回想起来，命运对我十分眷顾，多年前我恰好拥有兴趣和技能去切实探索计算型宇宙中最基本的实验：系统地排列一套最简单的程序，并运行它们。

我最初就知道会发生很多有趣的事情，然而很多年以后，我才开始真正体会到我所看到的伟大力量。对我而言，一切都始于一张照片：

或者，它的现代形态：

我称之为规则30。这是我一直最喜欢的发现，我把它印在自己随身携带的名片上。它是什么？是我们能想象的最简单的程序之一。它运行在数排黑白相间的单元格上，从一个黑色单元格开始，然后在下一行重复应用给定规则。关键在于，尽管这些规则怎么看都极其简单，应用后浮现出的模式并不简单。

这是计算型宇宙的一个出人意料却十分关键的特征：即使极其简单的程序也可能生成非常复杂的行为。我花了整整十年才明白这种现象有多广泛。它并不仅仅发生在像规则30这样的元胞自动机上。在人类想象范围内所有规则或程序中，它基本都会出现。

类似的现象已经出现了几个世纪，譬如圆周率和素数分布，不过它们基本只被视为个例，其深刻意义尚未得到挖掘。距我第一次看到规则30的现象，已经过去近35年了，每过一年，我就更清楚地了解其中蕴含的深远意义。

四个世纪以前，木星的卫星及其运转规律的发现，为现代精密科学和现代科学思维奠定了基础。那么规则30能否催生另一次知识革命，进而带来一种新的思考方式？

从某种意义上来说，我不太喜欢充任引领者（“转换范式”是个费力不讨好的活）。多年来，我只是径自用这些概念来发展技术和完善构思。但随着计算和人工智能逐渐站在世界舞台中心，我认为应当让更多人理解计算型宇宙蕴藏的巨大价值。

计算型宇宙的含义

以下是我今天看待这个问题的方式。通过观察木星的卫星，我们提出一个观点：假如以正确方式看待的话，宇宙是一个有序而规律的地方，而人类终将理解它。但现在，通过探索计算型宇宙，我们很快发现类似规则30这样的存在，认识到即便极简规则也能生成不可化约的复杂行为。

《一种新科学》的伟大发明之一是计算等价性原理。第一步是把每个过程（无论它发生在黑白方格、物理世界还是我们大脑中）视为一种将输入转为输出的计算。计算等价性原理表明，在一个极低的阈值上，所有过程都对应着复杂度相同的计算。

当然它也不一定正确。也可能类似规则30的过程要比飓风的流体动力学，或者我在写作时的大脑运动过程更简单。而计算等价性原理认为这些事情在计算上是等价的。

这是一个有着深层含义的重要论证。一方面，它暗含着我所说的计算不可化约性（computational irreducibility）。如果有类似规则30的东西正在进行和大脑或者数学一样复杂的计算，我们不可能‘‘超过’’它去预测结果，只能通过不可化约的计算，有效跟踪其每一个步骤，弄清楚它要做什么。

精密科学中的数学传统尤其强调通过求解方程来预测系统行为。但是计算不可化约性表明，传统方法并不适用于分析计算型宇宙，我们只能通过执行明确的计算来模拟系统行为。

观察世界的角度转变

在《一种新科学》这本书中，我完成的其中一件事是展示了如何将简单程序作为一种模型，应用于分析各种物理、生物和其他系统的基本特征。书籍出版时，不少人对此持怀疑态度。大家都认为严肃的科学模型应当建立在数学方程基础上，这种延续了300多年的学术传统的确非常牢固。

但在过去的15年里，一些惊人的变化已经发生。今天，无论在动物行为模式领域还是网络浏览行为领域，新涌现的模型通常都基于程序而非数学方程。

年复一年，时间缓慢无声地流逝着。而在这个领域，却发生了戏剧性转变。三个世纪以前，数学方程取代了纯粹的哲学推理。在短短几年内，程序又取代了数学方程。目前来看，程序是实用而高效的：它做得更好，更有用。

在理解事情发生的基础时，人们会被引导至类似计算等价性这种想法上去，而非数学理论和微积分。传统的以数学为基础的思维方式使得力和动量等概念在我们讨论世界时随处可见。但是现在，当我们从根本上思考计算理论时，必须从不可判定性（undecidability）和计算不可化约性（computational irreducibility）这样的概念开始。

某种类型的肿瘤会在某种特定模式下停止生长吗？这或许就是不可判定性。如何预测天气变化？这或许就是计算不可约性。

这些概念不仅在理解能否对事物建模时大有帮助，而且在弄清楚能否管控事物时也非常重要。在经济领域，计算不可化约性会制约全球治理方式的发挥空间。在生物领域，计算不可化约性也会抑制普遍疗法的可能性，使得推动个性化医学疗法的发展成为必然趋势。

基于计算等价性等原理，我们能展开讨论，究竟为何自然界中复杂行为如此常见。或者，为什么就连确定性极强的基本规则也会导致计算不可约的行为，虽然从实践上看这种行为貌似体现了“自由意志”。

深耕计算型宇宙

《一种新科学》的一个中心思想是，计算型宇宙中有着令人难以置信的丰富性。这意味着，存在非常丰富的资源可供我们挖掘利用。

你想自动生成一个有趣的定制艺术品吗？那就先看看简单的程序，然后自动选择一个你喜欢的，正如WolframTones音乐网站十多年前做的那样。想找到一个最优算法吗？只要搜索那些程序足够多次，就会找到合适的那一个。

通常情况下，我们习惯于付出努力、按部就班地建造事物，比如逐步制定建筑计划，画工程图纸或者写代码。但是，拥有极易获得的丰富性的计算型宇宙为我们提供了另一条创作之路：不用尝试建造任何东西，你只需要给出所要之物的定义，然后在计算型宇宙中搜索即可。

有时候真的挺容易找到。比如，你想生成一个随机数。那么，只需要枚举元胞自动机（就像我在1984年做的那样），很快就会发现规则30——它是最广为人知的显性随机数生成器之一（例如，看一下单元格值的中心列）。否则，你可能得搜索100000个案例（就像我在寻找逻辑最简单的公理系统，或者最简单的通用图灵机那样），或者搜索数以百万甚至万亿的案例。过去25年里，在计算型宇宙中，我们发现了很多新算法，同时我们也依靠这些算法来运行Wolfram语言。

某种程度上，这相当引人深思。如果人们在计算型宇宙中发现了一些小程序，那么就可以说它做了人想做的事。但是，当我们观察程序运行时，并不了解它背后的运行逻辑。即便可以分析程序的某个部分，并惊叹于它的“聪慧”，仍旧无法理解整个过程，毕竟这和我们熟悉的思维模式大相径庭。

当然，我们在使用造物主的杰作时也有过类似体验。我们可能会发现，某些特定物质是一种有效药物或强力化学催化剂，却不清楚其原理。然而，在工程学以及大多数推动现代技术进步的努力中，我们的关注重点通常都放在建构那些设计结构和运转逻辑比较易于理解的事物上。

曾经，我们以为这就足够了。但在对计算型宇宙的探索中，我们发现这远远不够：只选择那些我们易于理解的事物，就会忽略计算型宇宙中的大多数巨大力量和丰富性。

现有技术的世界

当我们从计算型宇宙中挖掘出更多东西时，世界会变成什么样？今天我们构建的环境充斥着像简单形状和重复过程这样的东西。但我们越频繁地利用计算型宇宙，事物看起来就会越不那么寻常。有时，它们看起来像“有机物”，或者像我们在大自然中看到的东西（毕竟大自然遵循类似的规则）。但有时候它们看起来相当随机，直到有一天突然不可思议地达到了我们能够认知到的某种形态。

数千年来，人类作为一种文明，一直在探索周遭的道路上前进——无论是用科学解码自然，还是用技术创造环境。然而，要想利用计算型宇宙的丰富资源，我们就必须在一定程度上放弃这条道路。

过去人们都认为，和人类创造的工具相比，人类大脑拥有更强大的计算力，因此我们总能“理解”他们。但计算等价性原理表明这是错的：计算型宇宙中有很多东西和人类大脑或人造工具一样强大。一旦我们开始使用这些东西，我们就失去了所谓的“护城河（edge）”。

今天我们仍在想象，我们可以识别出程序中那些不相关的漏洞。但在计算型宇宙中，计算不可化约性遍地都是，人们唯一能够做的只是运行它，看看会发生什么。

人类本身作为一种生物系统，就是在分子尺度上进行计算的一个绝佳案例，我们身上同样遍布着计算不可化约性（这就是在一些基本层面药物难有成效的原因）。我想这是一种权衡：人们可以将技术运算限定在可被理解的层面上。不过，这无疑会错过计算型宇宙中的诸多丰富性。而我们甚至无法将自身的生物学成就在我们创造的技术中对应起来。

机器学习和神经网络的复兴

我注意到，知识领域存在一种普遍现象。在几十年、甚至几百年内，知识水平都在缓慢增长，之后由于某种方法论的进步，开始迈入5年左右的“高增长”时期，几乎每周都有重大成果面世。

非常幸运，我上世纪70年代刚进入粒子物理学研究领域时，正值该领域的飞速发展期。于我而言，上世纪90年代是我个人的一个高产期——《一种新科学》就是这么来的，事实上这也是我十多年都不舍得离开该领域的原因。

今天飞速发展的领域显然是机器学习，或者更具体地说是神经网络。我很高兴看到这一趋势。我在1981年就开始研究神经网络，甚至早于我开始使用元胞自动机和发现规则30。但我从没用神经网络做过任何有趣的研究，我认为它们过于复杂，无助于解决我关心的基本问题。

所以，我把它们简化后，利用元胞自动机做实验。（我受到了统计物理中伊辛模型等的启发，以此类推。）开始时，我认为简化过度了，小型元胞自动机无法进行有趣的实验。后来，我发现了规则30。自那以后，我一直试图深入理解它的含义。

在创建Mathematica（一款科学计算软件）和Wolfram语言（一种编程语言）时，我经常关注神经网络研究动态，偶尔也会用一些小方法来做一些算法。大约5年前，我听到一些让我惊讶的事：通过训练神经网络进行复杂运算的想法奏效了。起初我还不确定，后来我们开始尝试为Wolfram语言增加神经网络运算能力。两年前我们发布了imageidentify.com网站，现在我们已经有了一整套神经网络系统。是的，对此我印象深刻。一些传统上被视为只有人类才能完成的领域，现在已经可以利用计算机开展常规性工作了。

神经网络究竟是怎样运转的？它与大脑无关，只是灵感（尽管实际上它与大脑的工作方式可能多少也有些类似）。一个神经网络实际上是一系列对数组进行运算的函数，每个函数从数组中提取相当多的输入变量。它和元胞自动机没有什么不同。除了一点，那就是元胞自动机通常处理的不是像0.735一样的任意数字，而是像0和1这样规则的数字。此外，在元胞自动机中，每个步骤只从一个定义完整的局部区域获取信息，而不是从所有区域获取信息。

客观地说，现在“卷积神经网络（convolutional neural nets）”研究很常见，它的输入模式和元胞自动机同样有规律。人们逐渐发现，神经网络的运转并不依赖精确数字（比如32位），可能只需要几位数就够了。

神经网络的一大特征是，我们知道如何让它们“学习”。特别是，它们已经从传统数学中学到了许多功能（比如连续编号），无论提供什么样的训练集，都可以使用类似微积分这样的方法，使它们通过逐渐改变参数来适配行为。

目前还不清楚，需要多少计算量或者多少训练范例。但五年前的突破性发现表明，现代 GPU 和网络收集训练集已经足够用于解决许多重要的实际问题。

几乎没有人会在一个神经网络中最终明确地设置或“编程”得出一些参数。取而代之的是，它们会自动设定合适的参数。但不同于元胞自动机等简单程序（它们通常穷举所有可能性），神经网络有一种基于微积分的渐进过程，这会逐渐完善网络，类似于生物进化过程中逐步提高有机体“健康”的过程。

这种训练神经网络的方式效果显著，不过人们也很难理解其内在规律。但从某种意义上说，神经网络依旧大致遵循计算型宇宙的规律：它基本上保持相同的计算结构，并且通过改变参数来改变其行为。

于我而言，神经网络的成功是对计算型宇宙理论阐释力的认可，也是对《一种新科学》思想的另一种印证。因为它表明，在计算型宇宙中，只要摆脱详细行为能被预测的确定性系统的束缚，马上就能发现各式各样的丰富性和有用的东西。

符合现代机器学习理论的《一种新科学》

是否能在神经网络分析中用上计算型宇宙的全部力量和《一种新科学》的思想？对此，我表示怀疑。实际上，随着对细节的认知愈发清晰，我认为对计算型宇宙的探索将进入高速增长期：进入一个前所未有的繁荣时期。

在当前的神经网络研究中，存在一种明显的权衡。在神经网络内部，与简单函数（包含基本参数）相似的部分越多，就越容易用微积分的思路来训练网络。但是，神经网络与离散程序或者结构可变的计算越相似，其训练难度就越高。

值得一提的是，我们现在经常训练的网络在几年前来看是完全做不到的。正是这些数千万亿次的 GPU 高效运算才使得训练可行。即使在增量数值方法不可能到达的领域，有人用非常常见的技术（就比如说，本地全局搜索）做重要的训练，我也不会太惊讶。甚至有可能发明像微积分一样的主要归纳法，并运用在整个计算型宇宙中。（不过，基于对元胞自动机规则空间等事物的几何基本概念的概括性认识，我仍保有一些怀疑。）

人们能利用它做什么？或许会发现能实现特定计算目标的更简单的系统，也可能诞生超出我们目前可实现的（比如人类大脑范畴）的全新运算层次。

近期，有个关于建模的趣事。随着神经网络越来越成功，人们开始疑惑：当我们可以为神经网络的结果构建一个黑盒模型时，为什么还要费心模拟系统内部运转过程？如果我们设法让机器学习深入计算型宇宙中，我们就不必再费劲权衡了，它们已经能够学习其模型机制和结果。

我敢肯定，将完整的计算型宇宙引入机器学习范畴，将会带来惊人的后果。值得一提的是，计算普遍性和计算等价性原则会弱化它的原理性。因为这两个特性表明，即使目前通用型的神经网络也能模仿任何其他系统的功能。（事实上，1943年诞生的现代神经网络思想带来了这种普适性。）

作为一个实用性问题，当前的神经网络早期是建立在硬件上等事实，会使它们成为现行技术系统所需要的基础，即便它们远远不算最优解。我的猜测是，在可预见的未来，让有些程序可以访问完整的计算型宇宙是很有必要的，这也使得它们更加实用。

发现人工智能

实现人工智能需要怎样的条件？儿时，我喜欢研究如何让计算机知晓事物，并且能够回答它已知的问题。在我 1981 年学习神经网络时，这项兴趣也部分包含在我当时的所做的——试图理解怎样构建这样一个系统之内。碰巧，我那时刚刚开发了 SMP（一款数学软件），它是 Mathematica 的前身（最后演化为Wolfram语言），并且主要基于符号模式匹配（“假如看到A，则将A转换为B”）。当时，我想象人工智能是某种“更高层次的计算”，但是不知道如何实现它。

我时常思考这个问题，却一直没能解决。然而，当创作《一种新的科学》时，我突然想到：如果我真的相信计算等价性原理，那就不存在任何所谓“更高水平的计算”，因此人工智能必须依据现有水平的计算知识来实现。

正是这个认识让我着手开发 Wolfram|Alpha（一个“计算知识引擎”）。我发现，很多像自然语言处理这样“人工智能导向的东西”，只需“普通计算”就能完成，压根用不到任何神奇的新型人工智能发明。客观地说，事实的一部分就是：现在我们已经在使用《一种新科学》中的思想和方法：我们不仅仅在将所有事物程序化，而且常常在计算型宇宙中搜索规则和算法来使用。

那么能否普遍运用人工智能？基于目前所掌握的工具和知识，我们的确可以将我们可以定义的任何事物自动化。但问题在于，下定义是一件比我们想象中更困难、更核心的事。

我看待这一点的方式是，有很多已经很接近计算型宇宙的运算。它们是很强大的，可以和人类大脑相媲美。不过，除非它与人类的目标和动机相结合，否则我们便不认为这是一种“智力”。

自从开始写作《一种新科学》，我一直喜欢引用格言“天气有自己的想法”。这听起来像一种万物有灵论和先知论。不过计算等价性原理表明，根据多数现代科学理论来看，这种说法是正确的：气象流体力学和人类大脑中的电传导在计算复杂度上是相同的。

但是，它是“智能”的吗？当我和人们谈论《一种新科学》和人工智能时，我经常被问到何时能让机器诞生“意识”的问题。生命、智能、意识：它们都是人类在地球环境下提出的特定概念。那么，在普遍意义上它们究竟是什么？所有地球生命都有核糖核酸（RNA）和细胞膜。但这仅仅是因为我们所知的生命都是相关联的历史分支的一部分，并不意味着这些细节正是生命概念的根本要素。

智能也是如此。我们只有一个有足够说服力的例子：人类。（对动物我们都无法肯定。）但我们所经历的人类智能与人类文明、人类文化和生理结构都有着深刻的关联，尽管这些都和智能的抽象定义毫无关联。

我们也可能会想到外星智能。虽然计算等价性原理暗示我们周围其实存在“外星智能”，但它与人类智能并不完全一致。譬如，规则30就像人类大脑一样进行着复杂计算，但它对于自己正在计算的东西的意义似乎并不明确。

我们想象，人类行动总是包含特定目标和动机，而规则30只是按照限定规则在运转。不过，我们终将意识到，两者之间的差异并不大。毕竟，人类大脑同样被自然规律所支配着，某种程度上我们的行为也只是在遵循那些规则。

任何过程都可以用机械原理来描述（“石头遵循牛顿定律运动”），也可以用目标论来描述（“石头正在移动以最小化潜在能量”）。基于机械原理的描述在和科学产生关联时最有用，而基于目标论的描述在和人类智能产生关联时最有用。

这对于思考人工智能至关重要。我们可以构建出与任何事物复杂程度相当的计算系统，但我们能让它们去做符合人类目标和动机的事情吗？

从某种意义上说，这是人工智能的关键问题：重要的不是实现底层的复杂计算，而是如何从计算中实现我们想要的沟通。

语言的重要性

我一生大部分时间从事的是一名编程语言设计师的工作，其中最重要的成果就是创造了 Wolfram 语言。我一直将自己视作一个语言设计师，首先想象人们想进行什么样的计算，然后像简化论科学家一样，找到能用于建立计算的优质原语。但不知为何，在写作《一种新科学》和思考人工智能的过程中，我的思维方式逐渐改变。

现在，我认为自己正在人类思维模式和计算型宇宙的潜能之间架设一座桥梁。原则上，计算可以实现各种各样令人惊奇的事。编程语言，就是人类表达需求或目标，并尽可能使其实现自动化运转的一种方式。

编程语言设计必须从我们了解和熟知的内容开始。在 Wolfram 语言中，我们用英语单词命名内置原语（built-in primitives），利用这些单词已有的含义来引申。Wolfram语言与自然语言不同，它更加结构化，更加强大。它是基于人类共享的知识语料库，建立于我们熟知的词汇和概念之上。它给我们提供了一种建立任意复杂程序的途径，以便能有效指向任意复杂的目标。

计算型宇宙能做很伟大的事，但这些事未必都是我们人类能描述或与之产生联系的。但是，在构建 Wolfram语言的过程中，我的目标是尽最大努力挖掘人类所需的一切，并用可执行的计算术语来表达它。

当我们在观察计算型宇宙时，很容易被已有的表达方式或思维框架所局限。现代神经网络提供了一个有趣的例子。为了开发 Wolfram语言的图像识别功能，我们训练神经网络识别了上千种事物。为了满足人类的需求，神经网络最终得用可以被语言命名的概念来描述它看到的东西，譬如桌子、椅子、大象等等。

然而在神经网络内部隐含的操作逻辑是识别世界上任何物体的一系列特征。它是绿色的吗？它是圆的吗？等等。经过训练后，神经网络能鉴别出有助于分辨事物差异性的特征。问题在于，这些特征几乎都没有用人类语言指定过。

在计算型宇宙中，可以找到描述事物的绝佳方法，我们对此却十分陌生。基于人类文明的现有知识库，我们还无法表述他们。

当然，当前人类知识库也在不断添加新概念。一个世纪以前，人们还无法描述嵌套模式（nested pattern），而现在我们只用说“它是一个分形（fractal）”。关键在于，在计算型宇宙中，“潜在有用的概念”是无穷尽的，我们永远也不可能跟上它的步伐。

数学中的隐喻

写作《一种新科学》时，我把它视为打破数学的应用——至少是作为科学的基础的一种努力。不过，我意识到的事情之一就是，纯数学本身也对书中思想产生了很大影响。

什么是数学？它是一门基于数字、几何等来研究确定的抽象系统的学科。从某种意义上看，它探索的是所有潜在抽象系统组成的计算型宇宙的一小部分。但也不能否认数学对人类知识领域的巨大贡献：事实上，大约300万个已知的数学定理也许是人类构建的最大的体系性智力结构。

自欧几里得以来，人们至少在理论上认为数学先从某些公理（比如，a+b=b+a，a+0=a，等等）开始，然后再构建定理推导过程。数学为什么难？根源在于计算不可化约性现象，显而易见，我们无法简化定理的推导步骤。换句话说，数学得到的结果可能是任意的。更糟的是，正如哥德尔不完全性定理（Gödel’s Theorem）所论证的那样，数学已经证明某些系统内存在既不能证明也不能证伪的命题。这种情况被称为“不可判定性（undecidable）”。

从某种意义上说，数学之伟大就在于可以有用地去证明它。毕竟多数我们关注的数学结果都与不可判定性相关。那为何这种不可判定性不出现呢？

事实上，如果人们考虑随机抽象系统（arbitrary abstract systems），它出现得很多。以典型的元胞自动机或图灵机器为例，询问系统，是否无论其初始状态如何，均停止在周期性行为上。就连如此简单的事物，往往都呈现出不可判定性 。

为什么数学中不会出现这种情况？也许数学公理有其特殊之处。当然，假如有人认为数学是唯一描述科学和世界的工具，也许是出于某种特定原因。但本书主旨认为，计算型宇宙中有一整套潜在规则，可以用于科学研究和描述世界。

事实上，我并不认为数学传统中所使用的公理有任何普适意义：它们只是历史的偶然产物。

人们发明的数学定理又是怎样的？我认为它们同样是历史产物。除了最微小的区域之外，数学海洋中充满了不可判定性。但不知何故，数学偏爱挑选可以证实定理的岛屿，并且为自己处于靠近需耗费巨大努力方可证明的不可判定性之海的地方而自豪。

我对数学中已公布的定理的网络结构很感兴趣（这是一种有待整理的东西，像历史上的战争或化学物质的特性）。我很好奇，数学成果中是否存在固定序列，或者从某种意义上说，随机部分是被人为挑选出来的。

我认为，有相当多的类比可以用于理解我们之前讨论的关于语言的问题。什么是论证？基本上是一种向某人解释为何某事为实的途径。我已经做了各式各样的自动化论证，其间有成百上千个步骤，每个环节都能用计算机加以验证。但是，就好比一个神经网络的内部构造，这怎么看都很奇怪，人类难以理解。

如果一个人想要理解它，必须熟悉“概念性节点”（conceptual waypoints）。这更像是语言体系中的词汇。如果论证的某个特定部分有一个名称（如“史密斯定理”），并且拥有公认的含义，那么它对我们就是有用的。但如果这是一个无差别的计算组块，对我们而言就没有任何意义。

任何公理系统都包含一系列无穷可能的定理。哪一个是“有趣的”？这真是个独属于人类的问题。基本上，它们最终都会成为“有故事的定理”。我在这本书中指出，从符合基本逻辑的简单案例来看，历史上被视为有趣的命名定理在某种意义上恰恰是最微不足道的。

我猜测，对于更丰富的公理系统，“有趣”的东西必须来源于已经被视为有趣的事物。这就像建构一个单词或概念：除非将其与现有概念相联系，否则无法引入新概念。

近年来，我特别好奇像数学这样一个领域，究竟固步自封、缺乏进步到了何种程度。是否只能有一条历史演进路径——从算术到代数再到现代数学的更高成就？还是有无数种多样化的可能性，可以造就完全不同的数学史呢？

某种意义上，答案取决于“元数学空间的结构（structure of metamathematical space）”：也就是远离不可判定性汪洋大海的真实定理网络是什么？也许对不同的数学领域而言有一些差别，有些领域（认为数学是“被发现的”）会比其他领域（认为数学具有随机性，且数学可被“发明”）更“固步自封（inexorable）”。

但对我来说，最有趣的事情莫过于，当我们看待这些术语时，关于自然与数学特性的问题，最终和自然与人工智能的特性的问题是多么近似。正是这种共性使我意识到，《一种新科学》的想法是多么强大和普遍。

科学何时出现？

传统数学方法在物理学和天文学等科学领域的确发挥了重要作用，但在其它一些领域，如生物学、社会科学和语言学等却用途不大。长期以来，我一直坚信，要在这些领域中取得进展，必须要拓展目前使用的各种模型，站在更宏观的计算型宇宙中考虑问题。

的确，过去15年间，这种做法也逐渐取了一些成功。比如，有许多生物和社会系统都在使用由简单程序构建的模型。

不同于呈现为“可解决状态”的数学模型，进行精确模拟后，计算模型通常呈现出计算不可化约性。这可以成功做出特定预测或应用于技术模型。但这有点像数学定理的自动化论证，人们可能会问：“这真的是科学吗？”

是，人们可以模拟系统行为，但是否能“理解”它呢？在某种意义上，计算不可化约性意味着人们并不总是能够“理解”事物。在计算模型中，可能没有有用的“故事”可讲，也可能没有“概念性节点”，只有大量的详细计算。

想象一下，某人正在努力研究大脑如何理解语言——这是语言学的一大目标。也许我们会得到一个精确模型，发现一些决定神经元放电或低水平大脑表现的精确规律。然后我们来看看，在理解整个句集时产生的特定模式。

如果这些模式看起来像规则30的行为呢？或者像循环神经网络的内部结构？我们能讲一个发生了什么的故事吗？要做到这一点，就必须创建某种更高级的符号表示法：在这里有效产生了能表示事件的核心元素的词汇。

然而，计算不可化约性意味着可能没法创造这些东西。虽然它总能发现一个计算可归约性（computational reducibility），从而使人们可以陈述一些东西。但不会存在一个完整的故事。可能有人会说，这些可归约的科学事实没用。不过，这只是当人们使用（如标题所述）《一种新科学》时会碰到的麻烦之一。

控制人工智能

近年来人们很担心人工智能。他们想知道，当人工智能“比人类更聪明”时会发生什么。计算等价性原理带来一个好消息：从基本层面来说，人工智能永远不会“更聪明”——它们只能进行和人类大脑层次相当的运算，这和简单程序在做的事一样。

当然从实际来讲，和人类大脑相比，人工智能确实可以更快地处理大量数据。我们也会让它们替人类处理许多事物，比如从医疗设备到中央银行再到运输系统等。

那么重要的是，我们该如何指导它们做事。一旦我们开始真正应用计算型宇宙，就不可能给人工智能“手把手式”的教导。而是我们只需要为人工智能设定目标，让它们自己找出实现这些目标的最佳路径。

从某种意义上说，我们已经用Wolfram语言这样做很多年了。有一些用来描述任务（诸如画图、数据分类等）的高级功能，之后编程语言会自动寻找最优解完成任务。

最终，真正的难题是找到一种描述目标的方法。比如，你想寻找一个元胞自动机，用于制作“漂亮的地毯图案”或者“好的边缘检测器”，但这些东西究竟意味着什么？你需要的是一种能帮人类尽可能准确传递其意图的语言。

这和我之前谈过的问题差不多。人们必须找到一种可以相互间讨论我们关心的事的方式。计算型宇宙中有无限多的细节。但是通过人类文明和共通的文化历史，我们可以找出一些重要概念，并用它们来表述目标。

三百年前，像莱布尼茨这样的人热衷于寻找一种精确的象征性方式来呈现人类思想和人类话语。他太超前了。直到现在，我们才胜任这项任务。事实上，我们花了很长时间才让Wolfram语言能够描述真实的世界。我希望能建立一个完整的“象征话语体系”，帮助我们谈论我们关注的事。

今天，我们只是用比日常用语更精确一点的法律术语撰写法律合同。但是用象征语言，我们可以撰写真正的“智能合约（smart contracts）”，用高级术语描述我们的目标，随后机器便可以自动验证或执行合约。

那人工智能呢？我们要告诉它们，我们希望它们做什么。我们需要和它们签订合约，或许还得为它们制定章程。这些文件都建立在某种象征语言之上，它既允许我们表达目标，也能交由人工智能执行。

关于人工智能章程应该包含什么，以及如何构建它，从而反映世界政治和文化景观，有很多值得探讨之处。其中一个显而易见的问题是：人工智能章程能会像阿西莫夫的机器人三定律那样简单吗？

《一种新科学》中蕴藏着答案：不可能。从某种意义上说，章程是一个描述世界的可能性与不可能性的尝试。然而计算不可化约性表明，这需要收集无穷多的分析案例。

我觉得这很有趣，计算不可化约性等理论最终和一些很实际且核心的社会问题相冲突。一切都始于对理论可能性的理论探索，最终却演变为社会上每个人都要关心的问题。

无穷尽的前沿

我们会达到科学的终点吗？我们——或者人工智能——最终会发明出一切需要发明的东西吗？

对于数学，很容易发现我们能构造出无穷个定理。对于科学，也有无数详细问题要问。同时，还有无数发明等待我们去创造。

但问题在于：有趣的新事物总会一直存在吗？

计算不可化约性表示，通过对旧事物进行大量不可化约的计算后，总会发现新事物。因而从某种意义上说，我们总会发现“惊喜”，但并不会从旧事物中立即浮现出来。

它只是像不同形状的怪岩一样无穷无尽？还是会出现一些人类认为有趣的新特征？

又回到了我们曾遇到过数次的问题：对人类而言，我们必须基于可用于思考某个事物的概念框架来发现有趣的事物。的确，我们可以在元胞自动机中找到一个“永久结构”，然后开始谈论“结构间的碰撞”。但当我们看到一堆乱七八糟的东西时，除非用更高层次的象征性的方式来谈论它，否则并不会感到“有趣”。

从某种意义上说，“发现有趣”的速度不会受到人类进入计算型宇宙和发现事物能力的限制。相反，它将被人类为发现的新事物建构概念框架的能力所制约。

这类似于《一种新科学》形成过程中正在发生的事。人们看到这些（http://www.wolframscience.com/nks/p42–why-these-discoveries-were-not-made-before/）（素数分布、圆周率位数等）。但如果没有相应的概念框架，它们看起来并不“有趣”，也不会存在以它们为核心建构的事物。事实上，当我更加了解计算型宇宙——甚至是我很久以前看到的东西——我逐渐建立起支撑我走得更远的概念框架。

此外，需要指出发明（inventions）与发现（discoveries）有一定差别。人们在计算型宇宙中看到一些新东西，这是一种发现，而如何利用计算型宇宙实现某种目标才是一项发明。

而且像专利法一样，如果你只说“看，这就行了”，那算不上真正的发明。你必须以某种方式理解它达成的目标。

在过去，发明过程的重点往往是让某个东西开始工作（发明让灯泡亮的灯丝等等）。但在计算型宇宙中，重点转移到了发明目的上来。因为一旦你描述了目标，就可以自动化地找到一种实现路径。

这并不意味着它总是很容易。事实上，计算不可化约性意味着它相当困难。比如，你知道某些化学物质相互作用的精确规律。你能找到一种化学合成路径，进而发现某种特定的化学结构吗？可能有一种方式，但计算不可化约性同时表明，我们可能无法弄明白这条路究竟有多长。如果还没找到，那你可能永远也无法确定究竟是因为不存在，还是因为尚未找到。

物理学基本原理

如果一个人想探索科学的边界，他估计会怀疑物理学的基本理论。考虑到我们在计算型宇宙中看到的一切，物理世界是否和计算型宇宙中的某个程序存在对应关系？

当然，除非找到它，否则我们便无法真正了解它。但自从《一种新科学》出现后，我对这种可能性越来越乐观。

无疑这将是物理学的一大变化。如今，有两个主流基本物理框架：广义相对论和量子场论。广义相对论提出已经超过100年了，而量子场论估计也超过90年了。它们都取得了巨大的成就，但都未能提供一个完整的物理学基本理论。我想，现在已经是时候迈出新步伐了。

但还有一件事：在探索计算型宇宙的过程中，即使基于非常简单的模型，我们也会迸发出大量关于可能性的灵感。我们可能认为，物理学的丰富性必须基于一些非常复杂的基础模型。但目前来看，即使是非常简单的底层模型也能很好地生成复杂性。

底层模型可能是什么样的？我不打算展开讨论很多细节，只想强调一点，底层模型应该尽可能少地嵌套。我们不能自大地认为已经理解了宇宙构造；我们应该使用尽可能非结构化的通用模型，按照计算型宇宙的逻辑去运行：搜索一个能实现任务目标的程序。

我最喜欢的非结构化模型是网络：它只是一个链接节点的集合。它们完全有可能形成一些类似代数结构的模型，也可能形成一些其他的东西，但都可以被视作一种网络。按照我的设想，它是一种时空表层之下的网络：我们已知的时空表征都必须从该网络的实际行为中显现出来。

过去的十年里，人们越来越关注循环量子引力（loop quantum gravity）和自旋网络（spin networks）。它们和我一直在做的事一样，都涉及到网络，也许两者间还有更深的关联。但在通常的表述中，他们更像是一种数学式的复杂。

从传统物理学方法的角度来看，这是个好主意。但是，基于从研究计算型宇宙而来的直觉，而且将其应用于科学和技术，似乎就完全没必要。的确，我们尚未彻底理解物理学的基本理论，但可以理解最简单的假设。它和我研究过的简单网络特别相似。

一开始，对经过传统理论物理训练的人（包括我自己）来说，这显得很陌生。不过，还是有一些东西并非那么陌生。大约20年前，我有一个大发现（至今还未被广泛接受），当你看到一种我研究过的巨型网络时，你可以证明它的平均行为遵循爱因斯坦重力方程（Einstein’s equations for gravity）。换句话说，即使不在基础模型中置入任何精致的物理定律，它也会自动出现。这个发现特别让人激动。

人们对量子力学提出了很多问题。的确，我的基本模型并未建立在量子力学上（正如它不建立在广义相对论上一样）。目前要确定“量子力学”的本质比较困难，不过也有一些潜在迹象表明，我的简单网络最终表现出了量子行为——就像我们所熟知的物理学一样。

假如，由无数可能的程序构成的计算型宇宙中存在基础物理理论，那我们该如何寻找呢？显然，应该从最简单的程序开始搜索。

在过去的15年里，我一直在做这件事，虽然频率低于我的预期。到目前为止，我的主要发现是，很容易找到那些并非显然不属于我们宇宙的程序。有很多程序的时空表征与我们这个宇宙差异很大，或者还表现出其他异常。但事实证明，找到并非明显不属于我们这个宇宙的替代宇宙并不困难。

但计算不可化约性给我们出了个难题。我们可以通过数十亿个步骤模拟替代宇宙，但并不清楚它会朝什么方向演变，是否会成长为我们这样的宇宙，或者完全不同。

我们不太可能仅仅通过宇宙初始时的片段状态，就能发现任何熟悉的东西，比如说光子。因此，我们很难构造一种描述性的理论或者强有力的物理学。但从某种意义上说，这和我们在神经网络等系统中面临的问题出奇地类似：那里有计算过程，但我们是否能识别出“概念性节点”，并从而建构一个可以理解的理论？

我们的宇宙是否必须在那个层面上可被理解这个问题我们并不清楚，而且我们可能在很长一段时间里都处于一种奇特状态中，自认为在计算型宇宙中发现了人类宇宙，却又不敢肯定。

当然，我们也许足够幸运，推演出了一个有效的物理系统，并通过我们发现的小程序重建整个宇宙。这是个非凡的科学时刻，但又会引发一系列新问题，比如为何是这一个宇宙，而非另一个？

装有一兆个灵魂的盒子

现在，我们人类是以一种生物系统的形式存在的。但在未来，肯定会在技术上以一种数字或者说计算型的形态再现人类大脑的所有过程。因此，只要这些过程能代表人类，就可以在所有计算层面上实现人类的“虚拟化（virtualized）”。我们可以想象，这样发展下去，未来整个文明形态可能会演变成“装有一兆个灵魂的盒子（box of a trillion souls）”。

盒子里面会以各种计算形式，展现那些“虚拟灵魂”的思想和经历。这些计算反映着宏伟的人类文明，以及我们的一切经历。但在某种程度上，它们并不算多么特殊。

也许会让人类有点失望，毕竟计算等价性原理已经表明，这些计算并未呈现出比其他系统更复杂的计算性——即使与简单计算相比也是如此——同时也没有呈现出复杂恢弘的文明历史。的确，细节蕴含所有历史。但从某种意义上说，不知道寻找何物或关心何物，你就不能说它有什么特殊之处。

好吧，但是“灵魂”本身呢？人们是否可以通过观察他们实现的特定意图来理解其行为？在目前的生物形态中，人类有各种各样的限制和特征，它们赋予我们目标和意义。但在虚拟的“上传”形态中，大多数都会消失。

我曾经思考过，在这种情形下，“人类”的意图会如何演化。当然，在虚拟化形态下，人类和人工智能之间差异不大。未来也可能会让我们失望，“虚拟灵魂”的未来文明为了消磨永恒时光而陷入“玩游戏”效应的陷阱。

我逐渐认识到，用我们目前对目标和意义的认识来理解未来是行不通的。想象一下，回到一千年前，给古人解释未来的人们每天都在跑步机上行走，或不断地给朋友发照片。关键在于，除非相应的文化框架已经形成，否则这些活动便没有意义。

当我们试图描述什么是有趣的或可解释的时，会再次发现这些都依赖于一整套“概念性节点”网络的发展。

我们能想象100年后数学的模样吗？它建立在我们不知道的概念上。同理，未来人类的动机也依赖于某些未知的概念。站在今天的人类视角，我们能做出的最好描述，或许是那些“虚拟灵魂”只是在“玩游戏”而已。但是对于未来人类而言，可能存在一整套微妙的动机结构，让他们能通过回溯历史文化发展的每一步来理解。

此外，如果我们了解物理学基本理论，随后完成虚拟化，那么至少在原则上：我们可以模拟“虚拟灵魂”宇宙的运转。如果这样可行，那就没什么理由必须对人类宇宙进行模拟，它可以模拟计算型宇宙中的任何宇宙。

正如我提到的，即使在任何宇宙中，也永远不会出现“事情都做完了”和“没什么可发现的了”这样的情况。但我有一些奇思妙想，那些“虚拟灵魂”不会满足于只存在于人类物理宇宙的模拟版本中，可能更乐于（无论这对他们意味着什么）走出牢笼，去探索更广阔的计算型宇宙。因而从某种意义上说，人类未来将是一个无穷尽的探索之旅，而这一切无疑会出现在《一种新的科学》所讨论的语境中。

计算型宇宙的经济学

很久以前，我们就被迫思考“虚拟灵魂”的问题。我们面临着一种窘境，在人工智能完成大部分劳动的世界里，人类应该做什么。从某种意义上说，这个问题并不新鲜：它只是科技和自动化发展的延伸。但不知为何，这次感觉非同寻常。

我认为原因在于，计算型宇宙中有那么多丰富、易得的事物。我们可以打造一台能自动完成任务的机器。我们甚至可以建造一台通用计算机，通过编程来完成多样化任务。然而，即使这些自动化程序拓展了人类行动的界限，人类仍旧得在其中投入许多精力。

现在不一样了，我们只要明确任务目标，剩下一切都会自动完成。各种各样的计算（也就是所谓的“思考”）可能即使没有人类的介入也会持续进行。

乍看之下，似乎不太对劲。未经耕耘，怎能丰收？这有点像问大自然是如何自身拥有复杂性的。要知道，我们耗费巨大精力制造的物品，本身也并不太复杂。我认为，答案是它正在对计算型宇宙进行挖掘。对我们而言亦是同理：通过挖掘计算型宇宙的潜能，我们基本上达到了无限的自动化水平。

当今世界上的许多重要资源仍然依赖于物质材料，这些材料通常从地球中开采出来。当然，一些地理和地质上的偶然性决定了合适的开采人员和开采地点。此外，可供开采的资源数量也是有限的。

然而，计算型宇宙的资源却是取之不尽用之不竭的，任何人都可以开采。在开采方面虽然存在一些技术性问题，不过也有一大堆优秀的开采技术。计算型宇宙拥有面向全球的无限资源，不存在稀缺性，更不“昂贵”。

计算思维之路

上个世纪最伟大的智力转变，或许是计算思维方式的出现。我常说，从考古学到动物学的范畴内，只要一个人在其中任选一个“X”领域，那么“计算型X”领域也将马上或很快出现，而这些“X”领域必将代表各自学科的发展方向。

我一直在努力尝试发现这样的计算领域，开发Wolfram语言便是一例。不过，我对元问题也很感兴趣：应该如何传授抽象的计算思维，比如教给孩子们？作为一种实用工具，Wolfram语言无疑非常重要，但其概念、理论和基础又是怎样的？

这就是《一种新科学》诞生的缘由。它主要讨论纯粹抽象的计算现象，而非在特定领域或任务中的应用。这有点像初等数学：只是通过引入数学思维来促进教学和理解，无关具体应用形式。《一种新科学》的核心也是如此。我们需要知道，看重直觉和引入计算思维模式的计算型宇宙与具体的应用程序无关。

人们可以把它看作是一种“前计算机科学（pre computer science）”或“前计算型X（pre computational X）”，在讨论计算过程的具体细节之前，人们可以只研究计算型宇宙中简单而纯粹的事物。

确实，在孩子学会算术之前，他们也完全可以做一些像元胞自动机填色卡片书之类的东西，自己执行或者在计算机上运行一些简单程序。这能教会他们什么吗？其实，它教导孩子们学会为事物定义规则或设计算法，让他们知道使用它们会带来一些有用且有趣的结果。同时，它让像元胞自动机这样的系统生成一种视觉模式，比如，人们甚至可以在自然界中找到这些原型（就像软体动物的壳）。

随着世界更加计算化——更多事情可以被人工智能和对计算型宇宙的挖掘完成——不仅理解计算思维变得极具价值，在探索计算型宇宙中养成的直觉也变得非常重要。在某种意义上，这种直觉是《一种新科学》的根基。

还有什么要弄清楚的？

在写作《一种新科学》的10年时间里，我的目标是尽可能回答所有关于计算型宇宙的“显著性问题”。站在15年后回顾，我自认为做的不错。事实上，如今在考虑该用计算型宇宙做些什么时，我发现自己很可能已经在书或者笔记里谈论过了。

过去15年中最大的变化之一，是我逐渐更深入地了解了这本书的意义。书中有许多具体的概念和创见。但从长远来看，我认为最重要的是，它们作为应用和概念的根基，如何帮助人们理解和探索一系列新事物。

但即使在计算型宇宙的基础科学方面，人们仍然希望获得一些具体的结果。比如，试图发现更多证据来证实或证伪计算等价性原理及其适用性。

像大多数科学一般原理一样，计算等价性原理的认识论地位比较复杂。它是一个可被证明的数学定理吗？它是宇宙的自然法则吗？或者说它是一种对计算概念的定义？或许可以说，它更像热力学第二定律或自然选择学说，是这些的结合。

但有一点很重要，那就是发现具体的证据来证明（或证伪）计算等价性原理。该原理表明，即便简单规则系统也应能进行任意复杂的运算，因而它们也可以充当通用计算机。

事实上，这本书的主要结论发现，该原理也适用于最简单的元胞自动机（规则110）。该书出版五年后，我决定为另一项证据设立奖项：能想到的最简单的通用图灵机（universal Turing machine）。我很高兴短短几个月内就有人获奖，图灵机被证明是通用的，此外还发现了一些证实计算等价性原理的证据。

在推进《一种新科学》的应用上还有很多事要做。比如，有待建立的适用于各种系统的模型，有待发现的技术，有待创造的艺术，要理解这些含义还有许多工作要做。

但很重要的是，不要忘记对计算型宇宙进行纯粹理论研究。以数学类比的话，应用数学值得追求，“纯粹数学（pure mathematics）”同样有探索的巨大价值。计算型宇宙也是如此：需要探索很多抽象层次的问题。正如书名所暗示的，现在已经可以定义一门新学科了：一门纯粹的计算型宇宙科学。我认为《一种新科学》的核心成就开启了一门新学科，我将其视为自己的最大成就。

本文首发于Stephen Wolfram的博客。

翻译：自天然；校对：tangcubibi；编辑：EON

当今世界，行为科学无孔不入。社会心理学和行为经济学的研究铺天盖地，被（政府、企业、媒体）用来左右我们看到的新闻、购买的产品，并且被用于构建我们的文化和知识环境，影响我们在网络和现实中的人际关系网络。过去，人们遵循个人习惯、本能或者社会传统、规范来做出行动，而现在，人们往往会参考心理学、行为科学的研究结果和科学理论来做决定，并且在此基础上有意或无意地塑造社会。

政府和私有企业使用的行为科学手段并不是为了要求我们运用理性；它们并不企求有意识地以信息和论据说服我们。相反，这些手段是利用我们的非理性动机、感情弱点和无意识偏见来改变行为的。假如心理学家们能够系统全面地理解这些非理性动机，他们将大权在握，上能治大国，下可烹小鲜。

Invisible Manipulators of Your Mind

We are living in an age in which the behavioral sciences have become inescapable. The findings of social psychology and behavioral economics are being employed to determine the news we read, the products we buy, the cultural and intellectual spheres we inhabit, and the human networks, online and in real life, of which we are a part.

迈克尔·刘易斯（Michael Lewis）的《抽丝剥茧》（The Undoing Project）似乎注定要成为人类行为的长期理解和矫正方面最受欢迎的一部著作。本书回顾了丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）之间的复杂友谊和卓越的学术合作。这两位心理学家的研究成果为新行为科学奠定了基础。他们的研究成果首次提出，我们或许可以系统地理解人类的非理性。他们主张，即使我们的思维出错，其出错的方式也有规可循。卡尼曼告诉我们，他和特沃斯基在调查中得到了许多反直觉结论的支撑下，“我们现在理解了直觉思维的奥妙与缺陷。”

卡尼曼在2011年的著作《思考，快与慢》（Thinking, Fast and Slow）中，将两人新提出的心智模型呈现给大众读者。他将人类心智描述为两种关系密切的思考系统：系统1运作迅速，且自动运行，它包括本能、情感、人与动物共有的先天技能，也包括后天习得的联想和技能；而系统2虽然缓慢，却很慎重，能让我们改正系统1产生的错误。

刘易斯讲述了这次知识革命的经过：1955年，21岁的卡尼曼负责为以色列军方设计人格测验。他发现，如果设计的问卷能最大限度地排除测验者的直觉因素，问卷的精确度就能达到最高。在测试过程中，受测者调用了“系统1”的直觉式思维，这种思维会干扰他们的判断。而如果问卷的设计者和实施者能够防止受测者依靠任何主观判断和偏见，受测者就不会受到干扰。这是刘易斯非常喜欢的一个情节，因为他在畅销书《点球成金》（Moneyball, 2003年出版）中也讲了一个类似的故事。奥克兰运动家队（Oakland Athletics，美国职业棒球大联盟中的一支球队）的总经理比利·比恩（Billy Beane）利用了全新的数据分析方法，克服了球探在挑选球员时的直觉判断。

《抽丝剥茧》里也称颂了心理学家刘易斯·戈尔德堡（Lewis Goldberg）的事迹。他曾经是卡尼曼和特沃斯基的同事，当时他们都在俄勒冈州的西部城市尤金工作。戈尔德堡发现，用一个简单算法来诊断癌症的准确度能比高级专家还高，因为专家毕竟会被自己的情绪和错误的直觉所左右，而算法是用来处理数据的固定规则。《抽丝剥茧》中的人类主角们往往难以相处、感情用事，而算法则是书中“头脑简单的英雄”，它们防微杜渐，默默修正着人类思维的毫厘之差。

而卡尼曼和特沃斯基最具影响力的发现则是“前景理论”（prospect theory），该理论为行为科学的“偏见与启发法”奠定了非常重要的基础。他们考察了人们如何在不确定条件下做出决定，并发现了人们的行为并不符合效用理论的预期。效用理论是经济学理论的一个重要基本假设，它假设决策者会理性地追求利益最大化。卡尼曼和特沃斯基意识到，他们观察到的非理性行为并不是一些偶然误差，而是“博弈者在选择过程中对理性原则的系统性违背”。这些系统误差（误差分为偶然误差和系统误差，前者受随机因素影响，后者按一定规律变化）表明人类的非理性行为有规可循。

《抽丝剥茧》的作者刘易斯在讲述这段历史时，充分把握了以色列政局动荡不稳的历史背景，并阐释了卡尼曼和特沃斯基的发现：他们意识到，我们对概率和风险的直观分析很容易被情绪左右。因此，我们特别希望能够排除诸如懊悔和失落等负面情绪的干扰。刘易斯写道，在赢得赎罪日战争之后，以色列因为他们的损失感到懊悔不已——以色列被敌国偷袭，不得不背水一战，付出惨痛代价才赢得了战争。但是，原本还有这么一条路，卡尼曼和特沃斯基都认为这条路可以避免战争：归还在1967年战争中占领的土地。以色列人并不因自己没有这样做而懊悔。类似的案例还有很多，卡尼曼和特沃斯基认为：若行动A伴随损失，而损失本可被行动B避免，人们对损失的懊悔，会强于对没有采取行动B的懊悔。如果这是普遍情况的话，人们就能根据这一原理更好地评估风险。

“可得性启发法”指出：如果在一些偶然因素下，我们对某个现象非常在意，我们就会误以为那个现象特别容易发生。

这项研究最终催生了已经广为人知的启发法，也就是经验法则，用来指代直觉思维中的一些具体缺陷。其中一些经验法则似乎有着共同的情感基础，比如“禀赋效应”（高估我们所拥有事物的价值）、“现状偏见”（希望维持现状）和“损失厌恶”（在评估风险时，更多地关注潜在损失而不是潜在收益）都涉及一种固有的保守态度：我们更加喜欢和重视已经为之付出了很多的事情。

许多启发法就发生在我们身上。“可得性启发法”指出：如果在一些偶然因素下，我们对某个现象非常在意，我们就会误以为那个现象特别容易发生。例如，“9·11事件”发生后，人们非常害怕恐怖袭击会再次发生。然而相对于车祸和其他致死原因，恐怖袭击发生的概率其实非常小。只不过是电视上没有像报道恐怖袭击那样，一天到晚滚动播出车祸等事故的新闻罢了。很多这样的信息其实不应该左右我们的判断，但我们就是无法屏蔽之。

–

–

我们居然有这么多严重的思维缺陷。不过，刘易斯在书中一直流露着希望，他不断强调，这些心理学新知识也能让我们了解、正视和尽量消除非理性思维的不足，进而改善人类生活。由理查德·塞勒（Richard Thaler）创建的根植于卡尼曼和特沃斯基研究成果的行为经济学，旨在研究清楚我们该如何让自己变得更好，作出更好的决策。虽然根据可得性启发法，人们会为极力保护自己免受发生概率极小的灾难，但是我们可以用一些微调方式（nudges）来应对：我们可以写下明确的提示，来提醒自己哪些灾难更可能发生，从而作出更加符合实际的判断。虽然人们会有维持现状的偏见，不愿意做出对自己更有利的改变，例如我们可以不向人们提供多种可供选择的退休计划，而是选择一个更有利的方案：让计算机自动把他们录入某个退休计划，但保留他们自愿退出的权利。

凯斯·桑斯坦（Cass Sunstein）曾担任奥巴马政府的白宫信息与管制事务办公室主任，他上任不久便采取了上文中提到的方案。他设计了一些“选择结构”（choice architectures）和微调方式，来影响人们的直觉，从而影响决策。在刘易斯笔下，通过上述方式来做公益事业就像是一种魔法，如同月光悄悄爬进窗户一样，在全美国沉睡之际偷偷潜入千家万户。

数百万的美国企业和政府职员在21世纪初的某一天，一觉醒来后发现自己不需要再申请加入退休计划，他们已经被计算机自动录入了。

桑斯坦和塞勒将这种干预背后的政治理念称为“自由主义家长制”（Libertarian Paternalism）。它是“自由”的，因为它并不强制人们接受给定的选择，只是提供一些选择或者制造一些吸引力，来让人们“更好地判断这些选择并作出能改善生活的决策”。他们声称，这种形式的干预虽然通常在人们不知不觉中实施，但并不算玩弄权术和操控人心，毕竟人们总是有权选择别的方案。刘易斯在书末直白地称赞了这种有人引导、却号称是自由选择的形式。

刘易斯并没有提及，同样的行为科学原理也能用来有计划地蛊惑和操控人心——这也是行为科学原理的一种重要应用。弗兰克·巴别茨基（Frank Babetski）是美国中央情报局指挥部的一名情报分析员，也是中情局大学的谢尔曼·肯特情报分析学院的分析谍报学系主任。他将卡尼曼的《思考，快与慢》列入情报人员必读书目。

巴别茨基论述了情报人员如何利用行为科学原理进行情报欺骗，这是情报人员的一项重要技能。[1]他建议，这种做法应当受到法律约束，并且民主政府应当对情报目标有最终决定权。但他也指出，这些手段落在任何图谋不轨的人手上都有可能会导致滥用。

对于选择偏好的操控既驱动了行为科学的商业化，也成为了数字经济的基石，而数字经济塑造了现代生活中的大部分内容。

刘易斯轻描淡写的描述忽略了一个严重的问题：行为科学家声称已经有办法操控人们的情感生活，重塑他们最根本的偏好、价值观和欲望。卡尼曼和特沃斯基（于1996年去世）曾经在一篇合著论文中提出，我们并不能很好地判断自己的幸福，这一观点在卡尼曼最新的研究中得到完善。我们的直觉反复多变，还往往自相矛盾。回忆往事时，我们容易把它想得无比快乐，而当时记录下来的感受未必如此。卡尼曼和一些积极心理学家合作创建了一个新的子学科：快乐心理学（hedonic psychology）。该学科不仅关注快乐，也关注更广泛意义上的幸福，并试图找到一种更加客观的方式来评价生活状态，而不仅仅依赖于主观评价。

这个新的子学科开创性地将行为科学的成果与“大数据”相结合。刘易斯的《抽丝剥茧》中并未提及“大数据”，但“大数据”却让卡尼曼和特沃斯基的思想有了广泛的潜在应用价值。宾夕法尼亚大学“全球福祉项目”的心理学家与剑桥大学心理测量学中心的计算心理学家米哈尔·科辛斯基（Michal Kosinski）和大卫·史迪威（David Stillwell）开展了合作。科辛斯基和史迪威参与设计了名为 “myPersonality”的Facebook程序，用户可以用这一程序做心理测试。最终它收集了六百万份测试结果和四百万人的资料。研究者将测试分数与用户在Facebook上留下的海量信息结合起来，这些测试中包括大五人格测试。它又被称为OCEAN模型，测量开放性、尽责性、外倾性、宜人性和神经质这五种人格维度。举例来说，经常使用“apparently”（显然）和“actually”（其实）等字眼的用户往往比别人更加神经质。“myPersonality”的设计者声称，这些心理测试的结果与其它数据相结合，可以预测一个人的幸福水平。

全球福祉项目的主导思想是：主观判断并不完美，我们不应该依此来判定什么是快乐的，什么才有意义。[2]可若是我们追求的快乐和意义成为行为科学的研究对象，那么快乐和意义是否会被量化和操纵，我们还能否自由地追求想要的快乐和意义，并看清其本质？这种担忧可不是什么学术问题。对于选择偏好的操控既驱动了行为科学的商业化，也成为了数字经济的基石，而数字经济塑造了现代生活中的大部分内容。

卡尼曼分别在2007年和2008年开设了主题为“关于认知的认知”（Thinking About Thinking）的高级讲习班，参与学习的包括亚马逊创始人杰夫·贝佐斯，谷歌创始人拉里·佩奇和谢尔盖·布林，前微软首席技术官内森·麦沃尔德，Facebook首任总裁肖恩·帕克，SpaceX创始人、特拉斯汽车的联合创始人伊隆·马斯克，推特创始人埃文·威廉姆斯，以及维基百科创始人吉米·威尔士等人。[3]

在2008年的课上，理查德·塞勒也提及了克服思维陷阱的微调方式。在网上公开的片段中，我们也可以看见他对选择构架的描述：它们能引导人们做出特定的行为，但是只要被引导者不喜欢其结果，这种引导可能会立刻失效。然而，在与这些硅谷企业家的谈话中，卡尼曼指出“启动效应”（营造一种合适的心理氛围）是心理学研究中非常重要的课题之一，它通过提供潜意识的暗示（例如在屏幕上以某一速度闪过一张不令人察觉的笑脸）来影响情绪和行为。他还强调，启动效应能激发一些可预测的、连贯清晰的联想。如果被试对这种施加于潜意识的影响毫无所知，那么他们拒绝这些影响的自由意志不过是空中楼阁罢了。

硅谷大佬们既然参与了这样的课程，自然已经十分清楚行为科学的商业潜力，因为行为科学已经与科技产业密不可分。2011年，塞勒和桑斯坦对http://nudges.org的最后一次更新中有一篇对决策科学研究所的约翰·肯尼（John Kenny）的采访。肯尼在采访中说道：“如果我们不理解行为经济学的理论，就不能明白诸如亚马逊、Facebook、Farmville、耐克+、高朋网等数字化网络平台的成功。行为经济学将提供越来越多关于人们行为的洞见，作为制定数字战略的依据。”

2015年4月，亚马逊的杰夫·贝佐斯在致股东的信中表示，“基于销售指导系统，我们利用自动化机器学习技术，稳定生成大量的“微调”（每周通常能生成7000万个以上）”，此举为亚马逊的卖家带来了巨大的业务优势。 很难想象在这7000万个“微调”的影响下，顾客还能充分自由地思考，并做出有悖于亚马逊系统推荐和期待的选择。

Facebook也采纳了卡尼曼和塞勒在行为科学方面的新发现，同时很多广告主利用启动效应间接地在Facebook上打广告，悄无声息地影响着用户的消费决策。2012年，Facebook内部的核心数据科学团队，协同康奈尔大学和加州大学旧金山分校的研究人员做了一项情绪启动实验。实验对大约70万名Facebook用户在不知情的情况下进行测试，研究如果操纵他们的动态消息内容，他们所发布内容的积极性或消极性会否受到影响。当这项研究在2014年被披露时，大众普遍认为这是一种无法令人接受的心理操纵行为。但Facebook辩称用户在同意服务协议时已经默许了类似实验的进行。

微软前首席技术官内森·麦沃尔德也曾在2007年参加卡尼曼的高级讲习课。之后，他转职为卡尼曼的咨询公司TGG集团的一名咨询师。该公司的主席则是前花旗集团CEO克拉姆·潘迪特(Vikram Pandit)。根据官网介绍，这家公司旨在“发掘埋没在大数据中的信息”，“设计选择构架”，以及“减少决策中的噪音”(也就是消除组织中因为矛盾的主观判断造成的不一致)。

尽管官网并没有透露出TGG公司的任何一位客户，但早期的文章依然提及他们对接过德意志银行。在如今的商业和金融世界里，行为科学和大数据共同形成了一件极具威力的工具，而卡尼曼也并未因此感到惭愧或者畏惧。刘易斯的书以卡尼曼起居室里的一通电话的铃声作为结束。那是2002年十月的一个清晨，卡尼曼被告知他和特沃斯基一起完成的工作为他赢来了诺贝尔奖。然而，他们的理论正悄然转变整个社会，而我们也在向政府、企业、媒体等提供大量数据，这样的故事才刚刚开始。

在当前的政治竞选中，相较于传统的周密论证，无意识影响被赋予了更大的权重。

去年11月8日的美国总统大选的结果出人意料，它彻底改变了公众对行为科学的印象——它不再是一个“让世界更美好”的童话，而是一个更黑暗的故事。据顾问贾里德·库什纳（Jared Kushner）所言，特朗普的团队在选举中采取了《点球成金》中的策略——数据分析管理。新闻媒体声称，虽然奥巴马和希拉里的团队都使用了社交媒体、数据分析和细分目标群体的方式进行宣传和推广，但根据《福布斯》杂志的报道，“特朗普团队已经在研究信息个性化、情绪操控以及机器学习了”。[4]这种阴险的操控技术即使看起来尚不成熟，也多少反映了剑桥分析公司（Cambridge Analytica，CA）的得意技术。这家公司是英国战略传播实验室公司（British-based SCL Group）在美国注册的分公司，在美国大选时被特朗普团队雇用于进行这种操控。

特朗普的首席战略师史蒂夫·班农(Steve Bannon)是剑桥分析公司的董事会成员之一，媒体认为该公司同样要为2016年6月进行的英国退欧公投的结果负责。该公司的CEO亚历山大·尼克斯（Alexander Nix）做过一个报告，主题为“大数据和心理统计特征的力量”（Youtube上能找到该视频[5]）。在这个报告中，他介绍了剑桥分析公司如何运用大五人格测试和社交媒体上的数据为每个美国人建立“心理简述”( psychographic profiles)——这些模型能够很好地预测人格特质和行为。然而，剑桥分析公司在应用这项技术前并未经过其开发者科辛斯基和史迪威的准许。尼克斯还表示，经过对人格特质的调查和对社交媒体数据透露的“态度”信息的综合分析，针对每一个潜在投票者，他们拥有了四至五千个数据点。这些数据包括人们的信用卡支付习惯、消费偏好、Facebook点赞偏好以及政治参与度。

尼克斯的报告中有一个有趣的“误差”：他一方面表示共有几十万人参与完成了剑桥分析公司的问卷调查，另一方面又声称拥有每一位美国成年人的大量数据信息。显然，要么这是一场单纯的自我吹嘘，要么他们就欠我们一个如何得到这些数据的惊悚故事了。尼克斯还宣称，他们可以通过跟踪Cookies、电信公司数据以及其他媒体工具得到的数据并结合自己的数据，进行极其精准的目标细分。通过行为科学，他们可以发现那些容易动摇的潜在投票者，然后专门投放针对性的信息。

在描述如何用行为科学说服容易动摇的潜在支持者时，尼克斯还举了一个如何防止游客进入私人沙滩的例子。他说，一种方法是在私人沙滩的外面竖一块能表达态度的信息牌，比如：“公共沙滩到此结束，私人领域禁止进入。”更好的方法则是去寻求一种更有力、更能从对方角度劝说的表达方式，例如在牌子上写着：“警告：内有鲨鱼”。尼克斯认为，被鲨鱼吃掉的威胁会更有效。在剑桥分析公司的研究主力行为动力学研究所（Behavioral Dynamics Institute）制作的视频中，他们也表示，直接引发恐惧或欲望的策略是对行为经济学研究发现的延续。但在说服他人的过程中利用说谎或使用所谓的“半真半假的说法”来影响系统1的思考结果，则不够谨慎。

尼克斯声称，这种“基于行为的微精准投放”就是剑桥分析公司受雇于泰德·克鲁兹竞选总统时所使用的策略。但我们也不要忘了，这个引起广泛讨论的视频本身也是一个营销广告。

事实上，正如萨沙·伊森伯格(Sasha Issenberg)在2012年的著作《竞选胜利之数据分析》（ The Victory Lab: The Secret Science of Winning Campaigns ）里所言，行为科学的技巧、信息的微精准投放以及数据分析早已不是政治竞选上的新鲜事了。行为科学的生意里，精准详尽的心理变数档案非常抢手，尼克斯宣称他们自己就在出售这种档案。CA公司在官网上坚称，他们的策略对特朗普的竞选获胜起了很大作用，不过也有人怀疑特朗普团队到底有没有使用这些技术。还有一些人则质疑这种技术是否真如尼克斯所述一样高效。[6]

我们无法证明诸如剑桥分析这样的公司的宣传是否属实，毕竟我们根本不可能找到对照组，只能从充满“噪音”的环境里获得一些模棱两可的观测数据。然而，这也并不意味着，一旦我们更少依赖那些可以在无意识中操纵我们的网络信息，民主就不再受到威胁。

无论剑桥分析公司所声称的到底是真是假，这种公司的真实存在还是揭露了一些重要信息：在当前的政治竞选中，相较于传统的周密论证，无意识影响被赋予了更大的权重。卡尼曼的TGG集团并没有参与这些政治竞选的生意。但根据伊森伯格的说法，2006年，加州大学洛杉矶分校里的一个名为“行为科学家顾问团“的私人团体开始游说民主党人使用行为科学。这个由心理学家克雷格·福克斯（Craig Fox）带领的团队就包括卡尼曼和塞勒。显然，他们之所以秘密运作，正是为了避免公众质疑他们的动机。如今，行为科学的策略已广为人知，无所不在。“宣传”这个词也已经被“基于行为科学的、一种可量化结果的说服性沟通方式”代替。

包括SCL集团在内的一些公司宣称，他们已经拥有合适的武器，能让他们赢得大规模的意识形态斗争。我们可以在线观看SCL集团主席奈杰尔·奥克斯（Nigel Oakes）的一个视频，他当时正代表SCL集团的子公司SCLDefence向美国国务院进行业务展示。他指出，如果一家面向个人的传统广告主能占领所在市场0.6%的份额，那么它可以被认为是非常成功的。然而，战略传播需要向群体宣传。奥克斯认为，在叙利亚战争中，“仅仅得到0.6%的叙利亚人或者0.6%的基地组织成员的支持是没有意义的……我们必须说服完整的群体。”[7]至于具体操作，出于保密需要，展示中的这部分内容没有对外开放。

尽管SCL集团确实有实战经验，奥克斯的豪言壮语还是令人难以置信。SCL集团的史蒂夫·泰瑟姆（Steve Tatham）曾是英国海军中校，他指挥过多场心理战。其中一次，他和驻阿富汗英军指挥官安德鲁·麦基（Andrew Mackay）并肩作战。他们使用说服技术，来“赢得”某些“已被战火夷为平地”的地区的支持，而这些说服技术脱胎于行为经济学，并“在战场上”得到了提升。[8]

他们用到的许多技术，直接来源于卡尼曼和特沃斯基1995年所著《冲突解决：一个认知视角》（Conflict Resolution: A Cognitive Perspective）。 泰瑟姆和麦基也在他们2011年出版的《行为冲突：为何了解民众及其动机将是解决未来矛盾的关键》（ Behavioral Conflict: Why Understanding People and Their Motivations Will Prove Decisive in Future Conflict）一书中描述了这些行为科学如何被应用于阿富汗战争。例如，他们运用前景理论来推测人们的动机，然后意识到对于当地居民来说，避免进一步损失比获得潜在的收益更为重要。所以，重建阿富汗赫尔曼德省的卡贾基水库虽然有重要的战略意义，但比起平息水库周边的叛乱活动，这一计划就无足轻重了——他们有更要紧的事情要做。又如，卡尼曼和特沃斯基对于“群众的智慧”的见解也被用在了阿富汗“舒拉”（人民立法议会）的决策过程，英军希望把舒拉的决策权交给那些“想法正确，但没有权威”的人。

然而，我们并不能仅仅收集和分析那些成功案例的数据，因为其中的心理因素尚不明确，而反直觉的事情又复杂到无法理解。如果一个政党带着坦克、枪支和无人机去说服群众并且群众内部还有意见分歧，最后人民向占领军妥协了，我们无法简单地判断在人民与占领军的合作中，行为学技术发挥了多大的作用。军队如何能用非暴力手段大规模地影响冲突地区的群体行为，目前还没有科学证据。如果有人说某种方法在任意一个国家都能有效地影响大多数民众，那么这种说法肯定没有经过检验。

尽管如此， SCL集团还是宣称，他们已经掌握了在互联网上和战场上两方面的行为规律，并且SCL集团在最近还和美国国务院签署了一个价值50万美元的合同。此外，据《华盛顿邮报》报道，SCL集团正在与特朗普政府协商，讨论有关帮助五角大楼和其他政府机关打击极端组织的事宜。[9]他们还声称他们的相关服务已经获得了全球各国的邀约。毫无疑问，反过来这也将引起世界各地的竞争。

“自由主义家长制”是这样一种幻想：善良的自由派官员掌握着新兴行为科学的工具。这种幻想显得越来越不切实际了。在日渐动荡和不稳的环境中，我们必须加强对行为科学应用的监管，巩固基础研究，并在决定使用或者对抗某种行为学干预之前，首先搞清楚它背后的政治或经济动机。

–

–

非理性形式的说服手段明显不是什么新鲜事物。但是许多社会心理学家相信卡尼曼和特沃斯基的原创理论深刻地理解了人性，他们指出非理性具有系统性的无意识的来源，正如弗洛伊德对潜意识的观点被前几代心理学家所接纳的一样。正是因为人们相信社会心理学和行为经济学植根于像上面例子一样坚实的基础研究，这些前沿科学才会被广泛应用，目前全世界范围内正在实施的行为学干预数以百万计。

2011年，当卡尼曼的《思考，快与慢》出版时，有人将其比作笛卡尔、达尔文和弗洛伊德的理论创新。但是，一些哲学家早已对卡尼曼所提出的双系统模型抱有疑虑。 1981年，乔纳森·科恩（L. Jonathan Cohen）发表了一篇《人类的非理性能否在实验中被证明》，他在这篇论文中对卡尼曼和特沃斯基的工作提出了多番批评，其中有一个观点让卡尼曼尤为在意，促使他作出回复。那个观点是：我们很难将直觉与其他认知功能分开；我们即使在理性论证时，也终归要依赖直觉。

卡尼曼驳斥了这样一种观点：有些直觉不能被理性评估。卡尼曼的反驳如下：“人们常常会同时诉诸多个直觉，而它们相互矛盾”。[10]如果我们不同的直觉之间产生矛盾，就必然要用理性的思考来解决分歧（反之，假如再次诉诸直觉，只会增加相互矛盾的直觉数量，而不能解决矛盾）。然而，在他对自己立场的持续辩护中，他没能理解科恩和其他哲学家所说的“直觉”是什么，于是他没能反驳“直觉是理性思维的基础”这一观点。

在《思考，快与慢》中，卡尼曼将系统1的直觉式思维描述为快速且自动的，而系统2的推理式思维是缓慢而有意识的。换句话说，他根据现象来界定什么是直觉判断，具体指标是思维产生的速度和轻松程度。以此来界定，直觉判断就是瞬间的判断。然而，当（科恩等）哲学家描述我们对直觉的依赖时，他们所关心的并不是判断本身的现象学，而是用来界定判断的论据是什么结构。

这些哲学家认为，我们在推理论证终点还是不得不依赖直觉，比如在逻辑学基本规律的论证上，也就是矛盾律和基本的推理规则等问题。如果我们对这些原理尚存疑问，我们将无法完全信服它们。我们只能认为这些基本原理不证自明，才能确立它们的正当性。没有它们，我们就不能进行理性思考。既然我们的任何理性思考全都依赖这些基本原理，我们就不能简单地将某种心理机能划归为“直觉的系统”1或“理性的系统2”。

塑造着社会行为、市场和政治的影响力，其来源越来越无形、越来越无迹可寻。

当我们试图将错误归咎于一组特定的系统偏差，或将其归咎于具体且有缺陷的启发法时，就会出现另一个问题。如果有个人说“可能”“或许”，而我们想要指责他对概率判断错误，我们就需要确保他理解的“概率”就是概率论的“概率”。如果我们想要指责一个人运用了错误的启发法，从而做出错误的概率判断，我们首先必须排除他有某种复杂的信念，比如相信运气、命运或者上帝等。

同样，当人们的判断似乎受到无关刺激的影响而产生不合理的偏见时（例如，提醒我们“人终有一死”，我们就更容易产生风险厌恶（也就是启动效应）），我们首先需要排除大量的潜在因素，才能确定这种不合理的偏见确实是系统1的固有缺陷。如果思维方式难以归结为两个不同的系统（即系统1和系统2），那我们就更难在案例分析中把无意识的偏见、固有的信念和有意识思考之间复杂的相互作用归结为一个可辨识的系统误差。

如果这些反对意见成立，那么卡尼曼在《思考，快与慢》一书中引用的许多心理学实验其实都不可重复。事实上，《思考，快与慢》出版的同一年，心理学领域就出现了可重复性危机，以社会心理学领域尤为严重。心理学家乌尔里希·薛穆马克（Ulrich Schimmack）最近提出来了“可重复性指数”，来分析已发表的心理学结论的统计学意义。乌尔里希·薛穆马克和他的合作者莫里茨·赫尼（Moritz Heene）与卡米尼·科萨万（Kamini Kesavan）已经用该指数来衡量《思考，快与慢》里引用的实验和结论，以预测它们的可重复性，并且为每一章评定一个字母等级。虽然卡尼曼和特沃斯基的研究都有很高的评级，但是其他人的研究评级很低。例如，“启动效应”一章的评级为F。[11]而且据《Slate》所报道，目前已被评级的章节，平均评级为C-。[12]卡尼曼对这些看法作出了礼貌的回应，为自己引用了一些样本容量较小的研究表示抱歉。[13]

这似乎对基于“偏见和启发法”的说服方式构成了严重的挑战。心理学家尚未发现人类心智的基本机制，也还没有找到了控制人心的秘诀。由于人类心智并不是一种单一的机制（或者至少我们还远不能证明这一点），而且它的运作方式极为复杂，到目前为止还没有人能理解，所以他们的研究可能永远不会成功。其中一些被他们认定是偏见的现象，其实可以被重新描述得完全不像是非理性的偏见；另一些则有特定的适用范围。关于系统1和系统2的区分的基本假设是无法维持的。

但这并不意味着我们可以忽视从卡尼曼和特沃斯基的工作中所得出的宣传策略。他们提出的许多说服技巧已经有几个世纪的历史，而且这些方法也普遍被政府、宗教和艺术创作者所使用。[14]然而在现在，这些技术不但受到复杂数据分析的检验，也需要配合复杂数据分析来执行。双系统的观点广为流传，让那些技术显得有了合法性，而不再像以前一样让人觉得是强制手段。于是专家、算法和微调方式就能以“集体理性”的形象展现给世人，在市场和政府有组织的引导下，悄无声息地解决个体非理性制造的乱局。

似乎依照这种模式，“自上而下”地使用系统2，能将我们从系统1的缺陷中解脱出来。如果我们不去区分这两种本应相互独立的思维系统，而是将注意力放在一件事物能否通过理性评判的话，这样我们不难发现：通过施加非理性影响而造成的行为改变不仅会比来自理性评价的行为改变更具强制性，而且前者也会侵蚀我们理性且批判性地思考社会生活的能力。塑造着社会行为、市场和政治的影响力，其来源越来越无形、越来越无迹可寻。

相比之下，社会对克服已被心理学家发现的认知偏见的关注度还不够。目前有的只是为实现遏制极端主义的国家安全目标，用一些手段来对抗证实性偏见等心理学效应。[15]在提供公共教育的广泛的社会实践中，行为科学仍然有可能在培养我们社会中每个人的关键能力中发挥作用。但是，有更多的势力想要利用而非消除人们的非理性，并且各方势力争相利用人们的非理性，竞争激烈，恐怕已经混乱到难以控制。刘易斯通过《抽丝剥茧》讲述了这么一段往事：一对好友满怀希望，志在清除那些已经过时的假设。然而，卡尼曼和特沃斯基自身的思想却漏了出去，不再是他们二人之间的事情——不知将来那些思想又有多少需要被否定呢。

1. Babetski writes: “A target’s biases put the ‘plausible’ in plausible deniability during covert actions. Effective deceptions also fundamentally rely on a target’s unchallenged biases and so make it easy for the target to believe what they already are predisposed to believe. Effective fabricators, especially those with tantalizing access, rely on our biased desire to believe them.” Frank S. Babetski, “Intelligence in Public Literature: Thinking, Fast and Slow,” Studies in Intelligence, Vol. 56, No. 2 (June 2012).
2. The World Well-Being Project’s website states: “Ultimately, we hope that our insights and analyses will help individuals, organizations, and governments choose actions and policies that are not just in the best economic interest of the people or companies, but which truly improve their well-being.”
3. On Kahneman: A Reality Club Discussion on the Work of Daniel Kahneman
4. See Steven Bertoni, “Exclusive Interview: How Jared Kushner Won Trump the White House,” Forbes, December 20, 2016.
5. The Power of Big Data and Psychographics
6. Aleksandr Spectre, of the Cambridge University Psychology Department, worked with SCL Group (and has been involved in a dispute with Kosinski about whether he sold SCL Group Kosinski’s data). He claims that psychographic profiles are in fact too inaccurate to be useful at the individual level, but says that the kind of predicted data yielded by these methods is reliable in the aggregate, that “if you average all the scores for California, say, you get a pretty good estimate of California.” This is because the prediction is unbiased: “You are equally likely to under predict as to over predict.”
7. Nigel Oakes Lecture at CSCC, Department of State
8. Nudgestock 2 – Steve Tatham: Behavioural Conflict
9. Matea Gold and Frances Stead Sellers, “After Working for Trump’s Campaign, British Data Firm Eyes New US Government Contracts,” The Washington Post, February 17, 2017.
10. Response to Cohen, The Behavioral and Brain Sciences (1981), No. 4, pp. 339–340.
11. Ulrich Schimmack, Moritz Heene, and Kamini Kesavan, “Reconstruction of a Train Wreck: How Priming Research Went Off the Rails,” Replicability-Index, February 7, 2017.
12. Daniel Engber, “The Irony Effect,” Slate, December 21, 2016.
13. Kahneman’s response can be found in the comments section of Schimmack, Heene, and Kesavan’s article at the link just cited.
14. David Halpern, who directs the UK’s Behavioural Insights Team, and wrote Inside the Nudge Unit (2015), credits Frederick the Great with being a pioneer in these forms of manipulation. The advertising industry, as described in Vance Packard’s The Hidden Persuaders (1957), and the self-help industry, exemplified by books such as Dale Carnegie’s classic, How to Win Friends and Influence People (1936), have used many of the techniques now embraced by behavioral economists.
15. See Scott O. Lilienfeld, Rachel Ammirati, and Kristin Landfield, “Giving Debiasing Away: Can Psychological Research on Correcting Cognitive Errors Promote Human Welfare?,” Perspectives on Psychological Science, Vol. 4, No. 4 (July 2009).

翻译：ZDFFF、阿粟、吴逊

校对：ZDFFF、孙闰松

审校：关嘉伟

编辑：EON