据传，被一个苹果砸在头上之后，艾萨克·牛顿发现了他的第二定律——那个关于万有引力的定律。经过大量实验和数据分析，他意识到力、质量和加速度之间存在着根本性的关系。因此，他提出了一个理论来描述这种关系，即F=ma公式，并且可以用其来预测苹果之外的其它物体的行为。事实证明，他的理论是正确的（至少对于我们这些后人来说已经足够精确）。

牛顿的这种提出理论的方式和当今科学的发展方式截然不同。Facebook的机器学习工具能够比任何心理学家都更准确地预测你的偏好^[1]；DeepMind所开发的程序AlphaFold能够根据蛋白质所含的氨基酸，对蛋白质结构进行截至目前为止最准确的预测^[2]。然而，这两个系统都对它们的工作原理缄默不言，它们无法告诉我们：为什么你更喜欢这个或那个信息；为什么这个序列会生成那样的结构。

你无法掀开幕布来窥视其中的机制。这些系统没有提供任何解释，无法提供一套能说明如何将这个变成那个的规则。简而言之，它们没有理论支持。它们能工作，并且做得很好，如此而已。我们每天都在见证Facebook的预测程序对社会的影响。AlphaFold的影响虽然尚未显现，但许多人相信它将改变现代医学^[3]*。

在牛顿到马克·扎克伯格之间的某处，理论退居了二线。在2008年时，时任《连线》杂志（Wired magazine）的主编克里斯·安德森（Chris Anderson）就预言了它的消亡^[4]**。他认为，我们已经积累了如此多的数据，并且相比于人类，计算机发现数据间关系的能力已经强得多，这就暴露出：我们所提出的理论不过是对现实的过度简化。古老的科学研究方法——假设、预测、检验——很快将被扔进历史的垃圾箱。我们将不再寻找事物的原因，而是满足于其中的相关性。

事后看来，我们可以说安德森所看到的是真实的（他并不是唯一一个这样认为的人）。大量数据向我们展示出的这种复杂性无法被传统意义上的理论所阐述。德国图宾根马克斯普朗克（Max Planck Institute）生物控制论研究所所长、计算神经科学家彼得·达扬（Peter Dayan）说：“我们的能力已经滞后了，无法写出那些会有助于描述的理论，甚至不知道它们会是什么样。”

*译者注：* https://www.science.org/doi/10.1126/science.abn5795 《科学》杂志的总编辑霍尔顿·索普在《蛋白质，无处不在的蛋白质》一文中写道：“这是一个重大的突破，其原因有二：它解决了这个在待办事项清单上待了50年的科学问题。就像费马大定理或引力波一样，科学家们一直在努力解决它。其次，这个技术很大程度上改变了这个领域，就像基因编辑工具CRISPR和冷冻电镜技术一样，将会极大地加速科学发现。无论如何，这都是一个双重意义上的重要年度突破。”** https://www.wired.com/2008/06/pb-theory/ 克里斯·安德森在《理论的终结》一文中指出：“（随着人们从百字节到千字节，再到兆字节甚至太字节，）大量数据的诞生，以及处理这些数字的统计工具，为我们提供了一种了解世界的全新方式。相关性取代了因果性，即使没有连贯的模型、统一的理论或任何机械解释，科学也能取得进步。没有理由坚持我们的旧方式了。是时候问一问：科学可以从谷歌那里学到什么？”

– Björn Öberg –

理论拒绝消亡的三个原因

但安德森对理论终结的预测似乎为时过早——或者他的论文本身可能过于简单化了。尽管Facebook^[5]和AlphaFold这样的无理论（theory-free）预测引擎取得了成功，但理论拒绝消亡的原因仍有很多。这些成功启发了我们去追问：获取知识的最佳方式是什么？科学从何而来？

理论拒绝消亡的第一个原因是，我们已经意识到，人工智能，尤其是被称为神经网络的机器学习方法，由于它们无需接受任何的学习指导只是从数据中完成学习，本身是容易出错的。例如，谷歌搜索引擎^[6]和亚马逊^[7]招聘工具会记录下偏见*。

第二个理由是，人类对没有理论的科学深感不安。我们不喜欢处理黑匣子——我们想知道为什么。

第三个理由是，目前可能仍然有很多传统类型的理论——即人类可以理解的理论——可以有效地解释很多尚未被发现的现象。

*译者注：《卫报》在2016年的一篇名为《谷歌如何以右翼偏见传递虚假信息》中指出：“谷歌的搜索算法及其自动完成功能优先考虑那些宣称气候变化是骗局、同性恋是罪恶、桑迪胡克大规模枪击事件从未发生过的网站。”《路透社》在2018年的名为《亚马逊废弃了对女性有偏见的秘密人工智能招聘工具》中提到：由于该智能招聘工具是从近10年提交给公司的简历中来学习，而男性在科技领域中占有主导地位，因此它在评估时自动地对“女性”这个词语进行了惩罚。

– Bernstein & Andriulli –

更准确的预测

所以，理论还没有灭亡，但它正在改变——或许已经面目全非。普林斯顿大学心理学家汤姆·格里菲斯（Tom Griffiths）说：“那些当你拥有大量数据时讲得通的理论，与那些在少量数据下有道理的理论，看起来是完全不同的。”

格里菲斯一直在使用神经网络来帮助改进他所在的领域，即人类决策领域的现有理论。在1970年代，经济学家丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）提出了一种目前十分流行的前景理论（prospective theory，后来为卡尼曼赢得了一座诺贝尔奖），它解释了人们在涉及经济风险时如何做出决策，其核心观点是人们的决策并非总是理性的。

然而，在去年6月的《科学》杂志上^[8]，格里菲斯的小组描述了他们在一个庞大的决策数据集上训练神经网络的过程，该数据集包含人们在一万个风险选择场景中做出的决策。他们用该网络来预测人们的进一步决策行为，并与前景理论的预测做了比较。他们发现，虽然前景理论预测得很好，但神经网络在该理论失败（即预测失败）之处，显示出了它的价值。

格里菲斯说，这些反例信息量很大，因为它们揭示了现实生活中存在的更多复杂性。例如，正如前景理论所描述的那样，人们会不断地根据传入的信息权衡其概率。但是，当大脑要计算的相互竞争的概率太多的时候，他们可能会转向不同的策略——例如，以经验法则为指导——股票经纪人的经验法则可能与青少年比特币交易员的经验法则不同，因为它们来自不同的经验^[9]。

“简单地说，我们是在使用机器学习系统，来识别那些我们看到的东西与我们的理论不一致的情况。”格里菲斯说。数据集越大，人工智能所学习到不一致情况就越多。其最终结果不是传统意义上的理论，即关于人们如何做出决定的精确主张，而是一组受某些约束的主张。描述它的一种方式是“如果……则……”这样的分叉树。这很难用数学来描述，更不用说用语言描述了。

普林斯顿心理学家的发现仍然勉强能算作可解释的，是现有前景理论的扩展。但随着它们揭示出越来越多的复杂性，它们会变得越来越不可解释——其发展过程的逻辑顶点就是Facebook或AlphaFold所体现的无理论预测引擎。

一些科学家对此感到满意，甚至渴望这样做。语音识别软件先驱弗雷德里克·耶利内克（Frederick Jelinek）说：“每次我解雇一名语言学家时，语音识别器的性能就会提高。”他的意思是理论阻碍了进步——而那时不过是20世纪80年代。

或者以蛋白质结构为例。蛋白质的功能很大程度上取决于其结构，因此，如果想要设计一种药物来阻断或增强某种蛋白质的作用，则需要了解它的结构。AlphaFold在实验结构数据上进行了训练（数据是通过X射线晶体学等技术推导出来的）。目前，它的预测对于有实验数据的蛋白质而言比没有实验数据的蛋白质更可靠。剑桥附近的EMBL欧洲生物信息学研究所（EMBL-EBI）前主任珍妮·特桑顿（Janet Thornton）说，它的可靠性还一直在提高，缺乏理论并不会阻止药物设计师使用它。“AlphaFold所做的也是一种科学发现，它只会加深我们对生命和治疗的理解。”

然而其他人显然对科学的发展方向不太满意。例如，批评者指出，神经网络可能会产生虚假的相关性，尤其是在它们训练的数据集很小的情况下。所有数据集都是有偏见的，因为科学家们收集数据的方式并不是均匀或中立的，而是始终基于某些假设或假定的。这些假设对谷歌和亚马逊的人工智能造成了破坏性影响。正如埃克塞特大学的科学哲学家萨碧娜·莱奥内利（Sabina Leonelli）所描述的：“我们使用的数据环境非常扭曲。”

虽然这些问题确实存在，但达扬并不认为它们是不可克服的。他指出，人类也会产生偏见，并且与人工智能的偏见截然不同。“人类偏见以既难被发现，也难被纠正的方式存在。”实际上，如果一个理论产生的预测不如人工智能可靠，那么很难说机器是两者中更为偏颇的那一个。– Ileana Soon –

可解释性

新的科学面临的一个更艰难的障碍可能是我们人类解释世界的需要——即能够用因果关系来描述它。在2019年，西雅图华盛顿大学的神经科学家宾尼·布鲁顿（Bingni Brunton）和迈克尔·贝耶勒（Michael Beyeler）写道^[10]，这种对可解释性的需求，可能阻碍了科学家们对大脑产生新的洞见——只能从大型数据集中涌现的洞见。但他们也对此表示体谅。他们写道，如果要将这些洞见转化为药物和设备等有用的东西，“这些计算模型所输出的洞见必须能够向临床医生、终端用户以及行业解释，并得到这些群体的信任。”

如今，“可解释的人工智能”（Explainable AI）已成为热门话题，它旨在弥补可解释性的鸿沟。然而，这一鸿沟或许只会越来越大，我们可能会面临权衡取舍：我们愿意为可解释性放弃多少可预测性？

AI科学家苏米特·曹帕拉（Sumit Chopra）在纽约大学研究如何将机器学习应用于医疗保健中。他给出了一个磁共振（MRI）图像的例子。要生成这样的图像通常需要大量原始数据，因此也需要较长的扫描时间。但如果你的目的只是准确地进行检测，例如检测癌症，这样的图像其实是没必要的。你可以通过训练一个AI，来确定只需要原始数据中的哪一小部分就足以产生准确的诊断。这种方法已经得到了验证，而曹帕拉的团队也已经这样做了^[11]*。然而放射科医师和患者显然依旧更相信图像本身，“我们人类对自己靠眼睛就可以理解的二维图像更感到舒服。”

*译者注：该团队在2021神经信息处理系统大会(NeurIPS)发表了《通过学习以加速核磁共振筛查》（Learning to Learning to Accelerate MR Screenings）论文，提出了一种直接从扫描仪采集的原始测量值推断临床相关变量的方法AcceleRated MRScreener（ARMS），在数据采集过程中实现20倍的加速，从而使该技术更便于临床筛查。

– Vasava Studio –

通则与直觉

对后理论科学的最后一个反对意见是，可能存在着有用的旧式理论——即从离散例子中提取出的通则——仍然有待发现，并且只有人类才能做到这一点，因为它需要我们的直觉。换句话说，它需要一种通过直觉将一些个例的属性归结为相关的一般规则的能力。我们认为牛顿是天才的原因之一在于，为了提出他的第二定律，他必须忽略一些数据。他必须想象物体不受空气阻力的干扰的情况，即在真空中下落。

上个月，在《自然》杂志上，德国波鸿鲁尔大学（Ruhr University Bochum）的数学家克里斯蒂安·斯顿普（Christian Stump）将这一直觉步骤称为“创作过程的核心”^[12]。然而，他写这篇文章的目的则是表明，人工智能首次完成了这一过程。DeepMind建立了一个机器学习程序，该程序促使数学家在纽结理论（knots）中得获得新的洞见——新的通则。

结语

在2022年，科学过程的每一个阶段几乎都留下了人工智能的足迹。我们越将它纳入我们对知识的追求，它就越会改变这种追求。我们必须学会和它共处，但我们可以向自己保证的一件事是：我们仍然在提出问题。正如巴勃罗·毕加索在20世纪60年代所说，“计算机是无用的。他们只能给你答案。”

参考文献

1.https://www.theguardian.com/books/2021/nov/29/the-big-idea-should-we-worry-about-artificial-intelligence

2.https://www.theguardian.com/technology/2021/jul/22/ai-firm-deepmind-puts-database-building-blocks-life-human-protein-structure-free-online

3.https://www.science.org/doi/10.1126/science.abn5795

4.https://www.wired.com/2008/06/pb-theory/

5.https://www.theguardian.com/technology/facebook

6.https://www.theguardian.com/technology/2016/dec/16/google-autocomplete-rightwing-bias-algorithm-political-propaganda

7.https://www.reuters.com/article/us-amazon-com-jobs-automation-insight-idUSKCN1MK08G

8.https://www.science.org/doi/10.1126/science.abe2629

9.https://www.theguardian.com/technology/bitcoin

10.https://www.sciencedirect.com/science/article/pii/S0959438818302502

11.https://neurips.cc/Conferences/2021/ScheduleMultitrack?event=36833

12.https://www.nature.com/articles/d41586-021-03512-4

作者：Laura Spinney | 翻译：Lu

校对：Sixin | 编辑：杨银烛

封面：Ileana Soon | 排版：光影

原文：

在许多科学家看来，人工智能并没有达到其支持者的宣传效果：安全的无人驾驶汽车现在还没有出现，在短时间内也不会出现；机器人不会承担我们所有的家务劳动，让我们腾出更多的时间玩乐。不过，往好处想，机器人也不会像电影中那样接管世界，把人类变成奴隶。

尽管如此，人们确实有理由担心人工智能已经产生的影响。加里·马库斯（Gary Marcus）和欧内斯特·戴维斯（Ernest Davis）在他们的书《重启AI：建立我们可以信任的人工智能》（Rebooting AI：Building Artificial Intelligence We Can Trust）中写道：“我们现在拥有的人工智能根本无法信任。”在他们看来，我们越是过早地把权力交给目前的机器系统，我们就越应该担心。他们写道：“有的问题不严重，比如Alexa*随机傻笑（或者在半夜把你吵醒），或者iPhone把本来是‘生日快乐，亲爱的西奥多’（Happy Birthday，dear Theodore）自动改成‘生日快乐，死去的西奥多’（Happy Birthday，dead Theodore）。但其它的问题 ，例如宣传假新闻或者歧视求职者，可能就很严重了。”

*译者注：Alexa是亚马逊公司开发的人工智能语音助手。

马库斯和戴维斯引用了AI Now研究所的一份报告。这份报告详细介绍了人工智能在许多不同领域的问题，比如医疗补助资格的确定、对监禁的判决和对教师的评估：

华尔街的闪电崩盘导致股市暂时下跌，而令人恐惧的侵犯隐私现象也开始出现（比如有一次，Alexa录制了一段对话，并无意中将其发送到了用户联系人名单上的一个随机人员）；还有多起车祸发生，其中有些造成了死亡。人工智能驱动的电网出现重大故障并不会让人惊讶，但如果此事发生在炎热的夏天或者死寂的冬天，就可能会造成很多人死亡。

计算机科学家杰伦·拉尼尔（Jaron Lanier）曾在谷歌工作过，他列举了人工智能的黑暗面，并将其归咎于人工智能已经被脸书和谷歌等社交媒体巨头利用。在他看来，这些社交媒体促进了用户之间的派系主义和分裂，这一点鲜明地体现在2016年和2020年的选举中。当时，俄罗斯黑客创建了虚假的社交媒体账户，将美国选民推向唐纳德·特朗普。拉尼尔在他的书《立刻删除社交媒体账户的十个理由》（Ten Arguments for Deleting Your Social Media Accounts Right Now）里面写道，人工智能驱动的社交媒体，天生就是为了霸占用户的注意力，侵犯他们的隐私，用没有经过事实核查或审查的内容来淹没他们。事实上，他总结道，这些媒体的目的是“将人们变成白痴”。

弗兰克·帕斯夸莱（Frank Pasquale）是布鲁克林学院法学教授和《天下》（Commonweal）杂志撰稿人，发表过著作《黑匣子社会：控制金钱与信息的秘密算法》（The Black Box Society: The Secret Algorithms That Control Money and Information）。他在书中指出：个人隐私的丧失也令人忧心。当强大的企业、金融机构和政府机构将他们的行为隐藏在保密协议、“专有方法”和禁言规则的背后时，普通消费者的生活对他们来说却越来越一目了然。“我们在网上所做的一切都被记录了下来。”帕斯夸莱写到：

仅剩的问题是：这些数据将提供给谁？将保留多长时间？匿名软件也许能暂时保护我们，但谁知道，试图隐藏的行为本身，是否会成为充满警惕的当局的眼中钉呢？监控摄像头、数据代理、传感器网络和“超级缓存”（supercookies）记录了我们开车的速度、吃的药、读的书和访问的网站。法律在商业领域积极地保护秘密，却在涉及个人隐私时越来越沉默。

同时，拉尼尔指出，这些大型科技公司正在公开进行着异常奢侈的人工智能“竞赛”，并往往给其最大的优先级。拉尼尔认为，这种竞赛是疯狂的。“我们忘记了，人工智能不过是一个编造的故事，在我们计算机科学家依赖政府机构拨款的时候，这个故事帮助我们获得资金。它不过是一种实用主义的把戏。而现在，人工智能已经成了一个不受控制的庞然大物。”

在马库斯和戴维斯看来，整个领域需要重新集中精力，让人工智能对常识更敏感。而要做到这一点，我们就需要对“如何为机器编程”进行彻底的反思。

“反事实”会形成意识吗？

“设想自己的意图，然后将其作为因果推理的证据，这已经达到了拥有自我觉知（self-awarness）乃至意识（consciousness）的水平。而我所知道的任何机器都没有达到这一水平。”朱迪亚·珀尔（Judea Pearl）写道。他是一位重要的人工智能支持者，整个职业生涯都在研究机器智能。“我希望能够把将机器引向诱惑，然后让它说‘不’。”在珀尔看来，目前的计算机并不真正构成人工智能，它们只是构成了（可能的）真正的人工智能的基础。拥有一个使你的生活更加容易的应用程序，与拥有一台能够像另一个人一样推理与回应我们的机器，是完全不同的。

珀尔与丹娜·麦肯锡（Dana McKenzie）合著了《为什么：关于因果关系的新科学》（Book of Why：The New Science of Cause and Effect）。在书中，他阐述了要制造能够独立思考的机器而需要应对的挑战。目前的人工智能系统能够比任何人类更快地扫描成片的数据，找出其中的规律和模式。它们可以学会击败国际象棋冠军和围棋冠军。根据《科学》（Science）杂志中的一篇文章，现在甚至有台计算机可以在多人扑克游戏中击败人类。然而，这些都是狭义的任务，不需要珀尔所说的“为自己思考”。在他看来，使用数据的机器还没学会如何“摆弄”数据。要为自己思考，他们需要学会利用数据来回答因果问题。更为关键的是，它们需要学会提出反事实的问题，即，如何以不同的方式使用同样的数据。简单来说，他们必须学会问对每个三岁小孩来说都很自然的问题：“为什么？”

“对我来说，强大的人工智能应该是一个能够反思自己的行为，并从过去的错误中学习的机器。它应该能够理解‘早知今日，我当初就该以不同的方式行事’这一说法，无论这一结论是被人类告知还是自己得出的。”珀尔围绕他所谓的的三级“因果关系阶梯”建立了他的方法。人类则站在这个阶梯的顶峰，是唯一能够以真正的因果关系进行思考、能够提出反事实问题（“如果……会发生什么？”）的物种。

但随之而来的问题是：这样的人工智能会像我们一样有意识吗？或者，它只是一种更先进的“智能”机器，纯粹为人类服务而存在？我们有理由持怀疑态度。哲学家大卫·查尔莫斯（David Chalmers）在2019年接受《纽约时报》采访时告诉普拉桑特·拉马克里希纳（Prashanth Ramakrishna），智能并不一定意味着主观意识。

智能是关于一些系统的行为能力的：它们能做什么？在给定输入的情况下，它们能产生什么输出。谈到智力，核心问题是，给定一些问题和目标，你能使用正确的手段达到目的吗？如果你能，这种能力就是智力的标志。而意识，则更多是关于主观经验的。你我都有智能，但我们也有主观性；它就像某种内在的东西。这种主观性——意识——赋予我们的生活意义，也赋予我们人类道德地位。

在查尔莫斯看来，试图证明机器拥有意识并不容易。“也许一个人工智能系统，向我描述它自己的心灵状态‘我正经历着痛苦、欢乐或悲伤’，可以证明它‘有意识’。但也许最重要的是’它’对自己的精神状态感到的一些困惑：‘客观上，我知道我只是一个硅电路的集合体，但主观上，我却远不止于此。’”

珀尔并未直接解决这个关于意识的哲学问题。他似乎假设了：如果人工智能强大到能进行因果思考，就没有理由不相信它有查尔莫斯所承认的意识。然而，这种看法，许多哲学家与神学家，以及许多人工智能科学家都不同意。计算机科学家欧内斯特·戴维斯（Ernest Davis）在邮件里告诉我，意识不会自发地，或者以涌现的方式出现：

人类是有可能朝着这个方向制造系统的。但我要说，那是不明智的，不是因为它们会有恶意或者太强大，而是因为它们会变得很难预测……电影《机械姬》（Ex Machina）里的“邪恶机器为了摆脱禁锢杀掉其创造者”的场景是非常不可能出现的，除非你特意把机器设计成那样（这同样超过了目前的技术）。

在戴维斯看来，若试图制造有意识的系统，更有可能出现的，是一个行为诡异而无意义，因此时不时随机破坏的人工智能。当前，人工智能程序只是工具，而好的工具是那些我们能对其有信心的工具。

珀尔工作的诱人之处在于，他一直强调的、用来实现强人工智能的因果思维，可能悄悄地暗示了我们人类自己的意识是如何演化而来的。作为在以色列长大的犹太教徒，珀尔认为，在演化的某个时候，人类意识到世界不仅有事实（数据），还有因果关系网络。这些因果关系，而非事实，才是人类知识的主要组成部分。最后，在珀尔看来，从原始数据的肉身处理者转换到解释的建构者，这个过程不是渐变的，而是需要某种飞跃。

在珀尔看来，《创世纪》（Book of Genesis）中亚当与夏娃受惩罚的故事，代表了我们独特的因果思维能力的涌现。“我们知道，《创世纪》的作者努力回答的是他那个时代的哲学问题。同理，我们觉得这个故事承载了‘智人获得对这个星球统治权’的文化足迹。那么，这个快速超级进化的过程的步骤是什么？”珀尔认为，步骤就是在因果关系阶梯上的快速爬升，从观察，到干预，再到因果思维。

圣经可能会告诉我们一些关于“珀尔阶梯”的顶层（提出反事实问题的需要和能力）的信息。亚当与夏娃故事的悲剧性正体现在它是一个伟大的反事实问题，正如基督教关于堕落和原罪的教义中阐释的那样：如果亚当和夏娃没有犯罪，我们的境况会有多大的改善？如果堕落没有发生，世界会是什么样子？这个问题困扰着许多神父和后来的神学家，包括托马斯·阿奎那。

我们知道动物会为家庭成员的死亡悲伤和失落，也知道它们会经历拒斥（我们观察到，一只雌性黑猩猩在她的孩子死亡后，将尸体背在背上好几天，仿佛它还没有死；一只虎鲸也为她死去的幼鲸做同样的事情）。但我们并没有证据表明它们会思考“事情本可以有所不同”。只有人类才有自我意识，能问自己“如果我们当初走的是那条路而不是这一条，是不是就能避免悲剧了？”珀尔认为，总有一天我们能够制造出具有自我意识的机器，能够进行反思，能够后悔——虽然他认为这不会很快。

信息演化会形成意识吗？

然而，并不是每个人都相信一个能够进行推理的强人工智能就一定会有我们所认为的“意识”。人工智能专家、《人造的你》（Artificial You）的作者苏珊·施耐德（Susan Schneider）与大卫·查尔莫斯一样，对智能行为与大脑产生的那种意识进行了区分。施耐德拥有罗格斯大学（Rutgers）的哲学博士学位，曾是普林斯顿大学神学研究中心的研究员。她现在在佛罗里达大西洋大学，管理着心智未来中心（Center for the Future of the Mind），而且正在与同事一起建立一个机器人实验室。

她通过电话告诉我：“我认为我们需要区分意识和智能。原则上，我们可以创造出没有意识的高智能机器。想想人的大脑，它大部分的活动都是无意识的计算。所以我们知道，复杂的心理处理可以在没有意识的情况下发生。而且，从人工智能的发展中，我们还可以看到，机器学习有着令人印象深刻的发展——它正朝着更普遍的智能形式发展。而这些算法并不完全与大脑所做的事情相同。”施耐德以计算机围棋冠军为例：“那个算法用与我们不同的方式来下围棋。所以我完全不会假设机器有意识。我们需要对这种区别保持敏感。”

施耐德说，到目前为止，我们尚无对智能和意识间的区别十分敏感的需求，“因为，在生物领域，只要你看到了智能，你就看到了意识。”但随着人工智能的兴起，我们必须清楚地保持这种区分：计算机有智能行为的事实，并不证明它能够有主观经验。人工智能行业经常提供“可爱的人工智能”——像猫、像狗或者像我们的机器人，来掩盖计算机和大脑工作原理之间的基本区别。当一个机器人有一张脸——当它能微笑并且看着我们的眼睛——我们就更容易想象它有着和我们一样的经历。但这是一种投射，而不是从机器人的实际行为中做出的合理推断。就“机器能否拥有真正意义上的意识”这个问题，施耐德告诉我，她采取观望态度。

英国作家苏珊·布莱克摩尔（Susan Blackmore）毫不怀疑机器可以有意识；事实上，她相信它们至少在某种程度上已经有意识了。布莱克摩尔在年轻时有过灵魂出窍的经历（out-of-body experience, OBE）。以研究和试图理解这段经历为契机，她开始了她心理学和意识研究的职业生涯。在最近出版的《看到我自己：灵魂出窍的经历告诉我们关于生命、死亡和心灵的事情》（Seeing Myself: What Out-of-Body Experiences Tell Us About Life, Death and the Mind）的书中，她详细描述了这段经历。

多年来，她回顾了其他曾灵魂出窍的人的经历，以及对这种现象的科学调查，从中得出结论：并不存在“死后心灵仍能存在”的可靠证据。她开始相信，我们传统上认为的意识，不过是一种幻觉。这不是说意识并非真实存在，而是说它不是一个独立存在的非物质实体（substance）或本质（essence）。意识的存在并不意味着非物质灵魂的存在。布莱克摩尔认为，如果是这样的话，就没有理由不相信机器也可以有意识。

“我认为我们有理由期待强人工智能。”布莱克摩尔在我们通过Skype交谈时告诉我。但她对于强人工智能的看法以及它可能的发展形式与珀尔的想法非常不同。在布莱克摩尔看来，人们过于相信“人工智能完全是由人类制造的这个理念。大多数人似乎只关注‘我们先制造人工智能，然后将其放入某种机器’这个想法上。好吧，也许真的会这样，但也许不会。我真正感兴趣的是已经在主动演化，为了自己的利益而演化的人工智能。”

布莱克摩尔是“模因理论”（meme）的支持者——这套理论认为，人类的概念、行为、文化现象和宗教仪式随着时间的推移在人类社会中生存、传播和演变，其方式与达尔文演化论中的基因相同。像基因（gene）一样，它们通过简单的复制、变异和选择过程获得成功。按照布莱克摩尔的说法，我们可以看到，机器现在正在它们自己的世界里分享模因。事实上，她认为人工智能记忆——或者她所说的 “极因”（tremes）——是生命史上的第三个复制者：基因随着生物演化首先出现，接着是模因随着人类文化的爆炸而出现，现在，随着人工智能的出现，第三个伟大的复制者出现了。

她说：“‘极因’将包括互联网上的模因，也包括所有在我们不知情的情况下被处理的信息。我的意思是，互联网上的模因是介于基因与“极因”之间的，因为在选择和篡改模因的是我们自己。”但是对于‘极因’来说，大部分的复制是机器自己完成的。“你需要三个过程：复制、变异和选择。这就是基本的达尔文主义。所以我脑海里的问题是：这三件事中有多少是在没有人类干预的情况下已经完成的？”

复制是相当明显的：“所有东西在短时间内被复制到所有的云端，比如这个聊天记录的副本就将持续一段时间。我们的电子邮件也有很多份。”然后是变异。布莱克摩尔声称，现在的变异都由机器完成，几乎没有人的监督或者监测。“想想自动撰写的学生小论文，想想人造的新闻。现在已经有大量这样的程序与算法，能撰写报纸文章，和真人写的没什么区别。”最后是选择。而选择也是由机器完成的（想想谷歌）。“搜索引擎收到某个特定的人的查询，可以选择要为ta提供什么内容。”

布莱克摩尔认为，如果这一切正在发生，“这件事确实和产生人类智能的过程很像，都是一大堆不同的算法（或者更笼统地说，一大堆过程），相互作用，相互喂养，通过演化，变得越来越复杂，越来越紧密联系。在我看来，这就是人工智能出现的方式。”

布莱克摩尔认为，在某些时候，这个过程将演变出强大的人工智能——不需要我们的帮助。她认为，那时候，机器的意识可以与人类的意识相媲美。“尽管意识在很多方面都非常神秘（虽然我觉得它现在没那么神秘了），但在我看来，毫无疑问，意识是在我们社会交流的过程中，通过演化产生的，就像演化产生了我们所拥有的的大脑与身体一样。人类必须要有大脑、身体和他人，才能获得意识。机器也在这样做。而且它们正在演化，这是另一个层次的演化。” 布莱克摩尔的立场表明，生物学和技术之间没有不可渗透的界限：两者都受制于相同的基本自然规律。

复杂的信息整合能形成意识吗？

马克·弗农（Mark Vernon）是《基督教的秘密历史》（A Seccret History）一书的作者，是训练有素的心理学家，也是圣公会的神学家。他不相信人工智能可以在任何意义上拥有意识。正如他通过电子邮件告诉我的那样：

也许我们需要先问这样一个问题：什么是“活着”？从亚里士多德（Aristotle）到阿奎那（Aquinas）的经典答案是：“活着”的事物有一个来自内部的运动（运动指的是任何形式的活动）原则。因此，植物有一个内在的运动原则，亚里士多德称之为“植物的灵魂”；动物有另一个原则，即“动物的灵魂”，因为动物的运动中也有自发的因素；而人类（还有一些高等动物）又有另一个原则，因为我们可以在我们的运动原则中加入理性、自我意识等。它们的集合可以被称为人类的灵魂，作为身体内部的运动准则。

弗农认为，人工智能不可能自移动（self-moving）。他说：“有机体的自移动是整个生物体所做的事情。这意味着，整个有机体是先于构成有机体的部件和‘程序’存在的。”这就是为什么你不能用零件来制造一个活的有机体（尽管你能够做到更换活的有机体的某些部件）。一个有机体的部分总是作为整体的一部分存在，而不是因自己的自主特性而存在。

人类的意识依赖于演化而来的身体。如果我们想创造出与我们一样有意识的人工智能，我们是否应该以类似演化论建构我们的方式来建构它？施耐德告诉我，实际上，她在心智未来中心的新实验室正在研究这种方法，将其作为长期项目之一。西雅图艾伦脑科学研究所（Allen Institute for Brain Science）的首席神经科学家克里斯多夫·科赫（Christof Koch）也很欣赏这种亚里士多德式的具身（embodiment）方法。他对人工智能系统能够并且终将成为有意识的系统非常有信心，这种信心基于一套可量化的整合信息理论（Integrated Information Theory，IIT），该理论是由神经科学家与精神病学家朱利奥·托诺尼（Giulio Tononi）首先提出的，借鉴了亚里士多德“形式因”（formal causality）的概念。

但在科赫看来，意识可能不需要与任何特定的物质基质（material substrate）挂钩：“大脑”可以是基于生物的，也可以是基于硅的。意识的涌现依赖于这样一个系统：该系统各部分之间的因果互动达到了一定程度（其程度可被量化，在此用希腊字母Φ表示），并且根据定义是不可还原的。科赫认为，这一理论提供了一种方法，来解释“为什么某些类型的高度组织化的物质，特别是大脑，可以有意识。整合信息理论……从两个基本的公理出发，解释了世界现象性（phenomenal）的一面。它不只是单纯的哲学揣测，而且能带来具体的神经生物学洞见，能构建出对意识的度量（meter）。这个度量可以评估动物、婴儿、睡眠者、病人和其他不能谈论其经验的人的有意识程度”。

科赫在他最近的书《生命本身的感觉：为什么意识广泛存在但无法计算》（The Feeling of Life Itself：Why Consciousness Is Widespread But Can’t Be Computed）中阐述了这一观点。他在书中写道，整合信息理论是一种对亚里士多德形式因的使用。信息（information）一词来自拉丁语informare，即“赋予形式或形状”。“整合信息导致了因果结构的产生，因果结构是一种形式。整合信息是因果的、内在的和定性的：它从一个系统的内在角度进行评估，评估的标准是基于它的机制与当下状态如何塑造自己的过去和未来。系统如何制约其过去和未来的状态，决定了体验到的感觉是蓝天的颜色还是湿狗的气味。”

马克思·泰格马克（Max Tegmark）也是整合信息理论的倡导者。在他的书《生命3.0》（Life 3.0）中，他写道：

几十年来，我一直认为，意识是信息以某些复杂的方式被处理时的感觉。IIT同意这一点，并且用一个精确的定义取代了我模糊的表述“某些复杂的方式”：信息处理需要被整合，也就是说，Φ需要很大。朱利奥对此的论证既简单又有力：意识系统需要被整合成一个统一的整体，因为如果它由两个独立的部分组成，那么它们就会是两个独立进行感知的意识实体，而不是一个。换句话说，如果大脑或计算机中某个有意识的部分不能与其它部分沟通，那么其它部分就不能成为其主观体验的一部分。

有些人不赞同这一理论，或者不认为它提供了一个能有效探讨机器意识的背景。但是，如果科赫和泰格马克是对的——如果一台具有足够复杂性的机器不仅可以发展出智能，而且可以发展出意识——那么机器也会遭受痛苦，这种痛苦应由其创造者负责。施耐德相信，创造有意识的机器，本质上是在扮演上帝。如果我们认为自己很清楚该怎么做，那也太狂妄了。如果我们创造了能感到痛苦的机器，它们有权利吗？一个有意识的人工智能，如果不把它当做奴隶，应该当做什么呢？所以，如果人工智能没有意识，把它们当做只是为我们服务的工具会更容易。施耐德警告说：“我们应该对反乌托邦的可能性保持敏感。”

结语

如果我们很快就将与拥有自我意识的机器分享生存空间，这对人性的未来意味着什么呢？如果朱迪亚·珀尔的梦想成真，我们可以设计出能够抵制诱惑或屈服于诱惑的机器，那会怎样？无论这种强人工智能早出现、晚出现，或者根本不出现，下述观点是明确的：我们需要保持一定程度的谨慎和形而上学的谦逊，不仅在试图研究机器智能之时，也在神经科学中研究我们人类自己的智能之时。施耐德说：“对于创造其他形式的智能（尤其是那些有意识智能）的前景，我们应该非常谦卑，毕竟我们连人类自己的意识都尚未理解。”

作者：John W. Farrell | 封面：Dilara Khasanova

译者：Sixin | 校对：杨银烛 | 编辑：杨银烛 

原文：

这个在一定程度上由他的盲人妻子所启发的问题，在后来成为世世代代哲学家们交锋的战场。哲学家们以见微知著闻名，对于那些正在探究人类知识的起源、心灵的本质的哲学家们来说，这看似无足轻重的思想实验——如今也被称作莫利纽克斯问题（Molyneux’s Problem）——是一个极为关键而迷人的问题。

作为一位著名的哲学家，洛克在他的《人类理解论》中回答了这个问题。他给出的答案，是坚定的“否”。他认为，尽管这位盲人已经拥有关于立方体和球体对他触觉影响的经验，但是他尚未获得这些物体对他视觉影响的经验，从而也无法建立触觉与视觉间的关联。换句话说，洛克相信，我们所有的知识都必须通过感官体验获得，这个立场也称为经验主义。

与此相对的是理性主义。理性主义认为并非所有知识都来源于经验，而这一派倾向于对莫利纽克斯问题给出肯定的回答。理性主义的代表哲学家莱布尼兹认为，人类出生时就拥有形状的心理表征。这样的表征由不同的感官模式共享，无论是触觉还是视觉，它们触发的都是相同的心理表征。因此，如果人可以通过触摸来区分立方体和球体，那么，他自然也能通过视觉区分二者。

几个世纪以来，经验主义和理性主义不断交锋，双方都为自己的观点进行了激烈的辩护。但是就如同大多数的哲学问题一样，这个问题也始终没有定论，直到脑科学进入人们的视野。

“光计划”给出的答案

2005年，麻省理工学院的一组研究人员，在帕万·辛哈（Pawan Sinha）的带领下，发起了致力于帮助印度盲童的“光计划”（Project Prakesh，“Prakesh”在梵语里是光的意思）。他们帮扶的目标是先天患有可治愈眼疾的盲童。可治愈的眼疾主要有两类：白内障和角膜混浊。在发达国家，这类异常通常是在婴儿期被发现的，孩子们在很早的时候就能得到治疗。然而不幸的是，由于医疗条件不佳，很多生活在发展中国家的孩子无法得到及时的治疗。

而光计划的目标就是帮助这些孩子。与此同时，研究人员也获得一个理解人类大脑的独特机会。在团队帮助盲童恢复视力的过程中，他们偶然发现可以借此探索莫利纽克斯问题：他们所治疗的许多患者在青春期末期都保持着失明的状态，那么，在复明之后，这些人是否可以区分立方体和球体呢？

五名光计划的受益者参加了这项实验。在他们当中，年龄最小的孩子只有8岁，而年龄最大的已经16岁。这五个孩子全都患有先天性角膜混浊。在手术之前，他们的视觉能力都不足以支持他们辨别形状。这些孩子们在手术前接受了一些触觉上的训练。研究人员保证他们可以通过触摸的方式来区分二十对三维物体。而在他们的第一只眼睛接受手术之后的48小时内，研究人员们立即对他们进行了“匹配样本”（match-to-sample）测试。这些孩子们会首先通过视觉或触觉来熟悉一个物体，之后，他们需要在给定的两个选项中，挑出与他们熟悉的物体所匹配的那个选项。根据测试的分组，这些孩子们接触选项的方式是用眼睛看，有的时候则是用手摸。

这些孩子们在用触觉熟悉过一个物体之后，能准确地用视觉辨认出那个物体吗？莫利纽克斯问题的答案，似乎近在咫尺。

实验的结果或许会让经验主义者们欢欣鼓舞。这些仅获得48小时视觉经验的参与者们，并不能很好地用视觉辨认出刚刚用触觉熟悉过的物体。值得指出的是，这种能力的确不能全然归于视觉能力。如果这些孩子们在一开始就是通过视觉来熟悉物体，那么他们在测试阶段，也能准确无误地用视觉辨认出那个物体。这样的视觉辨识能力与触觉相当。也就是说，问题或许只存在于在于视觉和触觉之间的对应关系上。

这样的结果自然是令人感到惊奇的。在除了庆祝四个孩子恢复视力之外，我们是否也应该趁机庆祝一番莫利纽克斯问题的落幕呢？而我们也是否应当恭喜经验主义者，他们在三百年前就已经掌握了正确答案呢？

是辨认不出，还是立体感缺失？

事情远远没有那么简单。

在哲学家约翰·史威克勒（John Schwenkler）撰写的一篇文章中，他指出，如果想完成光计划的研究团队所设计的任务，被试们不仅仅需要拥有视觉与触觉之间的对应关系。视觉和触觉之间的差异，不光在于两种感官信息的 “现象学”的不同。更重要的是，两种感官系统中包含的空间信息也不同。这些被试在通过触觉熟悉物体时，往往可以通过多种角度触摸这个物体。然而，当被试在使用视觉来接触物体的时候，他们仅仅能面向物体的一面。尽管研究人们允许这些被试调整自己的视角，但他们从未规定过这些被试调整视角的频率。在这种情况下，用视觉和触觉进行比较似乎有所不公。

无独有偶，哲学家迈克尔·布鲁诺（Michael Bruno）和埃里克·曼德尔鲍姆（Eric Mandelbaum）也强调了莫利纽克斯问题中的模糊性。这个问题可以被拆解成两个小问题：第一，这些复明的人是否能将二维的正方形和圆形与触觉上的刺激相关联。而第二个问题，才是三维物体在触觉与视觉上的联系。早在洛克写作的十七世纪，光学家们就已发现我们收到的视觉信息其实是二维的。洛克本人就曾写道，当人们看到一个凸面的时候，人们看到的其实是 “一个有各种阴影的扁平圆”。我们之所以能感知三维物体，是因为我们拥有足够的视觉经验，能够即时地进行一些“判断”，从二维的视觉信息中构建出一个三维物体。

而在光计划进行的一项较早的研究中，研究小组发现，这些复明的患者们即使在数周和数月的康复后，仍然难以辨识三维物体。比如说，当看到三维物体时，这些患者会告诉研究人员他们看到了多个物体。他们报告的物体数量正好对应于他们可以能看到物体的多少面。这样的证据表明，这些患者们的视觉系统很难利用阴影线索，将同一个物体的不同几面整合成一个个体。

因此，光计划的孩子们不能通过视觉辨认出触觉上所熟悉的物体，也许是因为视觉上的立体感缺失，而并不一定源于视觉和触觉两种感官经验间缺乏对应关系。

大脑可塑性的暗示

从另外一个角度来说，莫利纽克斯问题之所以还不能落下帷幕，也许与大脑的可塑性有关。也许，这些被试者在人生早期没有得到所必需的视觉刺激，他们的视觉皮层的功能已异于常人。除非光计划能将这些患者的大脑皮层也重新排布，否则，将他们视为莫利纽克斯问题中那个“复明人”只能是答非所问。

上个世纪六、七十年代，两位杰出的神经科学家，托斯坦·维厄瑟尔（Torsten Wiesel）和大卫·休伯尔（David Hubel）曾做过一系列开创先河的工作。他们发现，如果剥脱了小猫刚出生两个月时的视觉经验，这些小猫的外侧膝状体中的细胞会出现明显萎缩的症状，而这恰好是视觉通路中的关键组成部分。这一发现与之后的许多研究一起，表明大脑的发育也许有一个“关键时期”。在此期间，外部环境的变化会对大脑的功能型结构产生深远的影响。尽管我们的大脑在一生中都保持可塑性，但这种随着经验而变化的能力唯在“关键时期”达到顶峰。在这期间，突触的可塑性，神经元彼此形成连结、改变连接的能力，都达到顶峰。

有大量证据表明，失明会如何改变大脑的功能组织。九十年代末期，就有研究表示盲人在阅读盲文时，会出现从中枕叶到双侧纹状皮层的增强激活。而这些区域在正常人中，通常被认为是主要负责加工视觉信息。不仅如此，研究人员还发现，当盲人从事语音处理任务，或者听觉定位任务的时候，视觉皮层中都会出现激活增强。显然，失明带来的影响超出了“看不见”的范围。也许，这些患者没有像光计划或经验主义者所希望的那样“完全康复”。

光计划的研究虽然有趣且意义深远，但它提供的证据，仍然不能给莫利纽克斯问题一个斩钉截铁的回答。

科学可以回答哲学问题吗？

归根结底，莫利纽克斯问题只是一首序曲。它背后，是一个更宏大的问题：哲学与科学之间的关系。随着科学的发展，有朝一日，我们是否能够通过科学回答哲学问题？

奎因（W.V. Quine）是二十世纪最重要的哲学家之一，他创造了“自然化认识论”（naturalized epistemology）一词。他曾经写道：“认识论，或类似的东西，应当作为心理学的一章，被归入自然科学之中。心理学研究一种自然现象：即一个自然人类主体。”在他后期的学说中，他还补充道，自然化认识论并不仅仅依托于心理学。认识论也应当从神经学、物理学中寻求答案，在最后，它应当被视为工程学的一个分支：“规范化认识论是工程学的一个分支，它是一项寻求真理的技术。”

当然，并非所有人都认同这样的“自然化认识论”，认为认识论应当从自然科学中寻找答案。很多人提出了反对意见。一些人批评它循环论证，而另一些人则认为这种方法遗漏了认识论最重要的组成部分之一：规范性。心智哲学家金在权曾经论证过规范性的重要性。“……很难相信，当认识论缺失了规范性的时候，当它缺乏适当的规范性证明或证据的概念的时候，”金在他的书中评论道，“（这样的自然化认识）与传统认识论还有什么样的共同点。除非，自然化认识论与古典认识论涉及一些相同的问题，否则，很难看到一种流派如何能取代另外一种，或者放弃（一种更好的方式）选择另外一种方式。”

科学可以回答哲学吗？这个问题本身，就具有重大的哲学意义。也许，我们应当采取的策略，不是去猜测“最终答案”花落谁家，哪个学科笑到最后，也不是去猜测哪个学科应该被另一个学科取代。在理想的情况下，哲学应当能从经验科学中受益，反之亦然。

当希拉里·普特南（Hilary Putnam）被问及他对科学哲学在心理学、人工智能和神经科学的作用时，他幽默地回答：“当然是讨人厌了。”这位杰出的哲学家、逻辑学家随后解释说：“ ……科学哲学最激动人心的任务，是将科学概念的澄清和科学理论中可能的影响相结合——其中包括已经提出的理论和尚未得到证实的理论相结合——从而解决重大的形而上学问题。”

参考文献

• Has Molyneux’s Question Been Answered?
• Edelman, S. (2012). Six challenges to theoretical and philosophical psychology. Frontiers in psychology, 3, 219.
• Glenney, B. (2012). Leibniz on Molyneux’s Question. History of Philosophy Quarterly, 29(3), 247-264.
• Hübener, M., & Bonhoeffer, T. (2014). Neuronal plasticity: beyond the critical period. Cell, 159(4), 727-737.
• Kim, J. (1988). What is” naturalized epistemology?”. Philosophical perspectives, 2, 381-405.
• Ostrovsky, Y., Meyers, E., Ganesh, S., Mathur, U., & Sinha, P. (2009). Visual parsing after recovery from blindness. Psychological Science, 20(12), 1484-1491.
• Röder, B., Stock, O., Bien, S., Neville, H., & Rösler, F. (2002). Speech processing activates visual cortex in congenitally blind humans. European Journal of Neuroscience, 16(5), 930-936.
• Rysiew, P. “Naturalism in Epistemology”, The Stanford Encyclopedia of Philosophy (Spring 2017 Edition), Edward N. Zalta (ed.),
• Sadato, N., Pascual-Leone, A., Grafman, J., Ibañez, V., Deiber, M. P., Dold, G., & Hallett, M. (1996). Activation of the primary visual cortex by Braille reading in blind subjects. Nature, 380(6574), 526.
• Sinha, P., Chatterjee, G., Gandhi, T., & Kalia, A. (2013). Restoring vision through “Project Prakash”: the opportunities for merging science and service. PLoS biology, 11(12), e1001741.
• Streri, A., & Gentaz, E. (2003). Cross-modal recognition of shape from hand to eyes in human newborns. Somatosensory & motor research, 20(1), 13-18.
• Weeks, R., Horwitz, B., Aziz‐Sultan, A., Tian, B., Wessinger, C.M., Cohen, L.G., Hallett, M. & Rauschecker, J.P. (2000) A positron emission tomographic study of auditory localization in the congenitally blind. J. Neurosci., 20, 2664– 2672.

有决定性的理由认为，我们需要发起一场哲学革命，一场科学革命，然后再把两者结合起来，创造一个现代版的自然哲学。

从前，哲学不仅仅是科学的一部分，更确切地说，科学是哲学的一个分支。我们需要记住，现代科学始于自然哲学——它是哲学发展的产物，也是哲学与科学的融合。如今，我们把伽利略、约翰尼斯·开普勒、威廉·哈维、罗伯特·波义耳、克里斯蒂安·惠更斯、罗伯特·胡克、埃德蒙德·哈雷，当然还有艾萨克·牛顿，视为开创性的科学家，而把弗朗西斯·培根、勒内·笛卡尔、托马斯·霍布斯、约翰·洛克、巴鲁克·斯宾诺莎和戈特弗里德·莱布尼兹看作哲学家。然而，这种分裂是我们强加于过去的东西。我们犯了“以今论古”的错误。

那时，他们都认为自己是自然哲学家（natural philosophers）。除了解决更专门的物理学、天文学、化学、生理学、数学、力学和技术问题外，所有人都乐于思考形而上学和哲学的根本问题。哲学作为对根本问题的富于想象力的批判性思考，在当时已有开创性的建树。开普勒和伽利略都做了细致的观察，并进行了实验，就像优秀的科学家应该做的那样；但他们同时采用了一种形而上学的自然观，认为“自然之书是用数学的语言写成的”，就像伽利略说的那样。他们都坚称简单的数学法则支配着自然现象的发生方式，这与当时正统的亚里士多德主义形而上学截然相反；无论是开普勒发现行星运动规律，还是伽利略探索地球上物体的运动方式，这些重大科学进展都受惠于他们的形而上学观。笛卡尔、惠更斯、波义尔、牛顿等人则认同宇宙由原子组成的形而上学观，虽然在具体问题上的想法有所差异。

但后来，由于自然哲学家对科学本质的深刻误解，科学脱离了形而上学，也脱离了哲学。结果，自然哲学消亡了，科学与哲学的巨大鸿沟诞生，哲学就此开始衰弱。

牛顿在《自然哲学的数学原理》第三版里，无意中扼杀了自然哲学：他宣称通过归纳法推导出了他的万有引力定律。

矛盾的是，牛顿《原理》的第一版（1687年）无疑是自然哲学的伟大著作。书中有九个命题被他明确称为“假说”（hypotheses），而假说是极具形而上学意味的概念。到了第三版（1726年），前两个假说已经变成了前两个“推理规则”，而最后五个关于太阳系的假说摇身一变成了“现象”。还有一个假说彻底消失了，而另一个对主要论证而言多余的假说，被隐藏在定理中。在第三版中，还新增了两个“推理规则”，都是归纳性的。对于第二条新规则，牛顿注解道：“应遵循这条规则，使得归纳论证不被假说消除。”他还补充了以下关于归纳和假说的评述：

任何不能从现象中推断出来的东西都称为假说；假说，无论是形而上学的还是物理学的……在实验哲学中都没有立足之地。在这种哲学中，特定的命题是从现象中推断出来的，然后通过归纳法来普遍化。正因此……运动定律和万有引力定律得以被发现。

牛顿一直在以各种方法尝试将他在自然哲学领域的伟大创见转化为归纳科学的成果。

牛顿痛恨争议。他知道他的万有引力定律本身就极具争议，所以他修改了他的《原理》的后续版本，以隐藏作品中假说性的、形而上学的和自然哲学的元素，使万有引力定律看似毋庸置疑是由归纳法推导出来的。由于牛顿的无上威望，尤其是在法国启蒙运动吸纳了他的成果后，后来的自然哲学家想当然地认为，要想成功就需要按照牛顿的方法论行事。定律和理论必须通过对现象的归纳来达成，或至少是通过归纳现象草创。形而上学和哲学已经变得无关紧要，可以被忽略。现代科学就是这样诞生的，而最初孕育了现代科学的自然哲学却被悄悄地遗忘了。

牛顿的归纳主义方法论依然与我们同在。如今我们称之为“最佳解释推理”（inference to the best explanation）。（牛顿没有忽视解释。他的推理规则强调，归纳法要求人们接受最简单的理论实际上就是对现象最好的解释。）如今的科学家可能不认为理论可以通过归纳法从现象中“推断”出来，但他们确实认为，单凭证据（加上解释方面的考量）就能决定科学应该接受或拒斥何种理论。

换言之，他们想当然地接受了某种形式的标准经验主义（standard empiricism），即证据决定了哪些科学理论应该被接受或拒绝——虽然也需要考虑理论的简单性、统一性或解释力，但不应把世界或现象本身假设为简单、统一或可理解的。从牛顿那里继承下来的关键一点是，任何关于世界的论题，都不能独立于证据成为科学知识的一部分，更不用说违反证据了。从本质上来看，牛顿关于证据和理论的方法论仍然掌控着局面。科学与哲学之间的决定性分裂，作为后果之一持续到了今天。

由于这种分裂，哲学陷入了极度无力的境地。科学不再是哲学（或言自然哲学）的一个分支，科学变成了与哲学截然不同且独立于哲学的东西。哲学失去了它的一大主干，而且是迄今为止最成功的部分。

与自然科学脱节后，哲学存在的意义直至今日仍在不断削弱。心理学、人类学、社会学、经济学、政治学、语言学、逻辑学和宇宙学都脱离了哲学，成为独立的学科。到20世纪初，哲学陷入了危机状态。完全不清楚它还能做些什么。人们尝试过一些解决方案，其一是主要在欧洲流行的欧陆哲学：它可以忽视科学，忽视理性，陷入夸夸其谈和语无伦次的庆典之中。另一种办法是分析哲学，主要英语国家和地区进行：哲学可以全身心投入概念分析，将严肃的问题掩埋在一种深奥的、虚假的概念分析之中。

但这一切都是不必要且荒谬的。我说过哲学不可避免走向衰弱，而它曾经的组成部分变得愈发科学、成功和独立——然而这个故事是荒唐的。哲学本真的任务，是延续理性思维的火种，让我们用想象力和批判性思维，考察那些关于思想和生活的最紧迫、最基本的问题；而且，这一点在当下前所未有的重要。关键在于，哲学能够让我们继续用这种方式思考最为基本的问题，具体地说：我们人类的世界，我们眼中的世界，我们生活的世界，我们看到、触摸、听到和闻到的世界，生物的世界，人、意识、自由意志、意义和价值的世界——这一切事实上都镶嵌在物理宇宙中，但它们是何以存在的？又如何得以枝繁叶茂？

这一根本问题涵盖了思想和生活中所有更加专门和特定的问题。哲学的一项固有的基本任务是确保我们在教育和学术探究的核心积极地探寻这个问题，从而使得对它的理性思考影响自然、社会和技术领域，以及形式科学、人文科学和教育学等更加专门的学科中更为专业的思考，甚至影响我们对更具体的个人、社会和全球生活境况的思考；这种影响是双向的。

哲学非但没有自己独有的主旨、问题或方法，反而，在恰当的哲学实践中，哲学包含所有专门学科的主旨和问题，还囊括了所有学科共通的探究方法，即理性解决问题的方法。哲学非但不是另一门专门化学科——不同于其他专业学科，与其他专业学科并驾齐驱——而是一项基本任务，通过保持对基本问题的思考，与专业研究双向作用，从而作为一项根本任务来对抗专门化，而不是像当今许多学院派哲学所追求的那样把自身专门化。同样，恰当的哲学不是科班出身的哲学家的专属领地；专业哲学家的一项基本固有任务是鼓励每个人都涉足哲学研究，对一些根本问题进行理性思考：无论是非专业人士，还是学术研究其他各专业领域的学者。

我们需要为本着这种精神前行的哲学命名。我们可以称之为批判式基要主义（Critical Fundamentalism）——一种与欧陆哲学和分析哲学相竞争的哲学。批判式基要主义对自然哲学的重建大有助益，因为批判式基要主义探索自然科学各个领域的根本问题，从理论物理、宇宙学到神经科学、演化生物学无所不包。批判式基要主义对科学持开明态度，它既会影响科学研究，也会受到科学研究的影响。它将有能力澄清基本的科学问题并提出可能的科学解决办法，从而对科学作出贡献；当然，它也将吸纳科学研究的成果。这种批判式基要主义哲学和科学的双向结合，除了名字不同，就相当于自然哲学！

因此，前文关于哲学必然衰落的故事就是一派胡言。自然科学、社会科学、逻辑学和语言学的成功建立与发展，并不会使批判式基要主义哲学变得贫乏。对根本问题进行理性（富有想象力和批判性的）思考的需求一如既往的迫切。因为只有当我们理性思考时，科学以及作为整体的学术研究，才能够满足最基本的理性条件。（理性要求人们孜孜不倦地思索自己想要解决的根本问题。）采取欧陆哲学或分析哲学的进路，会把哲学引向自我毁灭，会导致哲学对它最紧切的任务无计可施——这是完全没有必要的。

那么，为什么会发生这种情况呢？或许部分原因在于，我们未能认识到对根本问题的理性思考有多么重要、多么必要，尤其是在专门化变得越来越猖獗的情况下。在20世纪，学院派哲学并没有努力对抗日渐猖狂的专门化，而是趋向于急切地，甚至绝望地寻找专属于自己的置锥之地。然而，还有一个更为重要的原因，使得哲学在过去的几十年甚至几百年中，逐渐丧失了批判式基要主义的精神。这一困境源于哲学未能解决其一大最根本的问题：归纳法问题。

在文章的开头，我提到牛顿是如何在《原理》第三版中，用一个错误论断扼杀自然哲学的；他称万有引力定律是通过归纳法从现象中推导出来的，而没有诉诸形而上学的假说。后来的自然哲学家决定他们必须跟随牛顿，在考虑应该接纳或拒斥哪些规律和理论时，忽略形而上学和哲学，只关心证据。彻底脱离哲学的科学就此诞生。牛顿的科学观至今仍被科学家们认为是理所当然的。这一观念的关键原则是，在科学中，任何关于世界的论题都不能在缺乏证据的情况下成为科学知识的一部分，更不用说与证据相左了。归根结底，证据决定了什么可被视为科学知识。

但是，这种牛顿式的科学观把关于科学本质的根本问题留给了哲学，对大多数哲学家来说，这个问题至今仍未得到解决。这就是归纳法问题；大卫·休谟在《人性论》（1739年）中出色地阐述了这一问题，见第一卷第三部分。可以这样表述：无论我们收集多少证据来支持一条定律或一种理论，都不能证实该定律或理论，甚至不能证明它正确的可能性大于零。这是因为任何物理定律或理论都可做出无限多的预测（predictions），不仅是对过去和现在的预测，也包括对未来的预测，以及对尚未发生（或许永远不会发生）的可能事态（possible states of affairs）的预测。我们离完全验证理论无限多的预测，必然还有无限远的距离。

换句话说，无论一个理论有多么完善，总会有无限多不同的理论与我们迄今积累的证据相一致，但与我们尚未观察到的现象的预测有各种各样的不一致，因为这些现象尚未发生，或者它们涉及的可能事态或实验尚未被创造。例如，假如我们公认牛顿万有引力定律是正确的，同时有一个截至目前在实证上与牛顿理论一样成功的竞争理论，该理论或许会断言：一切都如牛顿理论所预测的那样发生，但是直到2050年，引力突然变成了一种斥力。另一个类似的竞争理论或许会断言：一切都如牛顿理论所预测的那样发生，除了外太空里质量超过1000吨的金球，它们之间的相互吸引符合反立方比定律（而不是牛顿理论的反平方比定律）。这些竞争理论极度不统一，甚至有些天方夜谭；然而，就目前而言，它们和牛顿理论一样，在实证上是成功的。我们甚至可以无休止地编造出不统一的牛顿理论的竞争理论，通过在牛顿理论中增加额外而独立的可检验的假设，让这些竞争理论在实证上更成功。

证据不能证实理论。它甚至不能挑选出一个理论——因为总是存在无限多个不统一的竞争理论，它们同样符合现有证据，甚至更为符合。（如果一个理论对适用的现实和可能现象做出了N个不同断言，其不统一度为N；如果N=1，它就是统一的。）

这个著名的问题就是休谟的归纳问题，它实际上决定性地驳斥了科学界至今依然拥护的牛顿式科学观。

有人尝试过把牛顿的科学观从休谟的反驳中解救出来。他们称科学在决定接受或拒斥一种理论时，不仅仅考虑证据，而是要考虑两个方面：（1）证据；（2）理论的简洁性、统一性或解释力。这种观点的优势在于，它更符合目前科学实践的实际状况。那些实证上很成功，却极度不统一的牛顿式理论都被排除了。

但仍然存在一个问题。假如物理学坚持只接受统一的理论——即使有无数不统一的竞争理论同样符合甚至更符合现有事实，便意味着物理学一定对宇宙的本质做出了大有问题的宏大假设，无论我们承认与否。这个宏大假设是：在这个宇宙中，所有不统一的理论都是错误的。大自然有某种深层次的统一性。我们默认该假设是科学知识的一部分，因为那些与之冲突的理论，即不统一的理论都被拒斥了（甚至无视了），无论它们在经验上可能取得怎样的成功。然而，我们在接受深层统一性假设时并未考虑证据，甚至可以说，它其实违反了证据（因为它与无数虽然不统一，却比公认理论更符合经验的理论向左）。这与我所说的“牛顿式科学观”，即标准经验主义相矛盾。

如下结论不可避免：一旦失去统一性这一形而上的假设（无论是隐含的还是公然的），科学便无法前进。之所以说该假设是“形而上的”，是因为它过于模糊，无法由证据证实或证伪。从牛顿那里继承下来的，至今仍被科学家视为理所当然的正统科学观——科学必须只诉诸证据，而不能对宇宙的本质做出独立于证据的形而上假设——是站不住脚的，因此必须予以拒斥。

又该用什么取代它呢？为了回答这个问题，我们必须要认识到这一特定版本的统一性形而上假设，在物理学发展的任何阶段岿然不动，对寻找新理论和接受现有理论都产生了深刻的影响。然而，它仅是纯粹猜想，是个在任何时刻都几乎必然为假的假设的特殊版本——历史便是明证（从17世纪以来，在那些形而上思想中，从微粒论到弦论，已经发生了多次根本性的变化）。我们需要的新型科学明确承认这种实质的、有影响力且大有问题的统一性形而上假设存在，并使它持续经受审查；同时不断发展并批判替代方案，力求改进这一公认的特殊版本。

我将这一新科学观称为以目标为导向的经验主义（aim-oriented empiricism），它将该形而上假设呈现为一组层级式的假设。越沿着层级向上攀升，假设越欠缺实质性，其为真的可能性也就越高，且愈发接近科学所需的真理，或者说使得追求知识成为可能。以这样的方式，我们创建了假设（及相关方法）的层级式构架，它很可能为真；我们可以批判地评估构架低层更具实质性的假设（及相关方法），并加以改进。

最高层级的假设是，宇宙是部分可知的（partially knowable）；据此，我们得以获知我们赖以生存的局部情况。无论认为该假设是真是假，我们已经接纳了它。这样做没有坏处，而且或许能指引我们增进知识以夯实这一假设，无论宇宙究竟是怎样的。即使我们没有理由假定该假设为真，基于狭义的实用主义，我们有正当理由将该假设作为科学知识的一部分。

下一层级假设宇宙是元可知的（meta-knowable）；据此我们可以提出关于宇宙的推测，它为真，并且接受该推测使我们得以随着知识的增长，改进那些促进知识增长的方法。换句话说，在我们身处的宇宙中，在增进知识与增进关于如何增进知识的知识之间有类似正反馈的东西。

下一层级假设宇宙在某种程度上是可理解的（comprehensible）。在所有现象中，都有某种内在的东西，它使得事件以特定的方式发生；从原则上说，每件事都可以被解释和理解。这种无处不在的东西可能是上帝，或者是宇宙的目的（所有事件都是为了实现其目的），或者是物理法则的统一模式。鉴于承认了元可知性，可理解性就是一个很好的假设，如果它为真，我们就可以继续打磨出某个可理解性的特定版本，从而大大增进知识。我们提出了各种各样的解释理论；如果有一种解释理论被证明符合特定的实践上的成功，那么元可知性就证明了我们有正当理由专注于以这种特定方式解释的理论。

下一层级假设宇宙在物理上是可以理解的（ physically comprehensible）；物理定律的统一模式贯穿于所有的现象，根据这个模式，所有的物理现象在原则上都可以被解释和理解。自伽利略以来，这一物理可理解性的假设为科学带来了惊人的丰硕成果。物理学中的连续性理论给越来越广泛的现象带来了越来越强的统一性。牛顿理论、麦克斯韦电动力学、阿尔伯特·爱因斯坦的狭义和广义相对论、沃纳·海森堡、埃尔温·薛定谔、保罗·狄拉克、阿布杜斯·萨拉姆、史蒂文·温伯格等人的量子理论都是如此。鉴于元可知性以及这些事实，我们有正当理由接受物理上的可理解性（除非我们有更好的选择）。

下一层级假设我们有特定版本的物理可理解性，它最合乎当前的物理理论知识，并对未来发展给出最佳保障。目前我们可以说这个假设是弦理论：在10维或11维时空中，所有的东西都是由微小的“弦”组成的。

接下来是我们最容易接受的物理学基本理论——目前是广义相对论和所谓的标准模型（基本粒子和它们之间的力的量子场论）。再接下来，在层级的底部，我们有经验现象——通过实验建立的低层级经验定律。

这种假设和相关方法的层级有助于改进物理学的形而上预设，部分是通过在最有可能为科学进步带来成果的地方（即假设层级的底部）开展想象力探索和批判性审查。另一方面是通过有效地约束低层有价值的新假设；约束力来自两方面：更高层级的假设，以及取得最大经验性成功的物理理论。如果某个低层的形而上假设能够激励最具经验进步性的物理研究项目，或与之密切相关，我们就应该选择它。通过这些方式，目标导向的经验主义的层级结构有助于改进那些已被接纳的较低层级的形而上论题——这些论题最有可能为假。

随着物理理论知识日渐丰满，形而上学的预设也会得到改进，甚至发挥引领作用。在改进形而上假设及相关方法，与改进物理理论知识之间，存在类似于正反馈的关系。当我们提高科学知识并理解宇宙时，我们相应地改进了科学的本质。我们改善了增进科学知识的方法。

其结果是自然哲学，是物理和形而上学、科学和哲学的综合。

形而上学、方法论，甚至认识论，这些哲学的传统主题，已经成为科学不可分割的、富有成果的一部分。批判式基要主义的哲学观得到了广泛认可。在以目标为导向的经验主义自然哲学的框架内，科学几乎已经成为哲学的一部分！科学和哲学之间的分离曾深深伤害了哲学，而如今二者重归于好。哲学在科学中扮演着有卓有成效且至关重要的角色；它的一些问题处于科学研究的前沿。还有一个好处是，目标导向的经验主义自然哲学完成了牛顿科学不能做的事情：它解决了休谟的归纳问题。

还有更多，甚至更重要的影响。目标导向的经验主义可以推广开来，形成一种新的理性观——目标导向的理性，我们可以将这种理性注入任何目标存疑但颇具价值的人类事业。无论是个人的、社会的、制度的还是全世界的，人们行动的真正目标往往是有问题的，或是因为它们与其他值得欲求的目标相冲突，或是因为它们根本无法实现，抑或两者兼而有之。显而易见，这些问题都与实现美好文明世界的宏大目标相关，而这一目标根本上也是有问题的。过去创造文明的种种努力，无论是左派还是右派，结果都是南辕北辙，反倒创造了各种各样的人间地狱。在这里最重要的是，我们需要把目标导向的理性付诸实践，这是将目标导向的经验主义的进步方法推广得来的。

我们需要将文明的目标呈现为层级式的，随着层级上升，这些目标变得越来越不具体，也越来越可靠。通过这种方式，我们为自己提供了一个相对可靠的目标与方法的框架（位于高层），在这个框架中，那些更具体、更存疑、更有争议的目标以及相关方法（位于低层），会在我们的生活与行动中不断改进。简而言之，我们可以从科学进步中学习如何实现社会进步，走向一个美好文明的世界。

通过将科学方法推广到社会生活中，我们可以开始取得真正的社会进步，迈向文明世界——可以说这类似于科学在智识上所取得的进步。我们将有希望开始解决威胁着人类未来的严重全球问题：气候变化、自然世界的破坏、人口增长、核武器的威胁，等等。发挥目标导向的理性以应对问题如此重要，我们迫切需要利用一切学术资源来指导我们的实践。学术界需要转变，以帮助人类解决这些生活中的冲突与问题为其基本任务；如果我们要朝着一个真正文明的世界发展，就必须解决这些冲突和问题。

翻译：Super星；审校：有耳；编辑：兔毛

第二部分的挑战则是哲学性的。科学界公认物理时间是唯一真实的时间，而经验时间，或言时间流逝的主观感觉，只是一种次重要的认知虚构。上世纪20年代，年轻的阿尔伯特·爱因斯坦曾与哲学家亨利·伯格森（Henri Bergson）辩论时间的本质，爱因斯坦明确表示物理时间是唯一的时间。随着年龄增长，爱因斯坦的态度渐渐不再强硬。他直到去世之前依然深深困惑着：在科学的世界观中，如何为人类体验到的时间寻得一席之地？

这一窘境的背后存在一个预设，即具有绝对起始点的物理时间是唯一真实的时间。但如果“时间之始”的说法本身就是有问题的呢？许多人倾向于认为科学能给出一个宇宙历史的完整、客观的描述，一个不受我们感知影响的描述。可惜，这一科学的愿景存在重大瑕疵。在旺盛的求知欲和控制欲的推动下，我们为科学创造了这样一种形象：科学被当成一连串关于现实本质的发现，一幅上帝视角的自然图景。

这种态度不但扭曲了真相，更让我们与世界间产生错误的疏离感。这一裂隙产生于科学自身看不见的“盲点”。盲点所在之处正是经验栖居之所；经验是生活感觉的纯粹在场与直接呈现。

盲点的背后是这样一个信念：物理现实在人类知识中是至高无上的。我们可以把这一观点叫做科学物质主义。用哲学术语来说，它是科学客观主义（科学的对象是独立于思维的真实世界）和物理主义（科学告诉我们物理现实即一切）的结合。基本粒子、时刻、基因、大脑……这些东西都被认为是根本上真实的。另一方面，经验、觉知和意识则是第二性的，科学的任务便是要探求如何将它们还原为物理存在，比如神经网络的运作、计算系统的构造或信息的某种度量。

这一框架面临着两个棘手的问题。第一个问题针对科学客观主义。除了对物理现实进行观察之外，我们没有任何与之接触的途径。基本粒子、时间、基因和大脑只有通过我们的测量、模型和操纵才得以向我们呈现。它们的在场总是基于科学研究的，而科学研究只存在于我们的经验领域。

当然，这并不意味着科学知识是主观的，或仅仅是我们自己思维的投射。事实上，我们可以测试研究所用的模型和方法孰优孰劣。但这些测试从不会告诉我们排除观察和行为干涉之下的事物本质。经验正如其所展现的物理现实一样是科学的基础。

第二个问题关乎物理主义。按照物理主义最还原的版本，科学告诉我们包括生命、心灵和意识在内的一切事物，都可以被还原为最小物质组分的行为。你只不过是你的神经元集合体，而你的神经元只不过是一堆微小物质组成的。这样一来，生命和心灵消失了，只剩下无生命的物质尚存。

坦率说，物理现实之外别无他物这一断言要么是假的，要么是空洞的。如果“物理现实”指代的是物理学所描述的现实，那么只存在物理现象的论断当然是错误的。为什么？因为各门自然科学，包括生物和计算神经学，都没有对意识做出解释。这并不代表意识是什么非自然或超自然的东西。关键在于自然科学不包括对经验的解释，可是我们知道经验确实存在，所以“仅有自然科学所描述的东西是存在的”这一论断为假。另一方面，如果“物理现实”指的是未来的完整物理学所描述的现实，那么称物理现实之外别无他物等于什么都没说，毕竟我们都不知道未来的物理学会是什么样的，尤其是它将如何处理意识问题。

这个问题就是所谓的亨佩尔两难（Hempel’s dilemma），由著名的科学哲学家卡尔·古斯塔夫·亨佩尔（Carl Gustav Hempel）的名字命名。面对这一困境，一些哲学家主张我们对“物理”的定义应该排除强突现论（生命和心灵是从物理现实中突然涌现的，并不可被还原）和泛灵论（心灵是基础而无处不在的，包括微观物理层次）。这一做法能够给予物理主义明确的内容，但代价是“物理”的可能意义都被提前规定了，物理学家们不再有决定权。

我们拒斥这种做法。不论“物理”到底是什么意思，都应该让物理学家定夺，而不是纸上谈兵。别忘了，自17世纪以来“物理”这个词的意义经历了巨大的变化。人们曾以为物质是惰性的、不可穿透的、坚硬的，且仅受确定的局部作用影响。而如今我们知道这几乎大错特错，现在我们接受几种基本力、无质量的粒子、量子不确定性和非局部关系。谁能保证我们将来的物理现实概念不会再次面目全非呢？基于以上考虑，我们不能简单地定义“物理”以摆脱亨佩尔两难。

客观主义和物理主义都属于哲学思想，而非科学理论，即使有些科学家是它们的拥趸。从科学对物理世界的描述或科学方法本身，都无法逻辑地推理出这两种哲学观点。科学物质主义者们忘记了这些观点包含哲学上的偏见，而不仅是数据点，从而忽略了直接经验与世界之间并非泾渭分明。

我们的观点可不是什么小众异端。我们对盲点的看法基于埃德蒙德·胡塞尔（Edmund Husserl）和阿尔弗雷德·诺斯·怀特海（Alfred North Whitehead）这两位重量级哲学家、数学家的工作。德国思想家胡塞尔，现象学哲学思潮的源头，提出生活经验是科学的根源。原则上说，认为科学能摆脱生活经验无异于妄想。人类经验的“生活世界”（life-world）是科学植根的土壤，而现代科学文化的存在危机和精神危机——我们称之为盲点——正是遗忘生活世界重要性带来的后果。

上世纪20年代起任教于哈佛大学的怀特海，认为科学依赖于一种对自然秩序的信仰，且无法用逻辑证明。这一信仰直接仰仗于我们的直接经验。怀特海的过程哲学（process philosophy）以拒绝“自然二分”为基础，后者将直接经验分成了相对立的心灵与身体，以及知觉与现实两组。他提出我们言称的“现实”是由发展过程组成的，这一过程具有同等的物理性与经验性。

研究原子和亚原子粒子的量子物理是物质主义偏见最泛滥的领域。自古希腊时期以来，人们一直把原子看作构筑物质的砖瓦，而过去100多年的发现似乎证明了原子主义、还原主义的自然观是正确的。可是古希腊先哲、艾萨克·牛顿（Isaac Newton）和19世纪的科学家所说的“原子”，和我们现在的“原子”不是一个意思。“物体”这个概念本身，正是量子力学所质疑的。物质微粒的古典模型包含着微小的“撞球”（billiard balls），它们聚集在一起，以各种形式和状态推来撞去。然而在量子力学中，物质同时具有粒子和波的特性。此外，测量的精确度存在局限，而且测量行为似乎会干扰实验者想要描摹的现实。

如今的量子力学诠释在何为物质，以及我们相对于物质的角色问题上莫衷一是。这些分歧与所谓“测量问题”紧密相关：电子的波函数是如何在观察下，从多种叠加态缩减为单一状态的？量子物理的各个学派都没有告诉我们怎样才能触摸世界的本来面目，而只允许我们在与物质的互动中理解其行为。

举例来说，按照尼尔斯·玻尔（Niels Bohr）的哥本哈根诠释，一旦脱离了电子和测量仪器之间的互动，波函数就不存在真实性。也有些方法试图保留波函数相对于观察者的独立地位，比如“多世界”和“隐变量”解释。但这样一来就必须承认存在不可观察的平行宇宙。一种相对新颖的诠释是量子贝叶斯理论，它结合了量子信息论和贝叶斯概率理论，可谓不走寻常路。按照这一观点，量子态的不可约简概率并非现实的元素，而是观察者对测量结果的信念程度。也就是说，进行观测就好像是在对世界的行为下注，观测完成后我们对世界的认知就更新了。该诠释的支持者有时也称之为“参与现实主义”，因为人类主体是被物理研究这一认识世界的过程所包括的。也就是说，量子物理的公式并不仅针对被观察的原子，而是指向观察者与原子以一种“观察者参与”的方式构成的整体。

参与现实主义极具争议。然而正是这种富于哲学意味的解释多样性，颠覆了物质主义与还原主义自然立场的严肃确定性。简言之，我们无法简单地把科学家们的经验从物理世界的描绘中剔除出去。

于是问题又回到了盲点。当我们考察科学知识的对象时，总是看不到它们背后的经验。我们看不到经验如何使得它们在我们眼中的在场成为可能。我们忽略了经验的必然性，因此树立了科学的虚假偶像，误以为科学赋予我们独立于现实呈现方式与相互作用的绝对知识。

意识研究领域也存在盲点。大部分对意识的科学和哲学讨论聚焦于“感受质”（qualia）——我们的经验的质性方面，比如所感知到的落日的红色光晕、柠檬的酸涩味道等等。神经科学家已经建立了这些质性与特定大脑状态的紧密关联，并且能够通过直接影响大脑来操纵我们的经验。可是，我们至今无法用大脑活动或其他任何物理过程科学地解释感受质。我们甚至难以想象这种解释会是什么样。

意识之谜不仅在于感受质，主观性也是个大麻烦。经验具有主观特性，它们是以第一人称方式出现的。一个特定的物理系统何以拥有作为主体的感受呢？科学在这个问题上交了白卷。

如果深挖下去，还有一个更基础的问题是，经验怎么会拥有主体-客体的双重结构呢？科学家和哲学家常常怀揣这样一幅图景：一个“内在”心灵或主体理解着一个外在世界或客体。然而不同文化传统的哲学家们挑战了这幅图景。提出“纯粹经验”概念，并影响了胡塞尔和怀特海的哲学家威廉·詹姆斯（William James）就曾在1905年写道“我们享受生活的主动感，直到反思把直觉世界打碎”。那种生活的主动感并不具有内在-外在/主体-客体的结构，是随后的反思把这种结构强加给了经验。

早在公元4至5世纪，印度佛教哲学家世亲（Vasubandhu）就批判了将现象二分为相对立的主、客体的做法。世亲认为主体-客体结构是对现象时刻的因果网络的一种根深蒂固的认知曲解，因果网络中其实并不存在理解着外在客体的内在主体。

为了更深刻地理解这一点，让我们想象那些高度专注的状态，比如冥想、舞蹈或技艺高超的表演。在这些状态下，主体-客体结构在不知不觉中消失了，只剩下彻底被感受的在场。这种现象的在场在物理世界中何以可能呢？科学选择缄默不言。可是，没有这种现象的在场，科学本身又是不可能的，因为在场是一切观察或测量的先决条件。

科学物质主义会反驳说，科学方法使我们得以跳出经验去理解世界本来的样子。但我们已经做出反驳，并确信这种观点误解了科学实践与科学方法。

概括地说，科学方法是这样的：首先，我们把人类经验中富有争议的方面放在一边，比如我们对事物的视、味、触觉感受。第二步是用数学和逻辑来构造抽象、形式化的模型，并把它们当作普遍共识中的稳定对象。第三步，我们通过隔离、控制那些我们能够感知并操纵的事物，人为介入事件的进程。第四步，我们用这些抽象模型和具体干预来计算预测未来的事件。第五步，将预测到的事件与我们的感知相对照。技术是整个过程中的一个基本要素：机器作为我们的装备，将这些程序标准化了，扩展了我们的感知能力，并使我们能够操纵现象以服务于我们的目标。

当我们开始相信这一方法能通向不经矫饰的现实时，盲点便产生了。可事实是，经验在每一步都在场。科学模型必须是与观察相分离的，那些精密的科学仪器则是中继站。科学模型是理想化的产物，而非世界中的实在。例如，伽利略的无摩擦平面；玻尔的原子模型称，电子沿着量子化轨道绕尺寸小、密度大的中心原子核旋转，就像行星绕着太阳；还有隔绝种群的演化模型——这些都存在于科学家的脑中，而非自然中。它们是抽象的心灵表征，而非独立于心灵的实体。它们的用途在于帮助我们做出可检验的预测。然而，种种模型依旧没能让我们逃离经验，因为它们要求高素质的专业观察者进行特殊的感知。

如上所述，科学的“客观性”无法独立于经验存在；在此语境中，“客观性”只不过意味着一个使用特定工具的研究者共同体所公认的真实。科学在本质上是人类经验的一种高度精炼形式，以我们的观察、行动和交流能力为基础。

所以说，科学模型与事物真实的样貌相符这一信念，并非是从科学方法本身推出的。相反，这一信念源于一种古老的、在一神论宗教中尤为盛行的冲动——人们渴望像上帝一样认识本来的世界。“科学揭示了绝对客观的‘真实’”这种观点与其说是科学的，不如说是神学的。

近来，批判这种“朴素实在论”的科学哲学家称，科学的巅峰并不是一幅独立于理论的单一世界图景。他们认为，从化学反应到有机体的生长发育，再到大脑动力学和社会交往，许多模型都在不同程度上描述了世界的不同维度。这些模型往往与我们的观察和行为捆绑在一起，并且应用范围有限。

复杂系统理论与网络科学这两个领域专注于整体而非部分的还原，赋予了这些论断数学的精确性。复杂系统理论的研究对象是那些行为难以建模的系统，如大脑、生命体和全球气候，这些系统的反应取决于它们的状态与所处环境。它们还展现出自组织、自发模式生成以及对初始条件的敏感依赖（初始条件的微小改变可能导致截然相异的结果）等特征。

网络科学分析复杂系统的方式是将它们的元素当作节点，元素之间的关联当作联结来建模。网络科学用网络拓扑结构（节点和联结的排布）和全局动态解释行为，而非诉诸于微观层面的局部反应。

受到这些视角的启发，我们提出另能够超越盲点的另一种视野。我们的经验以及被称为“现实”之物是紧密镶嵌在一起的。科学知识是一种由世界及我们对世界的经验编织而成的不断自我修正的叙事，世界与经验又是协同演化的。一旦我们承认这种纠缠，就能以新的框架审视科学及其受到的巨大挑战。

让我们回到最初的问题：时间以及第一因的存在之谜。许多宗教已经在它们神秘的创世叙事中探讨了第一因的概念。为了解释事物的本源问题，这些宗教假设存在一种超越时空限制的绝对力量或神性。除了少数例外，它们都认为是上帝或诸神从外部创造了宇宙内的万物。

科学不同于神话，它受制于因果的概念框架，事件必须遵循因果链条产生。显然，第一因破坏了这种因果关系——古代的佛教哲学家在批判印度教神学立场对神性第一因的执念时，就曾论证过这一点。怎么可能存在这样一个原因，它不是任何其他原因所导致的结果呢？和绝对客观的真实一样，第一因在根本上也是一个神学思想。

这些例子告诉我们“时间”永远摆脱不了人的维度。我们能力所及的最高目标不过是构造这样一个科学宇宙论，使之与我们从宇宙内部对宇宙的测量与理解相一致。对宇宙历史的终极、完整描述是不可能达到的，它必然是一种永远自我修正中的叙事。“时间”是这一叙事的支架；我们对时间的生活经验是赋予叙事意义的必要条件。鉴于此，物理学家的时间似乎是第二性的；它只不过是描述我们能够观察并测量的自然世界中变化的工具。我们对时间的生活经验，赋予物理学家的时间以意义。

现在我们能够理解物质、意识与时间的本质这三大科学谜团的深层意义了。它们的症结都反身指向盲点，以及我们重新审视科学的迫切需要。当我们试图理解现实，却只专注于我们外部的物理存在时，便看不见它们反指着的经验。那些最深邃的谜团是无法用纯粹的物理方法解答的，因为在它们的公式中，经验都不可避免地在场。不存在将“真实”与经验分离的方法，因为二者一直缠绕在一起。

我们终于“看到”了盲点，终于从绝对知识的幻想中清醒过来了。这也意味着我们有希望创造一种新的科学文化，将我们自身看作自然的一种表达形式，以及自然进行自我理解的一种资源。为了新千年的人性繁荣，我们最需要的莫过于让这智识来滋养科学。

翻译：有耳；审校：狼顾；编辑：EON

想象你正在搭建伦敦参议院大学的乐高模型——乔治·奥威尔《1984》中的“真理部”的原型就是这幢建筑——在这个过程中，乐高积木块本身没有改变。如果拆散结构，再把积木重新拼成吉萨金字塔或者埃菲尔铁塔的模样，积木仍然是原来的形状、重量和颜色。

如果你把整个世界看作乐高积木，那你就是原子论者（atomism）。这种观点认为自然界万物都由微小的、不变的部分所组成。我们感受到的所谓变化、流动（flux）不过是宇宙机器的齿轮在转动；宇宙机器规模巨大，但它遵循着普遍法则，并由较小的单元构成，因而终将是可理解的。几个世纪以来，科学技术一直专注于辨认这些单元。科学实验，就是去识别系统与过程的组分；工厂，将部件拼装成产品，而这些部件本身又包含更小的部分；标准模型（Standard Model），则告诉我们什么是现代物理的基本实体。

然而，当这种组合性的模型无法解释某些现象，这些现象就成了迷。让我们举个简单的例子，比如小孩在微笑：通过观察组成小孩的原子的运动来解释他愉快的笑容，似乎很难，甚至不可能；引入胶子、中微子和电子这些亚原子的粒子，只会添乱。更有效的做法是诉诸于发展心理学或叙事性解释，比如“父亲微笑地看着孩子，于是孩子回以微笑”。那么，会不会发生了某种基础性的转变，产生了一些不能被还原为部分的新特征、新对象？

突现（emergence）的概念可以帮助我们理解这个问题。如果说原子论挖地三尺，力图寻找最基础的“砖瓦”，突现论则将目光投向上方和外部，考察当事物变得足够大、足够复杂时，是否会有新奇的现象突然出现。从雷蒙德·钱德勒1953年的小说《漫长的告别》中，我们可以一窥突现的基本原理：“如果一个人只是偶尔喝大，他仍和清醒的时候是一个人。然而一个酒鬼，一个真正的酒鬼，喝醉了就完全成了另一个人。你无法预料他会做出什么事情，唯一确定的是他已经不是你之前认识的那个人了。”

一个多世纪前，突现论在科学哲学领域很受欢迎。约翰·密尔（John Stuart Mill）、亨利·伯格森（Henri Bergson）、查理·布劳德（C D Broad）等著名学者认为，用化学和生物学解释生命起源是个几乎不可能完成的任务；或许我们只能说生命是从这些领域“突现”出来的，而需要用属于生命的特殊法则才能解释。然而，自上世纪30年代起，量子化学的进步以及DNA、RNA结构的发现照亮了原子论进路的前景。很快，突现论的正确性及其科学潜力，也笼罩在了怀疑的乌云里。

Emergent Properties

Although debates concerning the reality or precise nature of emergence are largely driven by contemporary scientific theorizing, the basic notion has quite a long history stretching back at least to Aristotle (384-322 BC). On Aristotle’s view, human beings, like other “secondary” substances, arise from a distinctive arrangement of the four material elements.

如今，这个概念常常被量子神秘主义者、灵魂信仰者以及坚信意识的本质高深莫测的人所援引。他们所说的突现含混不清，我们可以置之不理。然而，我们不应该因为这些“猪队友”而贬低突现论。虽然长期受到鄙弃，突现论确实可以帮助我们更好地理解世界，只要我们留个心眼，抓住它靠谱的部分，同时与神秘主义的畏惧态度划清界限。

····

严肃正经的突现论观点主要有两类。第一种还算容易得到辩护：当系统变得极度复杂，就不可能可靠地预测它未来的状态。于是，我们需要新的、不可归约的概念和理论去描述和解释一些新现象。因为这关乎我们如何拥有对世界的知识，就叫它认识论突现论（epistemological emergence）吧。（知识是认识论的研究对象。）

近些年，认识论突现论常常与复杂性理论和非线性系统（比如股市和天气）联系在一起。为了理解简单系统和复杂系统有何区别，你可以想象自己在一条自由流动的河边，把一艘玩具船放到水面上，它会漂到哪去呢？你只要知道水流的速度和船漂流的时间，很简单就可以算出船漂出多远。因为河流的运动是线性的，船的位置可以从两个（或更多）变量的相互关系中推得。可是，如果河流在突堤的柱子周围打涡旋，它的运动是非线性的，动荡无常，船的最终位置就很难确定了。因为我们不能把螺纹和旋涡化约成简单的变量。这是个复杂的系统，必须被当做整体来处理。它的最终状态不能从最初的基础情况中推出，只能从统计学的角度模拟，以一种高阶的、突现的方式。

认识论版本的突现论并没有在基础的层次上威胁到原子论，因为它不否认世界终究是由微小的部分组成的。认识论突现论只是强调，我们难以精准地预测这些部分的运转方式。回到那个孩子笑、父亲笑的例子，原则上，一个严格的原子论者会说只要拥有合适的测量仪器和计算力足够强大的计算机，我们完全可以对这个现象给出极为细致、完整的描述。然而，即使原子论者也可能会承认，这么做实在太蠢了。只要换一种层次的描述（在这个例子中，用心理学语汇考察事件），就可以很好地解释系统。

另一种突现论则极具争议，它关乎本体论（这个哲学术语指的是与存在的本质有关的艺术）层面。本体论突现论（Ontological emergence）认为有些特征和对象实际上是世界的一部分，而不是由于我们的理论和预测能力有所局限而导致的一种表象。原子论者可能不会买账，因为本体论突现论否定了世界的完全组成性质。

孩子在笑这个事件超越了基础物理的层次。

早期的突现论者区分出了本体论突现论的两个基本问题。第一个问题是：突现性质何以从一个系统的结构中产生？后人给出的答案是共时突现（synchronic emergence）。意思是，突现出来的东西与为突现提供基础的东西同时存在。举例来说，当某人大脑中神经元放电（这是突现的基础），他关于红色的意识体验（突现的产物）也同时产生了。这也就是说，意识或许依赖于特定的神经过程，但是意识本身具有真实的、非物理的性质，比如觉知（awareness）。（老实说，我们对意识的理解还非常浅薄，目前还没有资格评断它是否算作一种本体论突现产物。）

共时突现对许多不同层级的物体和性质都产生效力。比如，我们可以说生物性质存在于比化学性质更高的层次，而化学性质又高于物理性质。但是这种层级体系暴露了共时突现的一个致命缺陷，韩裔美籍哲学家金在权（Jaegwon Kim）著名的排他性论证（the exclusion argument）讲的就是这个问题。

假如你和绝大多数共时突现论者一样，认为每当一个事件在高于最基础层级的某个层级上发生，必定伴随着较低层级上的一系列事件同时发生，并且低阶事件确定了那个高阶事件。孩子在笑，便是一个较高层级的事件。这个事件不能被完全还原为物理过程，但必然是由某些基础的物理状态和结构确定了生理状态与心理状态；因此，每次拥有完全相同的物理状态和结构，孩子都会笑。如果你还相信世上任何事情都不可能脱离基础物理层次，那么就推出了：任何似乎发生在高阶的因果作用都是冗余的。孩子笑并不是母亲笑的原因，因为她的笑完全是一系列极为复杂的基础对象、过程和结构所导致的。笑，也不会导致任何物理变化，因为物理领域在因果上是自我闭合的。（顺便提醒一下，如果你拒绝承认物理世界的因果首要性，那你已经是突现论者了。）

····

这个反驳论证对共时突现的打击是摧毁性的。它将所有化学、生物、心理等种种不属于基础物理的性质都变成了仅仅是副现象（epiphenomena）——这些现象在世界的一切变化中都没有因果效力。然而，只要转向历时性突现（diachronic emergence），我们就可以避免排他性问题。历时性突现提出了一个完全不同的问题：是什么历时过程导致了突现特征的产生？

我们可以考虑一下匪帮的动态，当这些平日里理性的人组成一个群体，他们过激的行为似乎是一种整体性质。虽然匪帮是由许多个体构成的，它所展现出的特征却不能简单地等同于个体行为的累积，于是匪帮的行为遵循着特定的社会规律，而非心理规律。

这种看待匪帮行为的方式在排他性论证面前不堪一击：虽然乍一看没什么问题，但只要深入想想，你就会发现万事万物都可以被更基本的物理过程解释。然而，我们可以把这个例子换种说法。作为匪帮的一部分的个体，与加入匪帮前的那个人有着显著的区别。简言之，他们在加入匪帮时被改变了——丧失了我们认为是文明人类所必需的特征，而成为了某种截然不同的东西。（幸好这个过程一般是可逆的。）于是，群体的动态应该等于改变后的个体的行为的累积，而不存在什么匪帮的不可归约的整体性质。

自然界的一切法则在宇宙诞生之初就已经各就其位了吗？还是在变化中逐渐突现产生的？

你可能会想，还原主义者难道不能立即驳斥掉这个例子吗？没错。说到底这不是一个很有说服力的变化突现的例子，因为随着心理学和神经科学法则的演进，我们可能最终得以在更基础的层级上解释匪帮行为。然而，还有一些物理范围内历时性突现的例示就不太好处理了。

还记得那座乐高积木搭成的参议院吗？原子论的一大核心论点是，“砖瓦”是不变的。被我们当做是基本的东西的本质属性不会随时间而改变；不论是嵌入更大的单元，还是单独放在那儿，它的本质属性都一样。这些砖瓦的非本质属性可以改变，比如位置，但那些使得原子成为如此这般的原子的特征不可能改变。

然而，对于砖瓦究竟是什么这个问题，答案一直在变。现在我们的基本单元不是氢、氦、纳等元素，而是粒子物理标准模型中的实体。当渺子（muons）这种基本粒子变化成一个电子、一个电子中微子和一个渺子中微子，这三种变化的产物本身也是基本粒子。也就是说，非组合成的渺子转变成了截然不同的其他非组合成的基本粒子，这和匪帮成员是一个道理，只不过这种情况下找不到更加基本的解释方式了。

思考突现引出了一系列本质上属于哲学范畴的问题，虽然回答这些问题可能需要大量的科学工作的灌入。比如：自然界的一切法则在宇宙诞生之初就已经各就其位了吗，还是在变化中逐渐突现产生的？如果答案是后者，是否意味着存在一系列解释这些变化如何发生、为什么发生的“超法则”？在原子本体论自身的领域内，这些问题不会自然产生——而在一种审慎的突现论观点的指引下，我们也许可以有所突破，将这些概念从神秘主义思想的囚笼内解放出来。

翻译：有耳
校对：大秋

Atomism is basic: emergence explains complexity in the Universe | Aeon Essays

Does everything in the world boil down to basic units – or can emergence explain how distinctive new things arise?