计算机科学哲学研究

全文共2976字，预计学习时长8分钟图源：unsplash互联网时代，我们离深度阅读越来越远了。笔者最近读了很多书，仿佛重新回到了高中，这些书的作者有社会科学家、老师、实践从业者和作家等。读书耗时，笔者每天清晨都会抽30分钟来阅读，晚上和周末还会增加时间，因为想要深入学习的东西实在太多了。我高中时很迷小说，读了几十部美国经典，当时对书籍的热爱得益于英语老师的培养。她让我们读迈克尔·翁达杰的《英国病人》——这是一本1992年的小说，围绕二战期间四个截然不同的人邂逅彼此而展开。这本小说展现了一个朦胧而柔和的近代悲惨故事，其故事背景和战争形成鲜明对比，是对我隐蔽青春的一次窥探。我问英语老师是否有其它推荐，她推荐了AP英语课程上的书单。名单上有二十本书，在为期四十周的一个学年里，我觉得这些书都很有趣，便都读了一通，其他同学们看在学分的面子上也读完了。然而讽刺的是，只过了一年，上大学后的我就一个字也读不进去了。虽然也会读有一些研究论文和书本的章节，当然还有几本教科书可供阅读，但我当时对阅读根本不再有耐心，不管是小说、非小说，还是其他任何冗长的文字。在某种程度上，我受到的强烈冲击，正是在被书本和报告定义的K12教育系统下成长的印记。图为笔者阅读清单上的部分书目没有人要求过我们读书，甚至，作为一名计算机科学专业的学生，我们经常被教导书籍不仅不重要。除了教科书之外，课程中没有其他书目，而教科书通常也仅用于解决其中的问题集，而不是提出的想法或论点。由于“只”编写有关计算的书而没有改进，教科书的作者们会被嘲笑。当我开始了解和从事计算机科学研究后，很多导师也跟我说得很清楚：“书没用。”然而有一个例外。当我第一次加入导师玛格丽特·伯内特的实验室时，她让我读邦妮·纳尔迪的《编程小事》。她说，如果要理解实验室里发生了什么（当时我们正在研究终端用户编程），就需要读这本书，因为它其实是实验室中所有待解决编程问题的“圣经”。我在书中发现了一系列丰富的人类学研究，有关于人们尝试利用代码来推进信息工作的现象，有关于人们严重依赖同事偶然获得的一些编程技能专长的现象。这本书在我的脑海中描绘了一个我从未见过的世界，我经常往返于这个世界与现实之间，想要发现这个世界拥有变化的可能性。这就像我在高中时爱上的小说中的世界，但这却是真实可构建的。当然，即使被要求读完这本书，实验室中的研究仍然不是关于写书，而是充其量关于消费和引用它们。实际上，在计算机科学中，我在那本书中发现的知识并没有相关类型知识的范例，也没有关于如何写作的专业浅显知识，除了在研究报告中引用书中的内容，我在Nardi书中学到的东西并没有明显的价值。不管我的导师是否故意让我读这本书，我从他们身上学到一条适用于计算机科学领域的道理：拥有书是好的，但说到底它们还是不重要。所以我放弃了读书，但把注意力放在阅读和写作会议论文、偶尔发表的期刊文章和一篇论文上，这样已经持续十年了。也许有时我会拿起一本书，快乐片刻，用小说分散自己的注意力，亦或是检查我对某事的理解。我的知识世界，虽然在专业领域里正不断深入，同时也在其他知识领域萎缩。直到我加入华盛顿大学信息学院，才渐渐开始明白以往认知的错误。2008年，在学术求职市场面试加州大学欧文分校(UC Irvine)的一个教师职位时，我对之前一直奉行的不读书原则产生了动摇。我在现场遇到了邦妮·纳尔迪本人——我喜欢了十年的书的作者。他的书不仅对我的本科研究影响深远，而且他还在写作方面以及其他研究流派中有所造诣。我居然可能会和她成为同事！我最终选择华盛顿大学部分原因在于其众多与书籍密切相关的不同院系。大多数新同事一生都与书籍关系紧密：有同事把写小说当业余爱好，有的因为写专业书评久负盛名，有的对装订书籍十分精通，还有的面向信息科学和图书管理的学生开设关于图书索引、元数据和图书历史的课程。图源：unsplash很多同事平时见面问我的第一句是：“你最近在读什么？”，好像一个学者的唯一自然状态就是沉浸在书中。突然，我意识到在计算机科学领域中形成的对书的漠然是不正常的。在经历了几年艰苦的任期适应和在一家创业公司任职的经历之后，我最终决定重拾书本，汲取专业知识和个人思考。2018年的时候，我下决心开始阅读，每天早上回复完邮件后都会留出30分钟的阅读时间。有时我的阅读材料是会议报告，有时则是期刊文章，有时会是我着手复习的一篇论文。但大多数早晨，我真正想读的是一本书的下一章。这种习惯在许多方面都影响深远，它不仅为我的学术思想搭建框架，拓宽我的知识，也在无形中充实了我的一天。阅读是珍贵安静的思考过程，大多数人以为放一天假就能实现这一过程，但实际上，这一思考过程，除非大力培养，否则是十分欠缺的。在养成这种习惯之后，我立即意识到计算机科学对书籍的误解。以下观点对人文社科团体来说十分幼稚，对读书爱好者来说更是如此，但对在计算机科学领域我的许多同龄人来说，这就十分激进了，他们很多人告诉我，自己已经很多年没读过书了：· 书籍比会议或期刊论文更能塑造思想。一个伟大的作家的思想、论点、故事和理论在十二个小时内就能变得十分强大。· 书籍也许是唯一能够表达和捍卫宏大论点的载体，会议或期刊论文中有限的字不能表达出最强有力的想法。· 仔细阅读往往可以更好地接受其他大多数媒体传授的复杂想法。它比讲座好，比教育技术好，比很多优秀的学习方法还要好。书能够使读者产生创造力，并且维持其不断发展，并且其“用户界面”比大多数信息技术都要好得多。· 书籍比会议或期刊论文更难写得好。能够连贯地将一个论点扩展到数万个，甚至几十万字，要求作者具有对各种想法细微差别的高度敏感以及对语言运用的高度掌握。认为书籍是“软知识”而计算是“硬知识”的计算机科学家对此一无所知。图源：unsplash当然，我们仍然不能忽视会议报告和期刊论文的挑战性和必要性，所以我还是要多读多写会议报告和期刊论文，只不过对书籍的作用有了更深刻的理解，而这些是其他媒体无法取代的。于是乎我更加谴责计算机科学忽视书籍，忽视具有价值的阅读或写作知识的观念。我很想知道计算机科学中对书籍的无知会对这一领域本身造成什么影响。毕竟，许多最令人震撼的想法仅在书中才得到了充分的阐述。计算机科学家们会因为他们没有良好的阅读习惯而与什么样的想法失之交臂呢？整个社会科学和哲学世界的大门都对计算机科学紧闭，除了最原始的方法，比如维基百科上的摘要，或者像我在这个博客上写的那种毫不完整的摘要。告别计算机科学界的“读书无用论”吧，拥抱书籍中的新世界，现在不算太晚。留言点赞关注我们一起分享AI学习与发展的干货如转载，请后台留言，遵守转载规范

新智元报道 来源：AAAI编辑：木青【新智元导读】日前，AAAI在其官方推特上公布了2019 Fellow名单，在新当选的7位学者中，有两位华人学者入选——罗杰波和刘欢，这两位华人学者在12月初也入选了2018年ACM Fellow。日前，国际人工智能学会AAAI在其官方推特上宣布，全球有 7 位学者当选为 Fellow。其中有两位华人学者入选，分别是美国罗彻斯特大学计算机系教授罗杰波，美国亚利桑那州立大学的计算机科学与工程学院教授刘欢。AAAI是国际人工智能领域最权威的学术组织，其前身为美国人工智能协会。每年，AAAI都会评选出在人工智能领域持续做出非同寻常贡献的人，授予其AAAI Fellow称号，Fellow是该学会给予会员的最高荣誉，每年通常选出5-10位新的Fellow，限制不超过10位入选。第三十三届AAAI人工智能会议将于2019年1月27日至2月1日在美国夏威夷举行。2019 AAAI Fellow入选名单（排名不分先后）刘欢刘欢（Huan Liu），美国亚利桑那州立大学计算机科学与工程、信息学与决策系统工程系教授，IEEE Fellow，研究方向为数据挖掘、机器学习、社会计算、人工智能，以及真实数据密集型应用的问题。今年12月初，刘欢教授入选ACM Fellow。罗杰波罗杰波（Jiebo Luo），美国罗彻斯特大学计算机系教授，曾任柯达研究院资深首席科学家，IEEE Fellow、IAPR Fellow 和 SPIE Fellow。研究方向主要包括信号和图像处理、模式识别、计算机视觉、以及众多相关交叉学科。今年12月初，罗杰波教授入选ACM Fellow。Vincent ConitzerVincent Conitzer，美国杜克大学计算机科学、经济学、哲学教授，其研究兴趣包括人工智能、人工智能道德规范、计算微观经济学和博弈论。Luc De RaedtLuc De Raedt，比利时天主教鲁汶大学（Katholieke Universiteit Leuven）计算机科学教授，主要研究方向为人工智能、机器学习、概率逻辑学和数据挖掘以及相关应用。Kristen GraumanKristen Grauman，美国得州大学奥斯汀分校，计算机科学系教授，主要研究方向为机器学习、计算机视觉和人工智能。Charles IsbellCharles Isbell，美国乔治亚理工学院教授，主要研究领域为交互式人工智能，研究兴趣包括交互式娱乐、机器学习、软件工程和编程语言。Peter StuckeyPeter Stuckey，澳大利亚莫纳什大学，信息技术学院教授，主要研究方向为约束编程、编程语言和生物信息学。往届其他华人 AAAI Fellow（排名不分先后）周志华周志华，南京大学计算机系主任、人工智能学院院长。主要从事人工智能、机器学习、数据挖掘 等领域的研究工作。ACM、AAAS、AAAI、IEEE、IAPR、国际工程技术学会 (IET/IEE) 、中国计算机学会(CCF)、中国人工智能学会(CAAI) 等学会的会士 (Fellow)，欧洲科学院外籍院士。杨强杨强，香港科技大学新明工程学讲座教授、计算机科学与工程系主任，香港科技大学大数据研究所主任，AAAI、IEEE、AAAS和IAPR Fellow， ACM 杰出科学家，研究领域为人工智能、机器学习和数据挖掘。刘兵刘兵，美国伊利诺伊大学芝加哥分校计算机科学系教授，ACM、AAAI & IEEE 三院会士（Fellow），ACM SIGKDD 主席，其主要研究领域为数据挖掘等。林方真林方真，香港科技大学计算机科学与工程系教授，其研究方向包括人工智能、编程语言、机器人技术、语言理解等。邢波邢波，卡耐基梅隆大学计算机学院教授，机器学习系副系主任，Petuum 公司联合创始人，AAAI Fellow，其研究方向包括计算机科学、机器学习、计算生物学等。林智仁林智仁，国立台湾大学计算机科学系教授，IEEE Fellow、AAAI Fellow 及 ACM 杰出科学家，主要研究领域包括机器学习、数据挖掘与数值最优化。往届AAAI Fellow入选名单链接：https://www.aaai.org/Awards/fellows-list.php更多阅读：突发！中国法院初步裁决禁售多款iPhone，高通告赢了苹果？2018，一文看尽AI发展真相（上）清华北大留不住，高中生毕业去美国读AI本科值不值？新智元 AI 技术 + 产业社群招募中，欢迎对 AI 技术 + 产业落地感兴趣的同学，加小助手_2 入群；通过审核后我们将邀请进群，加入社群后务必修改群备注（姓名 - 公司 - 职位；专业群审核较严，敬请谅解）。

讲座预告逻辑、语言与认知系列讲座讲座题目：大数据视域中的逻辑和哲学问题主讲人：任晓明（南开大学哲学院教授）主持人：张建军（南京大学哲学系教授，逻辑所所长）时间：2019年5月24日（周五）19：00地点：哲学系（薛光林楼）314室主办：南京大学哲学系/现代逻辑与逻辑应用研究所/科学技术与社会研究所主讲人简介任晓明，南开大学哲学院教授、博士生导师。美国堪萨斯大学访学学者。兼任中国逻辑学会副会长、国家社科基金学科规划评审组专家、国务院政府特殊津贴专家。主持国家社科基金重大项目《现代归纳逻辑新发展、理论前沿与应用研究》。主要著作（含合著）有：《归纳逻辑百年历程》《计算机科学哲学研究》《非经典逻辑系统发生学研究》《决策、博弈与认知——归纳逻辑的逻辑与应用》。另有论文100余篇。内容摘要大数据和人工智能是哲学和逻辑理论和应用研究的热点，讲座探讨大数据引出的一系列面向21世纪学术研究的前沿问题。系统阐述大数据的基本概念、基本特征和悖论、穆勒方法的现代解读、论述了贝叶斯主义和贝叶斯概率逻辑的恰当性，贝叶斯确证逻辑的恰当性，大数据与贝叶斯统计推理、贝叶斯决策理论与大数据、贝叶斯网络的哲学意义等问题，重点论证了大数据引出的哲学问题。探讨了大数据的概率逻辑问题，并分析了由此引出的统计谬误等问题。从逻辑、哲学与认知三个方面总结了基于大数据的逻辑发展的趋势，预示了逻辑和哲学进一步发展的新方向。编辑 | 丁天

哲学在普通人的眼里通常是两种情况——要么被过度低估，要么就是被过度高估。一方面，有人觉得读哲学没有用处，读哲学专业的人会很难找到工作（除非留校任教）；另一方面，有人觉得哲学很有用，可以训练逻辑思考能力。这两种观点虽然表面上看起来很矛盾，但两种观点看待「哲学」出发点是却一样的，即都是从实用主义（即通常所讲的“学以致用”）的角度来看待哲学。对于「哲学有没有用？」，这种看法对「哲学」理解是「哲学知识」（这里暂时不讨论走学术或是在一些特别离奇的情境）。在现实生活中，具体的哲学知识确实没有用处，一个普通人与其知道笛卡尔的「我思故我在」在说什么，不如去研究哪种食物的卡路里比较低。虽然哲学知识本身没有用处，但正是由于知识本身没用，因此思考过程中对于推理的训练就很有帮助的，它于像是一种「脑力训练」或「思考模式」，可以帮助人在其他问题上用更有趣或是清晰的角度进行思考和决策。在历史当中，哲学是一个逐渐被瓜分的领域，哲学的定义一直随着情境和历史不同而变动。因此古代哲学、大学哲学跟一般人口中的哲学，指涉的对象可能完全不同。「哲学知识」和「哲学背后的思考模式」是两个不同的概念。比起学习、背诵具体的哲学知识，最重要的其实是学习后者。如果搞混了这两者的区别，可能会造成许多精力上的浪费。在哲学专业的人看来，哲学要么被大众过度高估，要么就是被过度低估：（哲学被过度高估）很多人看到哲学经典或理论就很崇拜，觉得这些知识肯定很厉害。但在一些哲学系的人看来，「哲学知识」反而是哲学中最无用的部分，它不仅复杂难懂而且离生活很远。因此如果好不容易读完《理想国》，却仅仅只学到当中的故事细节（知道什么叫「洞穴比喻」又能怎么样），而没有产生自己的思考和观点，那其实不如不要读。（哲学被过度低估）虽然比起更加实用的医学、计算机科学，哲学知识在现实生活中没有用处，但这些知识的价值其实是体现于当人思考该问题的过程。比起其他知识领域，哲学的学习更能有效的让学习者进行思维上的训练，而这些被训练出的思考能力，绝对能够是面对其他难题的强大武器。哲学最重要的不是哲学知识的本身，而是哲学背后的思考方式和看待问题的角度。除非要走的学术路线，不然课堂上那些具体的哲学知识对一个人未来的就业跟生活来讲其实没什么帮助。毕竟，如果仅仅知道笛卡尔的二元论、柏拉图理想世界在讲什么，除了聊天时可以装一下作为谈资，在现实生活中很少有用到这些知识的机会。因此，一个人读哲学除非能真正学会思考问题的方法，不然阅读《理想国》跟阅读市面上《一年狂赚100万》之类的创业书是其实没什么区别的（而且，后者可能更有实用性）。在哲学系四年里中，如果最后只学到一堆具体的「哲学知识」（知道某某哲学家讲了什么理论），但最后却无法把这些背后的思考模式抽象出来，并且应用在未来生活中，那不如去读一些拥有更实用知识的学科，例如计算机、摄影……等。除了学习背后的思考方式，课余一定要花更多时间培养其他的技能。所谓逻辑、分析能力终究是一种隐性能力，其他专业的同学虽然没有学习过哲学、逻辑学，但是并不意味非哲学专业的同学就没有逻辑思考的能力。因此，不管再如何的会分析问题，如果缺乏真正的具体实践或创造，那所谓思想上的优势根本就只是一种嘴炮。总之，如果对一个实用主义者来说，如果觉得花了心思去学了哲学却无法让自己受益（像是培养出适合自己价值观、独特的视角或是拥有更好的人生）。那即使知道了那些复杂艰涩的哲学知识、名词又怎么样呢？还不如去研究那些有标准答案且更靠近生活的实用知识。毕竟，学习应该是为了让自己的生活变得更好，而不是变得复杂，但是，对于从事哲学类的学术研究的人来说则不能从实用主义的角度出发来研究看待哲学。相关文章：实用主义的危害有哪些？怎么向非哲学专业的同学，系统的介绍“什么是哲学”？读的哲学书越多，越容易不谙世情——哲学最忌脱离知行合一

前段时间，我们分享了知名AI学者、斯坦福高材生李纪为的故事。这位半路出道，从生物科学跨界AI领域的年轻人引发了读者热议，有读者直接感慨“一个被生物耽误的CS大神”。今天我们分享的还是一个被生物耽误的AI大神的故事，她叫哈里尼·苏雷什( harini Suresh )，是MIT计算机科学与人工智能实验室( CSAIL )的博士生，正在研究一个多层难题:如何创建公平、准确的机器学习算法，还能让用户获得所需的数据？越来越多的研究和社会现象表明，算法和软件可能具有歧视性。我们曾在《加拿大机器学习研究员、哲学研究所博士后：为什么AI需要哲学？》一文中介绍过，目前算法出现过的重大失误包括：谷歌图片把黑人标记成了大猩猩、聊天机器人发表过纳粹言论、就连自动肥皂器都貌似有种族偏见等。在国内，不少人也意识到了算法歧视问题，并展开疯狂吐槽。比如，因为是女性，又喜欢玩游戏，网页上就充满了后宫和换装手游广告。事实上，姑娘关注的明明是单机和独立游戏话题。然而，这些AI工具的性质比较模糊，目前很难实施具体的法规约束它们。明确这些“决策助手”的现有法律、道德和哲学含义，同时保证用户获得答案和信息，是一项复杂的挑战。苏雷什在MIT约翰·古塔格（John Guttag）教授的数据驱动推理小组中研究自动化系统的社会意义，该小组利用机器学习和计算机视觉来改善医学、金融和体育领域。在本次采访中，苏雷什聊了她的研究动机、进入MIT的原因，以及如何教学生深度学习。Q：为什么要来MIT?A：八年级的时候，我妈妈对一款印度辛辣食物产生了过敏反应，这事儿让我很困惑。我想找出根本原因。幸运的是，我在印第安纳州普渡大学旁边长大，在那里我遇到了一位教授，他教我怎么测试那些关于过敏的假设。从此，我迷上了提问和回答自己的问题，并在整个高中都探索这个领域。在MIT读本科时，我打算只研究生物学，直到上了一堂计算机科学课。我知道了计算工具可以深刻地影响生物学和医学，因为人类无法像机器那样处理海量数据。本科快结束时，我开始与彼得·绍洛维茨（Peter Szolovits，计算机科学与工程教授）一起做研究，他的研究方向是利用海量医学数据和机器学习，提出新见解。我攻读了计算机科学硕士学位，现在是一名博士生，研究个性化医学，以及机器学习的社会意义。Q: 目前的工作是什么?A：我正在研究如何使机器学习算法更容易理解，以及负责任地使用。在机器学习中，我们通常使用历史数据，训练模型来检测数据中的模式，并做出新的预测。如果数据有特殊偏见，如“妇女往往接受较少的疼痛治疗”，那么模型也会了解这一点。即使数据没有偏见，但量太少，预测结果也会变得很糟。把这样的模型送进医院(或任何现实中的系统)，那它对所有人都不公平，这是个问题。我正在创建一种算法，可以公平而有效地利用数据，包括检测数据中的偏见或代表性不足问题，以及找出机器学习使用过程中，可以减轻偏见的方法。与此同时，我还在研究预测模型，以改善患者的护理过程。Q：你认为你的研究领域在未来十年会带来什么影响？A：机器学习无处不在。公司会把这些算法放进产品里，不管它们是否公平。除了让人们方便使用工具，我们还要对这一进程负责，因此，对数据的预测要以社会可以接受的方式进行。Q：最喜欢CSAIL哪一点？A：当你寻求帮助时，无论技术细节问题、高难度问题还是一般生活建议，即使需要很长时间，这里的人都会真心愿意提供支持，和你讨论问题，帮你找到解决方案。Q：工作中面临的最大挑战是什么？A：一旦想到机器学习的问题会进入现实世界中的应用，而我们的工作最终会交付给真实的人，就会产生很多法律、伦理和哲学方面的考虑。“公平”的定义多种多样，重要的是，不要把研究归结为一个简单的公式，因为它远不止于此。在思考工作如何与这些大框架相适应的同时，还要解决计算机科学问题，使其可行，这无疑是一个挑战。Q：大多数人了解你后，最惊讶的是什么？A：我喜欢创造性写作，在来MIT之前，我一直以为自己会成为一名作家。我真的很喜欢艺术和创造力，不久前还在自己的房间里画了一幅壁画。我还经常在MIT的陶艺工作室里待上几小时。此外，我喜欢制作食谱、拍照。Q：如果能告诉过去的自己一件事，你会说什么？A：如果你把时间花在某件事上，而它对你的论文没有直接贡献，不要认为它是浪费时间的事儿。接受自己在学习过程中没有弄懂一些问题，并且在掉头尝试其他新事物时，不感到内疚。如果你想做别的，最好早点去做。看起来后果很严重的事儿，比如，上了一节附加课或者稍微晚一点毕业，实际上过后回头想想，并不是什么事儿，很多人都会这么做。老实说，未来的我可能也需要这个建议！Q：你在MIT还参与了什么项目？A：在 2017年独立活动期，我组织了一个叫《深度学习导论》的课程。机器学习往往被认为是一项非常困难、只限于专家的工作，它吓跑了很多人，并创造了同质化严重的 “专家群体”。我想创建一个低投入的介绍机器学习领域的课程，这可能有助于初学者入门。在制定课程决策时，我和其他组织者把无障碍和包容性放在首位。用容易理解的方式交流复杂的想法是一个挑战，却非常有趣。来源：MIT作者：Rachel Gordon智能观 编译—完—亲爱的朋友：优秀的人，通常都是多才多艺爱好广泛的。读完这篇文章，你看到了什么？最大的感触是什么？安！智能观 一米2018-5-5 于北京中关村声明：编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。

说起来计算机科学与技术这个专业是非常热门的，从该专业毕业的学生就业前景很不错。目前不少理工类的学生，会考虑选择学习该专业。有不少院校也开设了这一专业，毕业生大多进入到互联网公司工作，起薪也比较高。在报考院校时，不少学生也会考虑到学校和专业的真实实力。这里我们就来看看，在计算机科学与技术专业上，哪所院校的表现最好。考生可以根据学校的综合实力以及专业排名情况，做出相对理性的报考决策。高校计算机科学与技术专业排名，北大仅列第4位：清华无缘首位，榜首被这一高校摘夺在这个榜单中，第一名是电子科技大学。这所高校本身就是一所工科类院校，学校的优势学科也大多为工科类专业。该校成立于1956年，目前共有3个校区，23个学院，办学规模不小。其中最为突出的就是电子科学与技术专业。其实清华的工科类专业也很有优势，但在这份榜单中却输给了电子科技大学，暂时位列第二名。在很多人心中，清华都是非常优秀的院校，可以说代表了全国高校的最高水平。但就该专业来说，清华的综合实力还是略低。北大仅列第4位，北航表现亮眼在该专业的综合实力表现上，北大的表现并不是很符合大家的预期，仅仅位于第四名。浙江大学超过了北大，稳坐第3名的位置。可能在很多人心中，北大和清华都是顶尖名校，但在此专业的表现上这两所院校并没有那么强。值得一提的是，在前10位的高校中也有北航的身影。北航位于排行榜的第7位，表现非常亮眼。这所高校目前拥有7个世界一流建设学科，其中就包括计算机科学与技术。北航该专业录取分数线也不低，对学生要求很高。复旦不在前20名高校中，让人意外比清华北大还让人吃惊的是，复旦大学根本没有出现在这份排名的前20位中。若论综合实力，复旦是可以排在全国前5位的高校，但是这所高校的优势学科主要为政治学、哲学，并没有包括计算机科学与技术。其实每次说到大学综合排名或者学科的排名情况，都会产生一定争议。不过根据这些排名，考生还是能够大概了解到学校的整体实力，以及专业的表现如何。在志愿填报时，这些排名可以作为学生的参考。总有人说“考得好不如报得好”，事实也确实如此。在志愿填报阶段，考生需要了解到学校和专业的具体情况，在进行综合考量后，做出报考决定，不然很容易感到后悔。这里我们就来看看，考生填报志愿应该注意什么。考生填报志愿应该注意什么？该不该服从调剂？在高考填报志愿选择专业时，有一项是是否服从调剂。面对这个选项，不少学生会感到为难。有的学生认为，坚决不能服从调剂，如果调剂到自己不喜欢的专业，就算就读再好的院校也是白搭。有的学生则表示可以接受调剂。其实考生可以合理利用调剂这个选项，来达到自己想要的目标。有的学生就是想读名校，那么利用调剂这个选项，可以通过就读冷门专业的方式上名校。总之大家要考虑好自己真实的需求，不要盲目进行选择。对学校和专业有深入的了解不少学生在填报志愿时，还会犯的一个错误是对学校和专业并没有特别深入的了解，就草率报考。还有的学生比较喜欢“望文生义”，看到专业的名字就联想到专业的学习内容，没有弄清楚就报考了，结果肯定是不尽如人意。目前国内高校多达3000多所，包含100多个本科专业。其中还有不少新兴专业，学生必须在弄清楚这些专业的具体学习内容、未来发展前景的基础上进行报考。不然等到上了大学之后，会感到后悔不迭。考虑到自身的兴趣爱好学生在毕业后要从事和本专业相关的工作。如果一开始就对自己学习的专业不怎么感兴趣，毕业之后也很难找到这个方向的工作。把兴趣发展成工作，是一件比较无聊的事情。但是对专业一点兴趣也没有，则是痛苦的事情。有学生说，自己在填报志愿时已经非常小心了，还是难免读了自己并不喜欢的专业，这样还有补救的方法吗？如果学生对自己目前就读专业确实不感兴趣，可以试着换专业，具体来说有这样几个方式。读了不喜欢的专业，还有弥补的办法吗？在校期间申请换专业：一般来说在大一快结束时，学生是有换专业的可能的。不过这个操作比较麻烦，对学生自身要求也比较高。通常只有学习成绩好的学生，才有换专业的机会。如果学生想换的专业热度比较高，难度就更大了。通过考研更换专业：现在跨专业考研已经是非常普遍的事情了，学生如果没能完成在校期间换专业，可以尝试着考其它专业的研究生。这要求学生找到自己真正感兴趣的领域，并且为这个领域付出更多精力和时间才行。就读双学位：这个方式相对来说是更加可行的，不过同样还是要求学生在本科期间更加努力。大家可以想想，其他学生只需要学习一个专业课，考试压力没那么大。读双学位的学生，则需要攻读两个专业课，期末考试的压力也比较大。结语：对高三学生来说，高考成绩是很重要的，不过志愿的填报同样也非常重要。有部分学生成绩很好，就是因为对志愿填报疏忽大意，最终没能去往理想的院校，浪费了原本的好成绩，这是非常可惜的事情。今日话题：学生在填报志愿时，家长应该给过多意见吗？#12月跨年冲刺计划#

哲学——追求真理的学问“哲学是什么？” 对于这个问题不同的哲学家都有不同的看法，甚至他们的有些看法是截然相反、互相冲突的。而对于像我这样的一般人来说，“哲学”一词虽然经常挂在嘴边，经常和朋友同事显摆，讲一些哲学理论，但真当他们偶尔问起“什么是哲学”的时候，我也是一时语塞，强行解释几句，生硬的转移话题。那么哲学什么是呢？我们来看一下西方哲学的起源，希腊人是如何解释“哲学”这个词的。在希腊语中，“Philosophia”表示哲学的意思，这个词是距今两千五百年前的古希腊人所创造的术语。Philosophia是由philos和sophia两部分构成的动宾词组，philein是动词，是“爱、追求”之意，sophia指“智慧”。Philosophia按其本义而言，乃是指爱智慧、追求智慧、追求真理。让我们再结合哲学所研究的问题，哲学一般所探究诸如：我们知道什么、我们应当怎样做或应当相信什么、现象的共同本质这类重大的问题。结合这两点，我们是不是可以下一个定义：哲学不是一套主张 、命题或理论，哲学是一种方法，是对事物寻根究底的过程，一种对那些在大部分时间里被认为是理所当然、从未有过怀疑或从未表达出来的想法提出根本怀疑的过程。于是我们可以发现，“哲学是什么？”这个问题就是哲学式的问题。我的朋友看似是在对我进行调侃，但他同时也进行了对于我思想的反思，而对思想的反思就是对于哲学的思考。因此，哲学经常是两个哲学家甚至是学习哲学的普通人互相辩论时，凭着意见的不同而有所推进的（不过在辩论的时候要注意气氛，千万不要得理不饶人，苏格拉底就是因为没事爱问问题，还专挑别人的漏洞，问的别人满脸羞愧承认自己什么都不知道，才放过别人而被判死刑的。要注意的是，审判苏格拉底的人民陪审团有500人，其中360人同意判他死刑，真是招人恨啊）。苏格拉底之死哲学是科学之母为什么我说哲学是科学之母？当然会人会觉得不服气，不过让我们翻开科学史，我们就会发现：公元3世纪前，欧几里得( Euclid)的工作使得几何学成为一门“空间科学”(sciencof space)，从柏拉图（Plato）学园的哲学分离出来，但学园的哲学家仍然讲授几何学。伽利略(Galileo)、开普勒(Kepler)以及17世纪牛顿的最终革命，使物理学(physics)作为一门学科与形而上学（metaphysics）分开。到了现在，有些研究物理学的系,名字仍叫做“自然哲学”。1859年的《物种起源》（On the Origin of Species）使生物学与哲学（和神学）相分离；到了20世纪初，心理学作为一门独立学科也从哲学中分割出来。哲学对逻辑有长达千年的关注，在最近的50年中，这种关注最终导致了计算机科学的诞生。我们会发现从古希腊到现在的科学史，就是哲学中的某一部分不断从哲学中分化出来，成为一门独立学科的历史。哲学与科学对于理解对方是不可或缺的科学与哲学间的关系是如此的紧密，每一门从哲学中分离出来的科学，同时都给哲学留下了一些独特的问题，一些它们不能解决的东西，却使得哲学必须永久面对或者至少暂时要面对的间题。比如：数学处理数字，但它不可能回答数是什么的间题。注意，这不是指“2”“dos”或者“I”或者“10(以2为底)”是什么的间题。它们每一个都是一种数字，一种符号，一种书写，并且都命名同一个东西，即数字2。当我们问数是什么，我们的问题不是关于(书写的或者言说的)符号的，而显然是关于事物的。柏拉图坚持数是事物，虽然是抽象事物，至少自他以来哲学家对这个问题一直在提供不同的解答。与柏拉图相对照的是，另外一些哲学家认为数学真理(不是关于抽象构体和它们之间关系的，它之为真是基于关于宇宙间具体事物的事实，并反映了我们对数学表达式的用法。第二个例子，牛顿第二定律告诉我们F=ma，力等于质量与加速度的乘积。加速度相当于dv/dt，即速度对时间的一阶导数。(可是,什么是时间小这个概念我们都明白，也是物理学所要求的。我们一般人想必知道时间是什么，时间概念对物理学家也是不可或缺的，但是无论是一般人还是物理学家都难以明确地告诉我们时间究竟是什么，或者如何定义它。注意，用时、分和秒这样的术语去定义时间，是把时间的单位与我们用这样的单位所测度的内容混淆了。这好比用或者英来定义空间。另一方面，我们不能说时间就是持续，因为持续恰恰只是某某时间的流逝。这样做，我们的定义恰恰预设了我们试图要定义的那个概念。可以说哲学主要考虑的，就是科学目前不能回到或者永远也许不能回答的问题，进一步考虑的是科学为什么不能回答这些问题的问题。而两千多年的科学发展已经塑造改变了哲学探究的议程。从17世纪科学革命获得巨大成功以来，科学确实是哲学最有力的源泉。牛顿力学的决定论也引出了人类行为中的决定论，牛顿力学的成功使决定论成为一种活跃的哲学选择。牛顿和达尔文成为了哲学唯物主义的最大源泉，这种思想大大动摇了包括形而上学、心灵哲学在内的传统哲学理论，进而威胁到了道德哲学。到了20世纪物理学发展和数学的基础动摇了哲学唯物主义的信念，量子力学的概率不可能以极高的精度说明物质（以及万物）的基本构成物的行为。我们可以看到，哲学家在思考心智与它在自然界的地位、自由意志与决定论、生命的意义等问题时，所有这一切都深受科学进步的影响。而随着科学对与实在的描述在过去的几个世纪里不断变化，于是哲学问题的本性也随之变化。

计算机的历史经常被描述为实物的历史，从算盘，到巴贝奇差分机，再到二战期间的密码破译机。事实上，我们更应将其理解为思想的历史，而且主要是源于数理逻辑的思想——数理逻辑是一门晦涩艰深、迹近邪教的学科，最初诞生于19世纪。数理逻辑的先驱是一些哲学倾向浓厚的数学家，其中最著名的当属乔治·布尔（GeorgeBoole）和戈特洛布·弗雷格（GottlobFrege），而启发他们的，是莱布尼茨的通用“概念语言”以及亚里士多德的古老逻辑系统。最开始，数理逻辑被认为是一门极度抽象的学文，不会有什么实际应用。正如一位计算机科学家所言：“在1901年那个时候，如果有一位局外人受命调研诸门科学，并找出在未来百年内，其应用成果最少的一门学科，答案很可能就是数理逻辑。”然而，数理逻辑将为一个领域奠定基础，而这个领域对现代世界产生的影响将超过其他任何领域。数理逻辑对计算机科学的推动在20世纪30年代达到高潮，当时，有两篇具有里程碑意义的论文问世：克劳德·香农（ClaudeShannon）的《继电器与开关电路的符号分析》，以及艾伦·图灵（AlanTuring）的《论可计算数及其在判定问题上的应用》。在计算机科学的发展史中，香农和图灵是令人高山仰止的人物。但是，他们之前的哲学家和逻辑学家，其重要性却常常被忽视。“数学或许可以被定义为我们永远不知道自己在谈论什么，也不知道我们说得对不对的一门学科。”在许多方面，香农的论文都是一篇典型的电子工程专业论文，其中满是方程式和电路图。但这篇论文的特别之处在于，其主要参考文献是一部拥有90年历史的数学哲学著作——乔治·布尔的《思维规律》（TheLawsofThought）。如今，在计算机科学家中，布尔的大名可谓如雷贯耳。但1938年那会儿，在哲学界之外，他的著作几乎鲜有人知。香农是在本科阶段的一门哲学课上读到布尔著作的。“碰巧的是，没有其他人同时熟知这两个领域。”他后来曾说。布尔经常被说成是数学家，但他自视为哲学家，是亚里士多德的门徒。布尔在《思维规律》的开篇阐明了自己的目标，就是要探究人类思维的基本规律。接着，布尔致敬了对其著作产生重大影响的亚里士多德——逻辑学的开山鼻祖。试图改进亚里士多德的逻辑学，这堪称一个大胆之举。亚里士多德的逻辑学在两千多年的学术原则中占据着核心位置。人们普遍认为，亚里士多德的逻辑学已经十分完备。哲学家康德曾评论说，既然亚里士多德的逻辑学一直“未能再更进一步，因此从各个方面来看，它已经是完整和完备的了。”亚里士多德的核心发现是，论证是否有效，是基于其逻辑结构，与所涉及的非逻辑性词汇无关。他提出的最著名的论证模式被称为三段论：所有人必有一死。苏格拉底是人。因此，苏格拉底必有一死。我们可以用其他任何对象替换这里的“苏格拉底”，用其他任何谓语替换“必有一死”，而最终的论证仍将成立。论证的有效性只是由逻辑结构所决定，逻辑词汇——“所有”、“是”、“因此”——构成了这个结构。此外，亚里士多德还定义了一组基本公理，并据此推导出其逻辑系统中的其余部分：A是A（同一律）A不是非A，或A不能既是B又不是B（无矛盾律）A是B或不是B（排中律）这些公理并不是为了描述人类实际的思维方式（那属于心理学范畴），而在于描述一个理想化的、绝对理性的人所应具备的思维方式。亚里士多德的公理化方法影响了一部更为有名的著作：欧几里得的《几何原本》（Elements）。有人估计，它是印刷数量仅次于《圣经》的书籍。《几何原本》的残页虽然表面上讲的是几何学，但《几何原本》却成为了教授严谨演绎式推理的教科书。亚伯拉罕·林肯曾说，他通过研究欧几里得，学会了有效的法律辩论方法。在欧几里得的体系中，几何命题一直以空间图的形式呈现。直到17世纪30年代，笛卡尔向世人展示，几何还可以用公式来表示，这才取代《几何原本》长达两千年的“统治”。笛卡尔的《方法论》是西方第一本普及代数符号的数学著作。如今，这些代数符号已经成为标准，比如用x、y、z代表变量，用a、b、c代表已知量，诸如此类。笛卡尔的代数学让数学家得以超越空间感，通过精确定义的形式规则来使用符号。这让数学研究的主导模式从图表转向了公式，并由此产生了一系列影响，其中之一，就是促进了微积分学的发展——在笛卡尔去世大约30年后，牛顿和莱布尼茨分别独立发明了微积分。布尔想对亚里士多德逻辑学所做的事，正如笛卡尔对欧几里得几何学所做的改变：把逻辑学从人类直觉的限制中解放出来，办法就是赋予其一个精确的代数符号。举个简单的例子，当亚里士多德写出：布尔用变量替代“人”和“必有一死”，用算术运算符来替代逻辑词“所有”：x=x*y这个等式可以被解读为，“所有在集合x中的对象同样在集合y之中。”《思维规律》创造了数理逻辑这一全新的学术领域，在随后的岁月里，它成为了数学家和哲学家研究最为活跃的领域之一。香农的独到见解在于，他认为布尔的数理逻辑可以直接应用到电路中。当时，还没有一套系统理论来统领电路的设计。香农意识到，正确的理论应该是“对逻辑学符号研究所使用的命题演算的精确模拟。”他在一张简单的图表中展示了电路与布尔运算之间的对应关系：香农将数理逻辑应用到电路中这种对应关系为计算机科学家提供了基础，让他们得以运用布尔等逻辑学家数十年间在逻辑学和数学领域所取得的研究成果。在论文的后半部分，香农演示了如何利用布尔逻辑来开发一个可以进行二进制数字加法运算的电路。香农的加法器电路把这些加法器电路串联在一起，就可以实现任何一种复杂的算术运算。作为基本模块，这些电路构成了所谓的算术逻辑单元，后者是现代计算机的关键部件。香农的另一大成就在于，他是区分计算机逻辑层和物理层的第一人。这种区分对计算机科学来说十分重要，以至于现代读者可能无法理解它在当时是何等富有洞见——这倒使我们想到了那句谚语，“一个世纪的哲学是下一个世纪的常识。”香农的论文发表后，研究人员在计算机的物理层方面取得了长足进步，其中包括贝尔实验室的威廉·肖克利（WilliamShockley）及其同事在1947年发明了晶体管。晶体管可谓香农继电器的大幅改进版，也是在物理层进行布尔运算编码的最著名方式。在之后的70年里，半导体行业在越来越小的空间中集成了越来越多的晶体管。2016年款的iPhone拥有约33亿个晶体管，每一个都相当于香农在论文中描述的“继电器开关”。香农向世人展示了如何将逻辑学运用到物理世界，而图灵则揭示了如何用数理逻辑的语言来设计计算机。当图灵在1936年撰写论文时，他试图解决的是“判定问题”。该问题由数学家大卫·希尔伯特（DavidHilbert）首次提出，他想知道，是否存在一种算法，可以判定任意数学命题的真伪。与香农的论文不同，图灵的论文具有很强的技术性，其主要价值不在于它对判定问题给出了答案，而是在此过程中，它为计算机设计提供了模板。图灵所属学派的渊源可以追溯到莱布尼茨，即那位独立发明了微积分的哲学巨擘。在莱布尼茨对现代思维做出的诸多贡献中，最新奇的想法之一就是他提出的“通用语言”概念。按照他的设想，这种语言能够表示所有可能的数学和科学知识；它是一种类似于古埃及象形文字的表意字符，只不过这些字符对应的是数学和科学的“原子”概念。莱布尼茨认为，这种语言将“大大增强”人类的推理能力，作用将远超显微镜、望远镜等光学仪器。莱布尼茨还设想了一种能够处理这种语言的机器，他称之为“推理演算机”。不过，莱布尼茨未能有机会发明他的通用语言，也没能设计出这种机器。直到1879年，莱布尼茨的这一梦想第一次有望成为现实。当时，德国哲学家戈特洛布·弗雷格出版了具有里程碑意义的逻辑学著作《概念文字》（Begriffsschrift）。在布尔尝试改进亚里士多德逻辑学的启发下，弗雷格发明了一种更加先进的逻辑系统。如今，哲学和计算机课堂上教授的逻辑学——一阶逻辑或谓词逻辑——只是对弗雷格的系统稍作了修改。弗雷格逻辑学的主要创新在于，它更准确地反映了日常语言的逻辑结构。此外，弗雷格还率先使用了数量词，并头一次把宾语从谓语中分离出来。他还是如今计算机科学中一些基本概念的提出者，比如递归函数。弗雷格的形式语言——他称之为“概念脚本”——由无意义的符号组成，这些符号则由定义明确的规则操控。语言只由解释来赋予意义，而解释是单独指定的。用杰出计算机科学家艾伦·纽厄尔（AllanNewell）和赫伯特·西蒙（HerbertSimon）的话来说，这让逻辑学演变成了“符号游戏”，一场“使用无意义的符号、基于特定纯粹句法规则来进行的游戏。”正如哲学家罗素那句诙谐的名言：“数学或许可以被定义为我们永远不知道自己在谈论什么，也不知道我们说得对不对的一门学科。”也许没有人料到，弗雷格的研究工作竟带来了一个意外后果：人们发现了数学基础中的漏洞。例如，事实证明，数千年来被奉为逻辑严密性黄金标准的《几何原本》竟然充满了逻辑错误。由于欧几里得使用了“直线”和“点”这样的普通词语，因此在面对含有这两个词的语句中，他（以及数千年来的读者）诱使自己做出了想当然的假设。举一个相对简单的例子，在普通用法中，“直线”这个词表示，如果三个不同的点位于一条“直线”上，那么其中一点必在另外两点之间。但是，当你使用形式逻辑来定义“直线”时，“之间”这个概念也需要加以界定，而欧几里得恰恰忽视了这一点。一旦运用形式逻辑，这样的缺漏很容易被发现。于是，这就引发了数学基础的危机。如果作为数学圣经的《几何原本》出现了逻辑错误，那么其他数学领域有没有呢？那些建立在数学基础上的学科，比如物理，又怎样呢？好消息是，用于发现这些错误的逻辑方法，同样也能用来纠正它们。数学家开始全面重建数学的基础：1889年，朱塞佩·皮亚诺（GiuseppePeano）提出了算术公理；1899年，希尔伯特提出了几何学公理。此外，希尔伯特还提出了一个计划，试图将数学的其余部分形式化，并列出了形式化所应满足的具体要求，包括：完备性。我们必须证明以下命题：在形式化之后，数学里所有的真命题都可以被证明。确定性。应该有一个算法，来确定每一个形式化的命题是真命题还是假命题。（这其实就是图灵论文中提到的“判定问题”。）所谓希尔伯特计划，就是通过满足这些要求，来重建数学学科。直到20世纪30年代，这一直是一群逻辑学家的研究重点，其中包括希尔伯特、罗素、库尔特·哥德尔（KurtGödel）、约翰·冯·诺依曼（JohnVonNeumann）、阿隆佐·邱奇（AlonzoChurch），当然，还有图灵。“在科学中，新事物只伴随困难出现。”希尔伯特计划至少在两条线上得到推进。在第一条线上，逻辑学家构建出逻辑系统，以证明希尔伯特的要求是否可满足。在第二条线上，数学家使用逻辑概念来重建经典数学。历史学家托马斯·库恩（ThomasKuhn）曾说：“在科学中，新事物只伴随困难出现。”在“希尔伯特计划”实施的那个年代，逻辑学处于不断创造与毁灭的动荡之中。一位逻辑学家建立了复杂的系统后，另一位逻辑学家可能会将之摧毁。毁灭者青睐的利器是自我指涉的构建，即自相矛盾的陈述，表明它所依据的公理本身就存在矛盾。这种“说谎者悖论”的简单形式如下：这个语句为假。如果“这个语句为假”为真，那么这个语句为假；如果“这个语句为假”为假，那么这个语句为真，这就形成了自我矛盾的无限循环。在数理逻辑领域，罗素头一次对“说谎者悖论”做出了重要运用。他指出，弗雷格的系统允许得出自相矛盾的集合：设集合R由一切不属于自身的集合组成。如果R不是自身的元素，那么其定义决定了它必须包含自身；如果R是自身的元素，那么它就违背了自己的定义，即由一切不属于自身的集合组成。这被称为罗素悖论，它被视为弗雷格系统的一个严重缺陷。罗素和同事阿尔弗雷德·诺思·怀特黑德（AlfredNorthWhitehead）在1910年至1913年间发表了三卷本的《数学原理》（PrincipiaMathematica），这是为完成希尔伯特计划而进行的最为雄心勃勃的尝试。书中使用的方法是如此复杂，以至于光是为了证明1+1=2，就用去了300页的篇幅。罗素和怀特黑德试图通过所谓的“类型论”去解决弗雷格系统的悖论。他们把形式语言划分为多个层级或类型，每个层级都可以指涉下一个层级，但不能指涉自身或更高的层级。实际上，类型论就是通过禁止自我指涉来解决自我指涉的悖论。这套解决方案在逻辑学家之中的接纳度并不高，但它却对计算机科学产生了影响——大多数现代计算机语言中，都拥有受类型论启发的特性。自我指涉的悖论最终表明，希尔伯特计划永远无法成功。第一个打击出现在1931年，当时哥德尔提出了著名的不完备性定理。该定理证明，任何相容的逻辑系统，只要强大到足以蕴含算术公理，其体系中就必然包含不能被证明的真命题。摧毁希尔伯特计划的最后一击是，图灵和邱奇分别证明，可以判定任意数学命题真伪性的算法是不存在的。（邱奇通过设计全新的λ演算系统，完成了自己的证明，该系统之后启发了包括Lisp在内的计算机语言。）至此，判定问题的答案是“否”。在1936年那篇著名论文《论可计算数及其在判定问题上的应用》当中，图灵的主要观点是在第一部分提出的。为了严格地用公式来表示判定问题，图灵先是构建了一个日后将演化为计算机的数学模型。如今，符合这个模型的机器被称为“通用图灵机”。接着，图灵演示了程序以及数据是如何存储在计算机之内的。如果使用如今的词汇，我们会说，他发明了为大多数现代计算机提供支撑的“存储程序”结构。在图灵之前，一般的假设是，当使用这类机器时，机器、程序和数据这三个分类是相互完全独立的实体。机器是一个物理实体，如今我们称之为硬件；程序是指完成一次运算，要么通过打孔卡实现，要么通过插板上相互连接的电缆完成。最后，数据则是数值输入。而通用图灵机告诉我们，这三个分类之间的区别是一种错觉。图灵第一个证明，任何可以编码到硬件中的计算逻辑也可以编入软件代码中。后来，图灵描述的这种结构被称为“冯·诺伊曼结构”，不过，近代史学家普遍认为它来源于图灵。虽然从技术层面上说，希尔伯特计划失败了，但证伪过程表明，大规模的数学研究可以从逻辑学中构建。在香农和图灵提出了开创性的观点后——这些观点揭示了电路、逻辑和计算之间的联系——研究人员已经有可能把这种新的概念机应用于计算机设计。第二次世界大战期间，这一理论被付诸实践。当时，政府实验室征召了一批逻辑学精英，冯·诺依曼加入了在美国洛斯阿拉莫斯实施的原子弹计划，在那里研究计算机设计，为物理学提供支持。1945年，冯·诺依曼写出了EDVAC的设计规范，EDVAC是有史以来第一台以逻辑为基础的存储程序计算机。人们普遍认为，EDVAC为现代计算机的设计奠定了基础。另一方面，图灵则加入了英国布莱切利园的一个秘密单位，他在那里参与设计的计算机成功破解了德军密码。图灵对实用计算机设计最为持久的贡献是确立了ACE（自动计算引擎）规范。作为第一台基于布尔逻辑和存储程序结构的计算机，ACE与EDVAC有着很多相似性。但它们也存在一些有趣的差异，其中一些差异导致了对不同计算机设计思路的争辩。冯·诺依曼钟意的设计类似于现代的CISC处理器，它把丰富的功能集成到了硬件当中；而图灵的方案更像是现代的RISC处理器，它追求最大限度地降低硬件复杂性，把更多的工作分派给软件。冯·诺依曼认为，计算机编程将是一项乏味的文员性工作。图灵则说，计算机编程“应该充满乐趣，它不会变得单调乏味，因为那些机械性的工作或许可以交给机器本身来完成。”自20世纪40年代以来，计算机编程的复杂性已经显著提高，但有一件事依然没有改变：计算机仍然需要程序员来制定规则。若是使用哲学术语，我们会说，计算机编程遵循的是演绎逻辑的传统——演绎逻辑研究的是如何依照形式规则来操控符号。过去十多年里，随着机器学习的发展——例如为机器创建框架，使其通过统计推导来学习——计算机编程已开始发生变化。这让编程变得更加贴近于逻辑学的另一个分支，即归纳逻辑，它研究的是通过具体实例来推导规则。如今最具潜力的机器学习技术使用了神经网络，而神经网络是上世纪40年代发明的。发明者当时想为神经元开发一种微积分学，使其能够像布尔逻辑一样，用来构建计算机电路。神经网络在数十年时间里一直默默无名，直到它们与统计技术结合。在统计技术的帮助下，它们可以馈入更多数据，从而获得改进。近年来，随着计算机处理大数据集的能力越来越强，这些技术已经带来了令人惊叹的成果。未来，编程可能意味着，把世界展示在神经网络前，让神经网络自己去学习。这也许将成为计算机发展史的第二幕。一开始，逻辑学是作为一种理解思维规律的方式；之后，它帮助创建了可以依照演绎逻辑进行推理的机器；如今，演绎逻辑和归纳逻辑正在融合，创造出既可以推理又可以学习的机器。从最初布尔所说的“为探究人类思维的本质与构造”，到如今，现代计算机的发展，有朝一日，我们或许会创造出一种新的思维，一种能够媲美甚至超越自身的人工思维。翻译：何无鱼来源：TheAtlantic造就：剧院式的线下演讲平台，发现最有创造力的思想

2019年6月26日，一则新闻在各大媒体上都相继引发了关注。当天，在上海举行的MWC移动大会的华为展台处，一位身在站台上的挖掘机师傅在几个屏幕和操纵台上操作着各种模拟真实挖掘机中的操纵杆和仪表，成功地远程操作了位于千里之外的河南的一台挖掘机，在一旁观看的观众不时向正在进行演示5G远程操作的师傅报以热烈的掌声。无独有偶，2019年1月，一名在中国福建的外科医生，在5G通讯技术的协助下，成功操作了在48公里外的一个偏远山区的机械手臂，实现了世界上第一例5G远程手术，而手术过程中的时间延迟最多不超过0.1秒。这两则涉及5G通信技术的案例，仅仅只是5G的牛刀小试，在不远的将来，5G技术将会进一步在智能无人驾驶技术、无人机技术，甚至人工智能技术等方面大放异彩，通过上海的MWC的展会，通过福建的第一例5G远程手术，似乎看到了另一个未来的可能性，似乎5G带来的是新一轮的技术变革，而这种变革会如同高铁、支付宝等数字化应用以及其他技术带来的变革一样，会深深地根植于我们的世界，将我们的社会生活塑造成一个前所未有的模样。不过，在面对这样的技术变革的时候，人文社会科学的研究也必须紧跟这种变革的步伐，来思考这种变革带来的社会与人文效应。在这种思维的指引下，我们需要看到，5G不是一种仅仅停留在通信科学、计算机科学、数字技术上的纯理工科学科，它是一根撬棍，已经在远程操控、无人驾驶等领域找到了它的支点，剩下的就是如同阿基米德所说的那样，来撬动整个地球。因此，5G通信和对应的一系列技术不仅仅是技术类学科的领域，也应该成为社会科学和哲学人文科学关注的内容。那么，问题在于，作为人文学科的哲学，应该如何来思考5G通信技术与我们的社会生活的关系。一从5G远程操纵技术直接带来一个问题是，在场的“我”与远在千里之外的挖掘机的行为，或在几十公里之外的外科手术臂之间的关系是什么？我们知道，自启蒙哲学以来，笛卡尔所建立的自我同一性的观念都是建立在我思和我的行为之间的同一性基础上的，在《第一哲学沉思录》中，这二者表现为思维与广延的统一性。比如说，我喝掉了眼前的这杯咖啡，我思告诉我，我的心灵指挥着我的手臂端起咖啡，并慢慢地啜饮，这是一种带有主体性印记的行为，并表现为我的主观意志。在广延上，杯子里的咖啡的确减少了，通过主体观察和反映了这个客观事实，我也意识到我的确刚刚喝了咖啡。这样，我的行为意志和行为结果在喝咖啡这件事情上展现出了统一，而这种统一也将主观的我和客观反思性的我给统一了起来。这种统一不仅仅是主观意志上的统一，也是广延空间上的统一，即在当下的这个具体空间上，我实现了我的意志和行为结果的统一。在启蒙的时代，那个祛除了宗教和神秘化魅影的时代里，人们已经不再会简单地相信一个人可以用意志操纵一个千里之外的物体，这种意念操纵和隔空取物的魔法内容被抛入到所谓的神秘学（esotericism）之中。所以，在许多启蒙哲学家那里，主观上的我所处的位置，与我的行为造成的结果所处的位置之间的统一，是作为现代哲学核心的“我”的概念，在现实世界基础上获得统一身份的前提。那么，当我们再次回到华为5G技术下的远程操作挖掘机的工程师的案例时，这一点会变得十分有趣。显然，5G技术让现代启蒙哲学上的一个基本前提动摇了，即我的在场与我的行为结果可以具有空间上的差异。当然，这并不是说，操纵千里之外的挖掘机的师傅，以及操作几十公里之外的外科手术的福建医生已经失去了我的同一性，这显然是一个十分荒谬的结论。那么，我们如何来面对这两个案例带来的哲学挑战呢？我们注意到，尽管诸如笛卡尔之类的哲学家强调了主体意志和行为结果的空间同一性，但是并没有指定这个空间的有效范围是多大，一个千里之外的地点是否能够跟在上海的展台上的工程师构成一个空间同一性？随着技术的发展，我可以发现，自我同一性的构建实际上与现实社会生活的速度有关。例如，在日本本格推理小说中有一类小说是列车推理小说，在这类小说中，犯罪嫌疑人一般是清楚的，但是问题在于，这类犯罪嫌疑人都会拿铁路做文章，来制造所谓的不在场证据，实际上，警方或者说小说作者最终目的就是要证明处在不可能的空间中的行为结果，在嫌疑人身上具有高度的同一性。例如，在松本清张的小说《点与线》中，最关键的布局在于在坐飞机北海道的安田和在列车上被人看到的安田，在既定的时间差之内，不可能同时在场。需要注意到是，这种列车推理小说，与内燃机车时代的火车的速度密切相关，小说作者营造的恰恰是机车速度所实现的时间范围的空间上的不可能。当然，这种速度可以被加速，但今天的高铁时代的中国，仍然可以为这种列车推理小说提供足够的素材土壤，只是时间跨度会比日本列车推理小说要更为紧凑一些。但是问题是一致的，即我们需要一个绝对速度的载体，将作为“我”的统一的身体从A地转送到B地，在列车推理小说中，需要假定也是这种身体上的唯一性，而这个身体的唯一性证实了犯罪嫌疑人的同一性。5G通信技术的带来的变革恰恰突破了这一点。如果说在2G时代，手机等终端设备只能传送一些简单的数字和文字信息，而在3G时代的速率让图片的传输成为可能，人们在法国巴黎埃菲尔铁塔下拍摄的分辨率不高的照片，可以在低时延的情况下传输到国内。而4G时代，高清图片和视频的在线共享、下载和传输成为了司空见惯的事情。那么对于5G来说，更快的速度，更高的传输速率可以做些什么？我们可以做这样一个设想，我们每一个人的行为和活动都可以被转化为一种数据记录下来，那么我们在A地的行为，变成另一个巨大的数据包，在瞬间可以传递到B地，通过B地的解码设备，将转化为数据包的行为操作数据转化为真实的指令，然后通过指令来实现数码控制的挖掘机和手术壁来完成手术。在物理运输的背景下，人的肉身是唯一性的，他的行为如果在B地产生效果，必须要借助肉身的移动来实现。在日本的本格推理的列车小说中，犯罪嫌疑人无论玩弄什么花招，他在谋杀现场需要一种物理在场（他或者提前到达现场亲身或请代理人布置一个杀人装置，要么是在制造凶案的时候直接身体在场），因此，传递的方式从身体到身体的方式，即“身体-身体”(B—B’)方式。然而，5G通信技术则不需要完全让身体从A地运输到B地，它需要传输的只是一个行为的数据包。这样原先在物理空间中的运动“身体-身体”(B—B’)，被另一种传输运动所取代，我们假设在上海展厅的工程师的身体为B，他操作的行为的被数据化为一个数据包，我们称之为虚体V，这个数据包是一个海量级的数据包，之前的文字信息、图片信息、视频信息跟它的数据量都不能同日而语，只有在5G时代，这样编码了人的行为数据的数据包的传输才能为了可能，在传递到B地之后，在接受终端上，这个数据包变成了V’，同时被解码为具体的指令并作用于位于B地的终端设备，于是B—B’的同一性结构被扩充为B→V—V’→B’的同一性。在这个意义上，处于A地的思维领域的我思与B地的广延领域的行为结果的同一性被5G技术建立起来，一个直接物理在场的我思与行为的同一性，被5G通信技术转为一个被中介为“我思-数据传输-行为”的同一性。二于是，我们可以发明一个新的概念，来形容5G技术带来的这种被中介化的同一性结构，我们可以称之为数字在场（digital present）。数字在场是相对于身体在场而言的，而身体在场不仅仅是笛卡尔的我思哲学的前提，也是海德格尔、梅洛-庞蒂等人的存在哲学的前提。正如海德格尔使用的此在（Dasein）概念，就突出了一种此在的在场，海德格尔用了Ent-fernung来形容此在的在场性，“去其远（entfernen）首先与通常就是寻视着使之近，就是带到近处来，也就是办到、准备好、弄到手。不过，就是纯认识揭示存在着时的某些方式也具有使之近的性质。在此在之中有一种求近的本质倾向。”对于现代的传播技术，海德格尔认为这些技术在本质上与此在的Ent-fernung的要求相背离，因此，海德格尔紧接着说道：“我们当今或多或少都被迫一道提高速度，而提高速度的一切方式都以克服相去之远（Ent-fernung）为鹄的。例如，无线电的出现使此在如今在扩展和破坏日常周围世界（Umwelt）的道路上迈出一大步。”海德格尔的话读起来尽管有些晦涩，但他基本上否定了在遥远距离上具有建构此在的周围世界的可能性，也就是说，直接的当下在场才是此在的唯一可能。对此，对于那个时代最具有意义的电报和广播技术，海德格尔都给予了批判，认为这种技术都试图消除此在的在场性，也就是在消除此在的存在。实际上，我们可以通过数字在场的概念来克服海德格尔对此在去远性的规定。数字在场意味着通过5G通信技术，不仅可以将当下的物理空间，可以通过数字编码和传播，将另一个空间的活动相对于此在构成为周围世界（Umwelt），从而在一个异空间中成为与此在共同在场的去远性的规定。此在不再是肉身性的此在，也是通信技术实现的远距离的数字在场。那么，什么是数字在场？为什么一定在5G时代才能实现数字在场？在4G时代，我们已经具有了一些远程技术，如在线教育。例如北京大米科技有限公司旗下的VIPKID的项目实现了真正意义上的远程教学，中国的孩子可以通过即时的通信传播实现与远在大洋彼岸的老师互联，进行直接在场的面对面的教学，中国的孩子不仅可以直接聆听老师在美国的讲授，也可以与美国教师同时互动，做游戏、做题目、对话等等。但是，这种影响还收到了屏幕距离限制，即中国孩子和美国老师的互动有一道天然地无法跨越的鸿沟，即电脑、手机、ipad等智能设备的屏幕将中国孩子与美国老师截然分开。5G技术可能打破这个鸿沟，因为位于上海展厅的工程师可以操纵河南的一部挖掘机，那么我们是否可以设想，在VIPKID的模式中，如果中国孩子家庭中拥有的不仅仅是一个ipad或手机之类的智能终端，而是一个可以被数据指令掌控的替代性的身体，那么美国老师通过身体行为B，转化为数据包V，在中国家庭中的替代性身体上接收为数据包V’，然后V’中包含的行为指令转为替代性身体的行为，从而可以在中国孩子的家庭里替代性身体上具身化（embodiment），成为可以在孩子面前做动作的老师B’，这样，4G时代隔着终端屏幕的远程教学，经过B→V—V’→B’的转化，美国老师的远程行为可以在中国家庭里的替代性身体上直接实现为行为，从而实现了老师的数字在场。我们可以再假设另一种情况，一个异地恋的情侣，在4G时代，他们只能通过手机屏幕视频对话，来消除物理空间距离造成的相思，但是由于4G的传输速率只能停留在视频上，他们之间的情感只能满足于视觉和听觉上的感受。但如果通过5G时代的数字在场，如在双方的住所里都有一个替代性的操纵身体，他们在各自场所中的行为，不仅可以让对方看见和听见，通过5G的B→V—V’→B’的传递，可以转为行为上的互动，从而进一步消除了二人之间的异地相思之苦。实际上，在中国作家江离的小说《恋爱反身》中，已经用科幻的方式设想了这种数字在场的可能性，在小说中，住在东京的白川沙优，将自己的行为变成数据，传递到北海道的数据接收站，在那里有一个数字替身，将数据行为转移到这个数字替身身上，这个数字替身就可以帮助女主角白川沙优实现在札幌的一家餐厅里打工的活动。在这个意义上，白川沙优的在北海道的行为就是一种数字在场，她与位于东京的本体身体构成了一种新的“我思-数据传输-行为”的同一性。这样，相对于4G乃至之前的时代中的文字信息、图片信息、视频信息、音频信息的传递，5G通信时代最显著的特征就是数字在场，它可以实现在另一个空间中的行为的可能性，让处于在一个固定空间中的我的存在，通过高速度和大容量的传递，实现我在多重空间中的数字在场。三当然，5G通信实现的数字在场，还需要一个重要条件。我们之前谈到，在4G时代，数字终端的接受设备是计算机、手机、ipad等以视觉为主的终端设备，所传输的数据也大多数是视觉性的。但是，在5G通信时代，终端设备会发生质的变化，在华为的演示里，终端是一辆带数控设备的挖掘机，在福建外科医生的案例中，终端设备是手术台上的机械手臂，而在我们假定的VIPKID和异地恋人，还有《恋爱反身》的案例中，都存在着一个可以远程接受数据并转为行为的终端身体的存在。在某种意义上，能够进行无人驾驶的汽车和无人机，以及未来投放到宇宙中的探测器和月球车，实际上都是高速率通信传播和数字技术转化的终端设备，它们都通过一个遥远的主体，实现了在异地的数字在场。但是这一切都依赖于一个看不见的数字通信网络，这个网络是以5G为基础的，一个隐形而庞大的巨大数字矩阵，换句话说，5G的价值正是在于形成了这样一种不可替代的数字通信传播网络，而这个网络背后的价值是一个全新的概念：万物互联（IoE：Internet of Everything）。如果说在4G时代的互联网是由诸多智能手机和计算机等平面设备构成的互联网络，5G时代的万物互联则绝对地超越了这个概念，而且万物互联概念是此前提出的物联网（Internet of things）的升级版，在物联网概念中，所连接的仅仅是各种物的资源，包括生产、物流、资金等各方面的数据，万物互联显然已经加入了人的因素，人不再被视为一个高于物的独立因素存在于数据网络之中，而是被同样转化为一个数据包，与各种物的资源链接和互动。事实上，万物互联的理念不仅仅体现在技术上，也体现在哲学上，例如英国哲学新锐格拉厄姆·哈曼（Graham Harman）提出的以对象为导向的本体论（object-oriented ontology，下面简称为OOO）体系，哈曼在他的著作《以对象为导向的本体论：新万物理论》中提出：“OOO的一些基本原则如下：所有的对象都需要得到平等关注，无论这些对象是人，还是非人、自然物、人工物、实在物或者虚拟物”换句话说，哈曼的OOO哲学旨在将所有的物，包括人在内都还原为平等的对象，对象通过一定的方式发生关联，而这些关联形成了一个巨大的网络。这或许是哈曼为什么将他的OOO哲学称之为新万物理论的原因吧。OOO理论尽管是在哲学上提出的，但是已经包含了这样的关系，所有的对象，包括人、非人、自然物、人工物、实在物、虚拟物都在一个巨大的万物网络中被转化为一个对象，这个对象在5G通信时代，就是一个数字化的数据包，在这个意义上，OOO哲学再一次与它根源，计算机编程上的OOP编程联系了起来。此外，所有对象被转化为数据包，同时意味着这些数据包形成了一个巨大的万物网络，同时，各个对象又在各种具有物质载体（电脑、智能家居、无人驾驶汽车、无人机、月球探测车等等）或非物质载体（虚拟人物、虚拟城市、虚拟交通等等）中得到具身化，成为数字在场。在这个基础上，我们得到了万物互联的一个基本描述：“由于互联技术的最新发展和智能设备的广泛传播，我们可以持续进行交流，交换，上载信息，我们的环境变成了一个‘万物互联’的环境。万物互联是一个更高阶的阶段，让所有具有特殊功能的设备互联性更强，也更为智能。然而，这个说法还比较简单，万物互联不仅提供了物体之间的五连，也提供数据、人和进程之间的互联。当下传感器和设备网络的发展，与人们和社会环境已经具有了深入的接触，那么万物互联会给城市规划、军事、健康医疗等方面带来巨大的影响。”5G通信时代的万物互联意味着，我们作为主体的人的行为已经被转化为一个数据，在一个庞大的万物互联网中发生着交换，这种交换可以具体体现在装有传感器和控制器的任何一个智能终端上，让行为可以在任何地点被具身化，即被具体实现为对应的行为效果。我们可以设想，在万物互联的状态下，我可以通过一个机械手与在欧洲的棋手下期，也可以同时操纵一个无人机在丛林里探险，甚至可以与邀请的亲人“面对面”的游戏，那个唯一性的此在的在场性，被5G转化为多元性的数字在场，我的行为体现在世界上的各个地方。那么，在这种情况下，我是什么？我们是否还有可能按照经典的启蒙哲学或此在的存在哲学来定义我的唯一性？在5G的万物互联的状态中，我们是否还需要这种我的唯一性和同一性，如果需要，我们如何在多空间的数字在场中构建出这种统一性？这些问题会彻底改变我们对世界的态度和立场，也会改变自启蒙以来的主体哲学。我们甚至不能用后现代主义和主体间性的哲学来简单应付这种全新的情况，因为后现代主义和主体间性仍然将哲学和存在论的仍然建立在人的优先性基础上，在5G的万物互联的世界里，我们面对的不仅仅是主体与主体之间的交流，因为我们存在被分散在诸多终端设备上，同时与我们发生交换的不仅仅是人，也有非人、自然物和虚构的人工智能程序。或许，这是华为公司试图将正在开发之中，最初用在万物互联网络之上的操作系统命名为“鸿蒙”的原因吧！这的确是一个鸿蒙初开的世界，在所有的人、非人、自然物、人工物、实在物、虚拟物实现连通之后，我们面对的绝对是一个迥异的新世界，一个存在着多元数字在场的世界，我们不再能用逼仄的物理空间来限定此在的存在，因为5G通信的传输速率和海量的数据量已经将我们变成了一种被数据中介化的存在模式，我们的肉身只是我们存在的一部分（尽管在很长一段时间里，仍然是不可或缺的一部分，因为我的主体意识的存在还需要身体的生理性营养的供给，还需要基本的新陈代谢等等）。如果5G的万物互联成为现实，势必意味着我们会成为当娜·哈拉维笔下的赛博格（Cyborg），一个由生理性身体和5G通信和万物互联技术下的终端设备构成了多重数字在场，一个在南京喝着咖啡的我，一个在遥远山区控制着机械手臂动手术的我，一个在河南工地上操纵着挖掘机的我，一个和恋人借用代用身体互动的我，甚至一个在网络游戏中与队友组队刷怪的我，都是我思在物理广延和数字广延中的对应物，那么我们究竟如何来思考这样的哲学？显然，这是一个敞开的问题，也是一个无法在5G得到广泛应用之前，在狭窄的数据通道里借用科幻小说式的遐想就能解决的问题。但是，这里所谈的问题并不是纯粹的科幻，而是很有可能在5G通信技术得到广泛应用之后成为现实的问题。鸿蒙初开，5G的大门敞开之后，我们可能面对着一个未知的世界，我们曾经倚重的那些哲学知识或许会在鸿蒙初开的世界里坍塌，这也需要属于这个时代的哲学学者去面对这个全新的世界，那是一片未知的大海，也是一个充满希望的大海，我们可以用瓦莱里的《海滨墓园》中的诗句作为结尾：一股鲜活的气息在大海中喷涌，修复我的灵魂……呼吸咸味的效用！让我们奔向大海，在惊涛拍击后生还！是的，壮阔的大海有如此放浪不羁的才华，有着豹纹般的皮肤和多孔的披挂。它筛取太阳千变万化的肖形，桀骜的怪物在你蓝色的血肉中饮醉。本文发表于《探索与争鸣》第9期编辑 / 丛艺伟 责编 / 刘雨轩