|
人性论 第一部 论知性 《人性论》 苏格兰 哲学家 大卫休谟 的代表作 这本书 是哲学史上的 一部重要著作 同时也被后世评价为 认知科学的奠基之作 哲学家也都是杠精 大卫休谟也不例外 他连因果律都怀疑 那一个太阳是否 明天升起的论点 即就是他提出的 大卫休谟与 弗朗西斯培根 以及约翰洛克 一同被认为 是经验主义 的代表人物 他在这一本书中系统性地 陈述了他的这一哲学主张 《人性论》是大部头 这里的人性不是 我们通常所说的 道德方面的本性 而是一个 更宽泛的 包括： 认知、情感、 及道德概念 全书分为三卷： 1. 《论知性》： 人类的认知能力 2. 《论情感》： 人类的感性部分 3. 《论道德》： 道德来自于情感 而非认知和理性 《论知性》： 关于想法及想法的 来源、组合、连接、 以及抽象化的讨论 一开篇，大卫休谟 就提出，系列概念 便于对认知的探讨 首先提出 感知信息 分为印象 以及想法 印象 是人类 对外部 直接获取的 原始信息 直接感知 想法是对信息 进行加工后的 人造产物 本质来源是印象 区分 印象和想法 的一个方法 是判断这信息 是否能够纯靠 推理想象得到 比如 一个从来没吃过苹果的人 无法想象得出苹果的味道 那么 苹果味道 就是印象 进一步 印象可以 细化而为： 感觉印象 情感印象 前者就是我们 通常说的五感 休谟处在18世纪 当时还没脑科学 故他，认为前者，是由灵魂 通过，不明机制，来作处理 现在 我们知道 外部信息 即是通过电信号 通过神经传递到 大脑处理 想法也可细分为： 关于记忆的想法 关于想象的想法 比如： 对昨天 参加的 宴会的 记忆 属于前者 而看到一个 漂亮女生后 连孩子 的名字 都想好了 属于后者 关于记忆的想法是基于 我们实际经历过的事情 因此相关的信息 更具体、 更生动、 更色彩 比如我们有可能 清楚地记得昨天 和哪些人聊了天 或者吃了哪些菜 关于想象的想法是 我们大脑通过信息 组合臆想出的内容 相对于前者 后者 缺乏细节 也更模糊 比如： 即使想好了 孩子的名字 但可能没有孩子长相 或者其他方面的想象 休谟提出： 我们 所有的 可能的 想法皆也是基于 外部接收的信息 的排列组合 他指出扩充我们 想象的三种方式： 相似性、空间 时间上的连续性 因果关系 比如我们可以想象出： 一个更大的iPhone 于是便有了ipad 一个基于 空间连续性 想法的产物 现在火热的 text-to-image AI 也无法摆脱 这样的规律 我们对于其 生成图片的 评价是认可 （生成的 图片真像） 而不是受启发 （这是什么东西 超出了我的想象） 毕竟模型即也是 受训练数据所限 而这些训练数据和我们 日常能够接触到的信息 差不多 比如当我们输入 核聚变发电机时 AI生成了如下图 我们很容易看出 信息来源是实验中的 托卡马克核聚变装置 当我们输入一些我们 完全未知的东西之时 AI生成了我们 可证伪的图片 比如 黑洞内部实际是 黑洞外部的图片 而当输入负时间这个词时 生成的图片则完全不搭边 机器学习的优势可以 极为有效率的帮我们 对于已有信息 进行排列组合 但对拓展 认知边界 帮助有限 我们绝大多数的 创造发明都是在 基于已有外部信息的 认知闭包当中的组合 而那些能够突破 这个闭包的想法 则是伟大的 比如： 微积分 的发明 建立了 从无限小 到有限大 的桥梁 黎曼几何的提出 则为相对论 提供了工具 从而让我们 用全新视角 去看待时空 而概率论的建立 则帮我们更好地 描述事物的 不确定性 经验主义为理性主义 提供了参考样本 而理性主义 为经验主义 提供方向去搜集 更有价值的样本 论空间和时间观念： 休谟围绕时间和空间 集中探讨了四个问题： 1. 有限和无限: 休谟对 朴素观察的结果 进行了逻辑推理 无论抽象思维 还是空间时间 也都 不能无限 分割下去 如果空间，可以无限分割 那么我们，无法定义长度 比如我们无法说 一厘米比一米短 因为无论 是一厘米 还是一米 都包含了 无限多的 部分 也许休谟 没有进修数学 因为在他之前 牛顿 已经从数学的角度 解决了无限与有限 以及无限与无限的关系 （比如高阶无穷小） 从物理角度来说： 普朗克常数 确实已限定了 一个小的程度 普朗克长度 以下的空间 以及 普朗克时间 以下的时间 对于我们 没有意义 因为这尺度 以下的变化 我们无法认知 但这仍然没有否定 普朗克尺度以下的 事物的存在性 2. 空间、时间 和物体 的关系： 三者密不可分 想象不出，不存在于空间中的物体 想象不出，完全的真空 这里说的 真空和我们日常生活中 所说的没有空气的真空 并不一样 是指： 真正完全 没有物体的 无限空间 此外 我们对于 时间的判断 依赖于物体 的状态变化 如果不存在物体 或者所有物体的状态都不变 我们便无法判断时间的流逝 想看电影，是不是都通过 这种方式，表现时间静止 空即是 由周围 的不空 来衬托 黑客帝国 所表现的 时间静止 时间静止 应是什么 也看不见 光子也都 停止运动 3. 存在与感知： 我们记忆中 以及想象的 任何的存在 也都来源于 我们的印象 有一些存在 很有可能是 直接的印象 比如 我们吃过的东西 或者看过的东西 有些存在 即是我们 对于一个 或者多个 印象的 加工组合 比如我们可能从来没见过 独角兽、龙、或狮身人面 但是可以 想象出来 它的形象 论知识和概然性推断： 休谟一开始 便重新回顾了 7个事物关系： 并且指出了 这一些关系 让我们通过： 直觉 论证推理 感知 可能性推理 四种方式产生知识： 直觉： 前4种关系 我们 可以直接 通过直觉 获取知识 直觉是对某些东西的 直接、立即和显然的 认识 这是一种 基本的、基础的知识形式 而不是从其他来源导出的 因此它是内部固有的 比如： 两个三角形相似 或者一个东西 比另一个东西 更亮 即使休谟主张经验主义 但他 还是认同有些东西 是人的认知固有的 不过遗憾的是： 无论，笛卡尔 还是，休谟 还是，其他哲学家 他们认为“显而易见”的事情 在现在看来，并不那么简单 比如一个东西 比另一个东西 更亮这个现象 其实是，感知的结果 而不是，事物的本质 即使 两个相同亮度的物体 由于其所在环境不同 我们 感知出的亮度 也可能不一样 我们可能已看过 很多遍下面这个 认知偏差的例子： 这个物体的上下两部分 在我们大多数人看来是 “显而易见”的不同亮度 但如果试着 用手指挡住 中间的部分 就可看出它们 是相同亮度的 论证推理： 对于 proportion in quantity or number 我们也可通过论证推理来获取知识 我们所熟知 的数学证明 即论证推理 对于论证推理 我们可以从已知条件 一步步严密通过计算 或数理逻辑得出结论 每一步都是确定 而且也绝对正确 现代计算机的 冯洛伊曼结构 是在通用图灵机 的基础上提出的 而通用图灵机 本质上是一个 数学模型 因此 我们可以说： 现代计算机 的理论基础 也是建立在 确定性推理 的基础上的 当然在引入 随机数之后 计算机 的能力 显得更 多样性 与灵活 感知： 对于identity和 relations of time and space 我们通过感知 来去获取知识 与直觉相对应 感知是 因外部 而产生 感知是心灵组织和解释感官印象 以形成对世界的连贯理解的过程 休谟认为： 我们所有的想法 即对物体或概念 的心理表征 最终都是 来自感知 而非直觉 换句话说： 我们只能 通过感官 对于事物 有所了解 而不能够 从本质上 了解它们 现代的 人工智能 也是通过 外部数据 驱动方式 来去建立 感知模型 模型本质上 是一个基于 弱假设的 空壳子 （包含卷积、池化或者 残差等结构的神经网络） 感知模型的 质量完全是由 数据质量决定 尽量少的 先验知识 的模型 有好有坏 好处 是模型本身并没有 人为先验知识干扰 坏处是数据质量 很影响模型质量 其实也会间接 受到人为干扰 这些模型 可以从视觉信号上 识别出猫或者老虎 但它们并不能 从更加本质的 层面了解他们 比如猫和老虎 从基因上面的关联性 这种所提供数据排列 组合之外的信息 或然性推理： causation maybe未必 因果并不是 天然的存在 我们 对于因果的认知 是通过不断重复 观察到两个事物 先后出现的 推理结果 因果是 可能性推理 的产物 而非必然 或者天然 存在的 即使是我们觉得 天经地义的关系 也并不会 亘古不变 太阳 每天升起这种 显而易见的事 也并不会必然 休谟 对于因果的理解 是有一定道理的 我们所有对于因果的建立 也都是基于对过往的观察 而总结得出的 如果在一定 时间范围内 A事件基于 过往的观察 总是会导致 B事件 那么我们 就会认为 A是B的因 在休谟去世的一百多年后 俄国科学家巴浦洛夫研究 条件反射这一机制 人为对实验狗 建立因果关系 也许 在这只狗 的认知里 摇铃和吃肉 具有必然的 因果关系 如果我们训练另一只狗时 把摇铃和骨头联系在一起 那么在 另一只狗的 认知里头 摇铃和骨头具有 必然的因果关系 人类与 巴普洛夫的狗 对因果的理解 没有本质区别 也是根据 有限观察样本 对事物的关系 作可能性推理 现代机器学习 或者人工智能 其实也是基于 统计推理来去 建立预测模型 比如我们只要上网 就可能受其影响的 推荐系统，即就是 通过不断展示给用户内容 （术语正是impression） 收集用户的反馈 （是否观看/购买/点赞等） 然后结合我们 对展示当时的 信息（比如我们 所了解的用户的信息 被推荐物品的信息 以及当前时间等 上下文信息） 进行量化 （特征工程） 建立训练数据的 从模型的角度来看 这些训练数据便是它们 所有能观察到的外部信息 决定了它们对因果的理解 比如过往消费高的用户 倾向于购买高端的商品 那么 如果下次遇到一个 过往消费高的用户 模型便倾向于 推荐高端商品 推荐系统受到 数据影响 用户 其实也会受到 推荐系统影响 如果我们在新闻推荐系统里面 一直推荐某人某事的负面消息 那么我们 的认知里 便会对其 产生不好 的印象 即使我们从未 真正了解它们 推荐系统在现今社会 深刻地决定着人们 能够接触到的信息 信息决定认知 认知决定三观 论怀疑主义及 其他哲学主题： 在这一章里 休谟主要探讨了怀疑主义 以及过往的其他哲学主题 比如认为 外部（非自身）事物 持续客观存在的信念 以及我们 对于外部事物 认知的局限性 对于怀疑主义 他提出 “所有的知识 都只是概率上的正确 “（比如从A推导出B） 即使是 数学这样的纯抽象知识 也并不能保证绝对正确 因为 我们无法保证我们的 每一步推导绝对正确 因果的不确定性可以 让人对所有事物 陷入彻底地怀疑 休谟进一步指出： 现实中这种情况 之所以没有发生 是因为我们的思维 具有有限的能动性 使我们把 高概然性的因果 当成必然的因果 比如 我们没有精力为了 那微不足道可能性 持续去思考 氧气对人 是否必需 这个问题 外部事物持续 客观存在的信念 接着 休谟开始讨论 我们为什么相信 外部世界的存在 比如： 在我们 不观察一个 物体的时候 我们认为这个物体 仍然持续客观存在 他讨论了三个支持 这一种信念的来源： 感知、推理及想象 最后他认为感知和推理 也都无法得到外部物体 持续客观存在这一结论 而是 想象支撑着 这一个信念 需要注意的是： 这里并不是说想象 决定了事物的存在 而是人对于事物 持续存在的理解 基于想象 个人认为： 对于物体的 持续客观存在 这一信念同时来源于 感知、推理以及想象 比如我们 就是通过 结合三者 设计目标 追踪机器 学习算法 拿很流行的 DeepSORT 算法来说： 这个算法分四个步骤： 识别（detection） 估计（estimation） 关联（data association） 身份更新（identity） 其本质是对于 识别对象（感知） 根据假设（想象） 及统计模型（概然性推理） 进行”实“与”名“关联的算法 DeepSORT算法 应用于路人追踪 我们对外部事物的了解 对于外部事物 休谟指出我们 永远无法对其 进行完全了解 因为我们 对于外部事物的了解 基于感知传达的信息 而基于感知传达的信息 只是事物某方面的投影 休谟的这一观点 同同时期稍晚的 康德的”物自体“ 的观点相似 估计康德从当中 受到了不少启发 这一个观点可以通过 一个机器学习的例子 加以说明 机器学习中 有一个叫做 特征工程的 流程 意在从原始信息 （impression） 提取出有意义 的可量化信号 来让模型从中 学得规律 从某一方面来说 模型的强大程度取决于 特征的丰富程度及质量 比如： 我们想让一个模型 来预测将来用户的 网页浏览行为 通常做法 即是进行 用户特征提取 来去使得模型 更了解用户 如果我们 只抽取简单的信息 比如年龄性别的话 那么从模型的世界观当中 它对用户这个事物的全部了解 也就只可能是，这两个信息了 模型可以，掌握到的，所有规律 也无非是这两个特征的排列组合 若我们提供模型 更多的用户特征 比如每天 浏览网页 的时间、 过去的一个月 浏览了哪些网页、 分享了哪些网页、 在每个网页 逗留时间等 特征 那么模型对该用户的 了解程度便大大提升 掌握这一些 信息的模型 对用户行为 的预测精度 就会 高于只知道用户 年龄性别的模型 一个模型 对用户的 所有理解 即来源于我们 所提供的信息 现代基于，深度学习的模型 在对事物的了解上更加深刻 对于一幅图或一段话 这种具体形象的对象 （而不是 用户浏览行为 这种概念性对象） 深度学习模型可以自动抽取 （如通过卷积或池化操作） 特征并对其加以利用 此外，当特征数量过多时 我们还可通过embedding的方法 来更好地用一个相对低维的向量 来表征一个我们，所理解的对象 但是无论模型怎么玩花样 它所做的事情只是更好的 对原始数据做变换以使其 更好地对其进行消化 对原始信息本身 的信息丰富程度 模型 则依赖于传感器 的多样性及质量 总结 《论知性》是休谟 《人性论》三部曲 的第一部 本书探讨了人类 理解事物的本质 休谟认为： 思维是 被动的 所有 的知识 和理解 也都来自我们 对世界的经验 他还认为： 思维由两种类型 的心理状态组成： 印象和想法 印象是 我们对周围世界的 直接而生动的体验 想法则从 印象派生 不那么生动 不那么直接 休谟还讨论了 因果论的概念 认为我们 对因果关系的信念 是基于习惯和惯例 非事件之间 的内在联系 最后，休谟探讨了怀疑论 包括我们如何理解独立于 我们自身存在的外部事物 以及我们 对外部事物 本质的了解 题外话： 这篇文章 有一部分 是我直接从与 ChatGPT语言模型 的对话中抄下来的 |
|
|
