怎么办？机器带来的新型知识我们无法理解, 人类变成了异类？

正文

请到「今天看啥」查看全文

很显然，我们的计算机在辨识、发现模式和作出结论的能力上已经超过了我们。那是我们使用它们的其中一个原因。现在我们能够让我们的计算机将模型按需做得尽可能地大，而不用缩小现象来迎合相对简单的模型。但这似乎也意味着，我们所知道的东西要依靠机器的输出结果，而那些机器的具体运作我们却是无法跟上，无法解释，无法理解的。

自我们最早用木棍来刻凹痕以来，我们一直都是利用世界上存在的东西来帮助我们理解这个世界。但我们从未像现在这样依靠并不符合人类逻辑推理模式的东西——我们知道每一个凹痕代表的是什么——我们无法后续去理解我们没有知觉的合作伙伴是如何得出那些答案的。如果说知识总是意味着能够解释和确证我们的真正信念——古希腊哲学家柏拉图提出的概念，已经有两千多年历史——那我们要怎么去理解一种新型的知识呢？要知道，这种知识不仅仅是难以去解释确证，而是无法解释确证。

两个著名模型

1943年，美国陆军工程兵部队派意大利和德国的战俘去打造史上最大比例的模型：200英亩大，表示美国41%连通密西西比河的国土面积。到1949年，它被用来进行模拟实验，以判断如果河水从这个点或者那个点涌入，城镇会发生什么状况。该模拟试验被认为帮助防止奥马哈市在1952年出现洪灾，要是没有它，洪灾可能会导致该城市遭受6500万美元的经济损失。事实上，有人甚至表示那些模拟实验要比现有的数字模型更加准确。

水还是另一个著名的物理模型的重要组成部分：新西兰经济学家奥尔本·威廉·休斯古·菲利普斯（Alban William Housego Phillips）于1949年打造的MONIAC（货币国民收入模拟计算机）经济模拟器。MONIAC使用透明管道中的有色水分来模拟凯恩斯经济政策的影响。

它并没有密西西比河模拟器那么可靠，这可能是因为它没有将影响国家经济状况的所有变量考虑进来。但经由像密西西比河这么大的河流的水流也会受到很多人类无法列出的变量的影响。那密西西比河模型是如何得出与现实情况相差无几的预测的呢？

如果你想要预测在急流的边缘放置巨石的话会发生什么，你不必去理解流体动力学的方方面面：你只需要建造一个将小岩石放进小的水流的比例模型。只要模型比例无关紧要，那你的模型就会给你答案。正如高级水力工程师斯坦福·吉布森（Stanford Gibson）就密西西比河流域项目所说的，“物理模型会自行模拟所有的过程。”

MONIAC利用水流来模拟经济理论，“贮水池代表家庭、企业、政府和经济体中的出口和进口部门”，代表收入、支出和GDP（国内生产总值）。它所考虑的变量受到可装入一个冰箱大小的设备的阀门、导管和贮水池的限制。

密西西比河流域模型似乎没有对会影响洪水的因素进行假设，除了假定除非你给该系统注入了更多的水，否则洪水不会发生。但当然，那并不是真实情况。该模型假定，全尺寸会发生的事情在1/2000尺寸时也会发生。事实上，该模型水平比例是1/2000，垂直比例是1/100，这种设计“可确保地形变化显而易见”，这也导致落基山脉不成比例，离地面50英尺高。该模型的建造者假定山脉的高度不会影响其实验的结果，这显然是对的。同样地，他们没有模拟月亮的位置，也没有在田地里种植微型庄稼，因为他们假定那些因素是不相关的。

因此，密西西比河的“无理论”模型行得通不只是因为“该物理模型会自行模拟所有的过程”，还因为该物理模型纳入了有关重要的因素的假定，那些假定给模型的建造目的提供了准确的结果。使用密西西比河模型来模拟气候变化的影响或者明轮推进器对藻类生长的影响，不会带来可靠的结果，因为那些影响可能会受到不在模型当中的其它因素的影响，因为那些影响对于模型比例很敏感。

即便是在密西西比河模型奏效的情况中，我们也不理解它为什么会行得通，怎么会行得通。它并不是基于密西西比河流域的数学模型建造而成的，它是没有生成这样的模型就能奏效。确实，它行得通是因为它不需要我们去理解它：它让模拟的物理现象自行去演变，而无需在它上面施加人类逻辑推理的限制。因此，这种模型比像MONIAC这样的根据人类的理论和理解建造出来的模型要准确。

直到机器学习出现之前，我们除了手动设计模型然后让计算机来实施之外别无选择。我们假定，提升预测能力的途径就是让模型变得更加具体更加准确，同时给那些手工制作的模型积累更多更好的数据。由于那些模型是人脑的产物，知识和理解会是紧密相关的。

但事实上，那种假定是基于未表达出来的假定。

可知性假设

请到「今天看啥」查看全文