前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >数据主义:如果把全人类及其进化史看作一个数据处理系统……

数据主义:如果把全人类及其进化史看作一个数据处理系统……

作者头像
大数据文摘
发布2018-05-25 11:33:58
7480
发布2018-05-25 11:33:58
举报
文章被收录于专栏:大数据文摘大数据文摘

从数据主义观点,可以把全人类看作一个数据处理系统,而每个个人都是里面的一个芯片。

这样一来,整部历史的进程就是要透过四种方式,提高系统效率:

1、增加处理器数量。拥有10万人口的城市,运算能力就会高于拥有1,000人口的村庄。

2、增加处理器种类。处理器不同,运算和分析数据的方式就不同。因此,如果系统拥有不同的处理器,就能增加其动力与创意。农民、祭司和医师对话所产出的想法,可能是狩猎采集者之间怎么谈都谈不到的。

3、增加处理器之间的连结。如果光是增加处理器数量,但彼此之间无法连结,仍然没有意义。十个有贸易网络链接的城市,产出的经济、科技与社会创新通常都会高于十个孤立的城市。

4、增加现有连结的流通自由度。如果数据数据无法自由流通,光是连结处理器也不会有什么用处。这就像在是十个城市之间开出了道路,但路上却满是抢匪或路霸,商人或旅行者难以通行,效果也就大打折扣。

这四种方法常常互相矛盾。像是处理器的数量和种类愈多,要能自由连结就愈难。因此,智人数据处理系统的建构是分成四大阶段,各自强调不同的方法。

第一阶段始于认知革命,开始能够将大量智人链接为单一数据处理网络。这一点让智人拥有超乎其他人类及动物物种的关键优势。对尼安德塔人、黑猩猩或大象来说,能够链接成单一网络的个体数量有限,但智人却打破了这个限制。

智人运用其数据处理优势,遍布了整个世界。但随着智人分散到不同区域、感受不同气候,就开始彼此失去连系,经历不同的文化变革,于是形成各式各样的人类文化,各有其生活方式、行为模式及世界观。因此,历史的第一阶段就是增加人类处理器的数量及种类,但同时牺牲了连结:在2万年前的智人数量远多于7万年前,但欧洲智人处理信息的方式也不同于中国的智人。在当时,欧洲和中国之间并无连结,也几乎不可能相信,某天所有智人居然会链接成单一的数据处理网络。

第二阶段从农业革命开始,持续到大约五千年前发明了文字和金钱的时候。农业加速人口成长,使人类处理器数量急剧上升。同时,农业让更多人能够群聚生活,形成密集的地方网络,各自拥有数量空前的处理器。此外,农业也为各个网络创造动机和契机,鼓励彼此贸易沟通。但即使到了第二阶段,仍然是以离心力为主。因为没有文字和金钱的概念,人类难以建立城市、王国或帝国,仍然只是无数个小部落,各有自己的生活方式和世界观。要说所有人类会团结形成一体,当时连做梦也想不到。

第三阶段始于大约五千年前发明了文字和金钱,并持续到科学革命肇始。有了文字和金钱之后,人类合作的重力场最终超过了离心力,让各个团体融合起来,形成城市和王国,而各个城市和王国的政治和商业连结也更为密切。至少到了公元前第一个千禧年(出现了钱币、帝国和普世宗教),人类已经开始有意识地想象着要建立涵括整个地球的单一网络。

到了历史的第四、也是最后一个阶段,大约始于1492年,这个梦想成为现实。早期的现代探险家、征服者和交易者,都一起编织出了覆盖整个世界的头几条丝线。到了现代晚期,这些丝线变得更加结实紧密,哥伦布时期如同蛛网,到了二十一世纪已是钢铁和沥青构成的网络。更重要的是,信息能够在这个全球网络里愈来愈自由地流动。哥伦布刚刚把欧亚网络链接到美国网络时,每年只有极少的信息能够越过海洋,还得应付各种文化偏见、严格审查和政治打压。但随着时间过去,不论是利伯维尔场、科学社群、法治概念或民主传播,都有助于消除种种障碍。我们常常有所想象,认为民主和利伯维尔场之所以获胜,是因为它们比较“好”。但事实上,它们之所以胜出,是因为改善了全球数据处理系统。

于是,在过去的七万年间,人类就是先扩散,再分成不同群体,最后再次合并。但合并并不代表一切回到原点。过去的多元族群融入今天的地球村时,各自都带着思想、工具和行为上的独特传承,呈现一路走来的收集与发展。在我们现代的食品柜里,就有中东的小麦,安地斯地区的马铃薯,纽几内亚的糖,以及埃塞俄比亚的咖啡。同样地,我们的语言、宗教、音乐和政治,也充满着来自地球各地的传世宝藏。[i]

如果人类整体就是单一的数据处理系统,它的产出是什么?数据主义会说,其产出会是一个全新、甚至效率更高的数据处理系统,称为“万物互联网”(Internet-of-All-Things)。只要这个任务完成,智人就会功成身退。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2017-06-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据文摘 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档