二见故事：人类的能力极限与极限突破（三）

人类的能力极限与极限突破（三）

之

【思考能力的极限】

第三部分，也是最大的一部分，就是人类的思考能力。有人说，世界上是最快的东西就是人的思考，也有人说，人的思维方式就是人与人最大的不同所在。笛卡尔甚至在怀疑一切之后说出：我思故我在。可见，人类对于思考能力的评价是相当之高。然而，人类的思考能力依然有其极限所在。这里会分成两部分来介绍，第一部分是逻辑，第二部分是推理。

首先是逻辑。人类发展的过程就是不断逻辑化具体化的过程。最早从早期神学开始发展，逐渐过渡到哲学的发展，然后开始进入到科学的发展。人类越来越追随确定化的具体的信息，因为逻辑是基于确定化的信息才能继续的。然而，这个过程却是不可逆的，因为科学的终极是哲学，所以科学无法解释哲学；同样，哲学的终极是神学，所以哲学也无法解释神学。佛陀说，哲论属戏论。因为人类的哲学逻辑无法表述神学的信息，人类的逻辑本身就有极限。而凡是自洽的，也就必然是不完整的。

按照这样的趋势，未来一定是趋向于信息化，逻辑化，人类会不断弱神学，弱哲学，甚至有一天也会弱科学。这是发展的一个必然趋势，也是人类追求的未来。

接着是推理。逻辑是原理，推理则是手段。推理就是归纳和演绎的过程。第一性原理的推导，就是不断归纳的过程；第一性原理的应用，就是不断演绎的过程。但是，人类的推理能力也依然有很大的极限。

演绎是从第一性原理向外延展，归纳是根据尽可能多的信息向内收束。如果把自然看做一颗树，自然界的『道』是树的根，那自然界的种种展现就是树的叉。演绎法就是从根到第一轮的叉（也可以继续往外），归纳法就是从最外部的叉走向上一轮的叉（也可以继续往内）。演绎法失效的原因是根基有问题，比如基石假设不准确，所以演绎法就要求挖的足够深，思考的足够多。归纳法失效的原因是叉不够全，比如没有足够多的火鸡的生命周期做基础，所以归纳法就要求看的足够广，数据足够全。根是本源，要深挖，有指导意义；叉是现象，要广泛，有实践意义。

那自然界的树，根和叉加起来才是全部。就像进化树里，新物种（侧枝）也没有让旧物种（盲端）灭绝，他们共同组成了生物界。新物种（第二曲线）也并不总是会消灭旧物种（第一曲线），他们可能替代也可能共存，所有曲线加起来才是全部。然而有趣的是，深挖到一些根（其实只是相对较深的叉）的人，成为了哲学家科学家思想家；收集到大量叉的人却最多只是一个特定领域的有多年经验的行业精英，但是远不足以影响世界。这个背后的原因是，人类天生并不擅长处理全量的信息，更擅长处理少量而高效的信息。所以很多时候，演绎能力之所以比归纳能力更厉害，只是因为我们在迁就人类本身的能力圈，然而自然界并不只是存在于人类的脑子里而已，自然界依然有大量人类无法理解的事情。所以我们不能简单的把归纳的力量放弃，就仅仅是因为『做不到』。

所以，人类在归纳和演绎的能力上都有其局限，不过在归纳的局限表现上更为突出，让人类相对更为看重了演绎能力。如果有那么一种『生物』，它和人类不同，他的归纳能力远胜于演绎能力呢？如果它擅长收集相对全量的信息，能够做到归纳出各种可能性，然后直接给出指导实际操作的建议，那似乎就是哲学家科学家的另一面了，那似乎就是第一性原理的另一面了。而这种『生物』似乎已经存在了，我们叫它『人工智能』。

那么，由此带来的人类发展就会往弱化人类归纳需要的方向前进。科技带来的人工智能和机器学习会让人类不再需要刻意的去归因和推理，只需要基础的使用和测试即可。人工智能的发展会带来两个人类思考上的变化。第一个变化是，因果关系变成关联关系。逻辑推理的核心是前后的因果关系，但是在数据智能化的结果中，有的只是关联关系，而实际的操作中其实也是以关联关系为目标的，尤其是在复杂系统中，因果关系往往非常复杂，甚至有些情况下多个因素间是互为因果的，所以关联关系会越来越成为实际应用中的核心，那么逻辑推理的作用将会越来越弱。

第二个变化是，规则管理会变成结果管理。人工智能的算法中，有大量的高级算法计算得到的模型是人类无法理解和认知的。比如AlphaGo的决策模型，人类就完全无法理解，而对于机器而言就能正常运作，且无需理解。机器所做的就是不断的去尝试和验证，最终得到最优解的过程，但是这个最优解却不能简单的逻辑化公式化，而且随着时间的推移、环境的变化，这个最优解也会自动的调整。人们不再需要像解题一样，把各种情况带入得出一个方程，然后把这个方程变成规则并使用规则；相反，未来人们只需要不断的提供数据验算机器的模型，机器自然而然会给出一个结果，只要结果符合要求就没有问题。