Chapter Content
哎，大家好。今天咱们聊聊一个挺有意思的话题，就是关于“新的开始”和“不同的教育”。其实，之前咱们也讨论过，现在的教育体系某种程度上是设计思维的一种结果。就好像我们现在上学，学的都是几百年来总结出来的最重要的那些知识点，然后期望着我们能用这些知识去解决未来的问题。这个想法的基础呢，就是觉得我们在学校学的东西，毕业之后就能直接拿来用，设计出各种各样的解决方案。
但是啊，现实往往不是这样。各个知识点之间，还有知识点和整个世界之间，其实是有脱节的。这种脱节就导致了那种“学了就能用”的理想，在未来越来越不现实。因为，在构建复杂解决方案的时候，真正重要的，反而是事后才能总结出来的那些东西。而且，与其用之前学到的那些基础知识去指导实践，还不如带着一点“天真”去尝试，去犯错。因为只有这样，才有可能发现新的东西。如果你总是想着用已知的知识去干预，反而会阻碍你在复杂问题上的进步和发现，这个咱们前面也说过很多次了。
现在学校里教的大部分东西，其实都基于一种“设计”的理念。比如说，我们学原子、基因、公民、地质、微积分、拼写、词汇、标点符号等等，都觉得这些知识能让我们把世界变得更好。我们被告知，这些知识和未来的解决方案之间是有因果关系的。学拼写和标点，是为了将来写出重要的东西；学微积分，是为了理解机器内部的运动、力和能量；学公民，是为了制定更好的政府流程和机构。
但如果我们要解决的是复杂的问题，这种“知识就能解决一切”的观念就行不通了。比如说，一本书，它就是一个很复杂的东西。一本书里有人物、情节、主题，它们之间会以各种各样的方式互相影响。读者最终感受到的东西，往往是这些元素之间互动产生的，而且经常是无法预测的。好的写作不是靠预先设定好的叙事结构和文学技巧，而是要经过反复的尝试和修改，才能把你的直觉表达出来。
现在，我们构建技术解决方案的过程，也越来越像写作了。以前，学术界和现实世界脱节，可能只是效率比较低。学生还能用学到的知识去理解他们领域内系统的运作原理。虽然发现新东西一直都是靠试错，但最终的实现还是可以用设计好的抽象概念，然后把这些设计和学术知识、最佳实践结合起来。但是，如果要构建的是复杂的东西，那就完全不一样了。
现在我们需要的技术解决方案，更像是书籍和艺术品，而不是工业革命时期的机器。了解运动、力和能量，并不能帮助我们组装未来的机器。光靠公民参与和民主原则的基础知识，也无法实现更好的政府流程和机构。真正有效的解决方案，必须像大自然的解决方案一样，是复杂的，内部运作机制是经过反复试验、启发式方法，再加上一点“天真”行动产生的。
当然啦，学校里教的知识也很重要。总不能不教下一代人类最伟大的成就吧？了解前人的成果，才能激励下一代去发现新的东西，去创造更好的东西，还能避免重复发明和重新发现。所以，问题来了：一方面，设计思维越来越不可行；另一方面，我们又应该教给学生已经取得的成就，这该怎么平衡呢？
这就需要我们重新定义“学习”的含义，回归到对“知识”的重新定义。记住啊，只有元级别的属性，再加上逻辑推理，才能在复杂问题中发挥作用。因为属性和设计思维不一样，它不关注因果关系。属性不是用来指导或者指示的，而是作为一种事后信号，告诉你已经取得了某些成就。关注属性，才能有效地构建复杂的东西，因为属性是独立于事物内部运作机制的。
就拿原子来说。这是一个伟大的发现，应该被纳入所有科学课程。但是，了解原子并不能直接告诉你如何开发有效的药物，或者生产更好的材料。对制药化学家或者材料科学家来说，这可能听起来很荒谬，但是想想设计思维的局限性。很多人都会觉得，他们的行为和最终的结果之间是有因果关系的。
设计能给人一种掌控感，因为它告诉你，你可以发现世界的运作规律，然后用这些知识来解决问题。但是，研究在隔离环境中发现的东西，和现实世界中发生的事情之间，存在着根本性的脱节。就算现代药物研发越来越依赖系统化和目标明确的方法，也不意味着我们可以用确定的方式来“设计”健康结果。你总是可以预料到各种各样的副作用。
真正有效的验证，是“生存”。一种能缓解头痛的药物，或者一种坚固的材料，它就是有用的。我们不需要知道它为什么有效，它有效的原因就是它通过了试验。当然，这包括所有必要的安全预防措施，因为试验必须符合安全标准。我们事后总结出来的那些解释，其实都是为了证明我们采取的行动是合理的。
真正值得知道的事情只有两点：一是，我们在构建一个复杂的东西；二是，我们创造的东西符合问题的标准。对于药物研发来说，这不需要你在因果关系上了解原子（也就是“了解原子就能设计出药物”），而是需要了解那些表明正在实现复杂性的属性，并且证明你创造的东西是有效的。
所以说，我们创造解决方案的尝试，应该基于“天真的”试错，而不是设计。如果用写书的方式来做药物研发，可能会更好。当你把各种化合物混合在一起，开始随机匹配的时候，你会看到一些结构和行为开始出现。这些信号就表明你走在正确的道路上。想想看，我们可以识别出一些化合物的结构和行为属性，这些属性可能表明这种化合物是有效的。这些属性不是某一种药物独有的，而是同一类别中很多药物都具有的元属性。
我们可能会发现，化合物的物理外观（比如颜色、质地和形状）具有一致性，这表明它的纯度和稳定性比较高。化合物的溶解度表明它能够溶解在水和脂质溶剂中，这对它在体内的吸收和分布至关重要。我们还可以观察它的溶解速率，这表明它可能具有生物利用度。它对光、空气和不同温度的耐受性表明它不会很快降解。剂量反应关系表明它的毒性和有效性。我们还可以看看这种化合物是否针对特定的系统或者症状。
当然，我们很容易受到诱惑，想要从一开始就利用化学知识，将这些属性“设计”到药物中。我们可以先设计一个具有特定结构的分子，尽量减少熔点、溶解度和稳定性的变化。我们可以选择特定的官能团，来促进它在水性和脂性环境中的溶解。我们可以控制物质的粒径和形态，来优化溶解速率，增强吸收。我们可以选择特定的化学键和结构，来提高它在各种条件下的耐受性。我们可以利用构效关系（SAR），来建立可预测的剂量反应。我们可以利用分子相互作用和生物靶点的知识，让我们的化合物与目标靶点相互作用。
这些听起来都很有道理。确实，我们有控制一致性、溶解度、溶解速率、耐受性、剂量反应关系和靶向性的知识。那为什么不利用呢？
原因和“按照预先设定的叙事结构写作，写不出好作品”是一样的。没错，你可能会写出一篇文章或者一本书，但它会很无聊，很学究气。解决方案的内部运作机制无法协调一致。药物研发一直都是真实存在的，但是这个行业的设计思维却包含了很多虚构的成分。可以这样说，药物研发中对设计的依赖，带来的问题比解决方案还要多。
属性不是用来“设计”到我们创造的系统中的，而是我们在“天真的”试错过程中，发现有效的东西之后，才能注意到的。没错，把属性“设计”到解决方案中是可能的，而且确实能给你带来你想要的属性。这种药物会具有一致性、溶解度等等。但是，它也会有很多副作用，让你觉得这个解决方案勉强值得使用。
药物只是一个例子。重点是，要创造复杂的解决方案，我们必须利用属性来表明“天真的”行动是有效的，而不是将系统设计成一个因果连接的属性管道。事实是，我们可以通过从外部入手，更多地强调试错的成功实施，而不是设计特定的结果，来创造更好的治疗方法和材料。
但如果我们不需要了解原子就能制造出更好的药物或者材料，那我们为什么还要学习原子呢？因为学习原子不是为了“利用原子来制造更好的东西”。学习原子可以让我们了解重要的属性，这些属性与某些系统如何组织自身和表现有关。
我们迄今为止积累的还原论知识，不应该被视为构建美好未来的拼图，而应该被视为自然解决方案的例子，这些解决方案具有普遍正确的属性。了解这些属性，可以帮助我们验证我们的努力是否有效。
想想看，关于原子的知识，可以对化学以外的领域产生很大的帮助。比如说，电子在原子中占据特定的能级，这个知识可以启发我们设计出鲁棒的数字通信系统，因为明确的状态可以保证信号的完整性。原子之间较弱的键合赋予了材料柔韧性，这可以启发我们找到一种更好的方法来实现协作，同时保持灵活性。外层电子决定原子行为的方式，可能是高度连接系统中有效互动协议的征兆。在原子晶格中看到的排列方式，可以更广泛地应用于城市规划。
所以说，学习原子是值得的，但不是为了通过设计，将它们因果地连接到更大的系统中。学习原子之所以重要，是因为它们展示了自然界普遍遵循的属性，而不同尺度的类似系统，无疑也会在类似的约束下运行。
对于我们教给下一代的知识，我们需要抛弃设计思维。教科书中那些孤立的知识，不是创造现实世界解决方案的途径，而是展示普遍真理属性的例子。正是对这些属性的了解，再加上我们人类天生就具有的拥抱试错和启发式思考的能力，才能引导我们找到最佳的解决方案。
然后，再说点题外话。现在很多人批评人工智能的研究和工程，说它更像炼金术，而不是真正的科学。人工智能的进步，并没有从精心的设计和还原论思维中获得太多好处。它的进步，要归功于更多的数据，更强的计算能力，以及以一种相对随意的方式混合和匹配超参数。这些都让传统的科学家和统计学家感到不满。
但现在你应该明白，这种随意、混乱的工作，正是人工智能所需要的。人工智能正在接近真正的复杂性，要解决难题，就必须接近真正的复杂性。而真正的复杂性是无法通过设计来创造的。传统科学那种虚构的因果关系，并不能让AI变得更好。
现在AI之所以能取得成功，是因为深度学习的基础方法和传统的科学、统计学以及基于规则的软件完全不同。就像城市、电网和市场一样，AI最关键的输出，不是来自工程师的刻意设计，而是通过一种类似于大自然创造解决方案的外部过程来实现的。
但是，设计思维总是会悄悄地回到科学家和工程师的努力中。现在人工智能工程的随意性，听起来太不成熟了。现在的研究人员想要设计神经架构，以及其中的各种组件。
但是，我们本来就应该做炼金术啊。我们应该随意地混合和匹配各种东西，然后等着看会发生什么。事实上，这种方法比在虚构的设计下操作要严谨得多。炼金术不是假装掌握了自己不掌握的信息，而是站在系统之外，等着看会发生什么。它让大自然自己收敛到解决方案。
当然啦，炼金术从来没有炼出黄金，所以这个类比只能到此为止。但是，关键是，走到外面，让大自然自己收敛，并不是不科学。这种观点，只是那些深陷传统范式的科学家用来攻击我们的稻草人。回归原点的一部分，就是要拥抱我们的祖先将平凡的东西转化为珍贵东西的精神。
最后，再说点关于严谨性的思考。在科学和工程中，严谨性非常重要。严谨性是我们建立发现和构建的东西的可靠性和有效性的方式。它可以确保人类做出明智决策的努力，建立在我们得出有效结论的能力之上。我们想要构建一个可以用来组装未来工作的基础。这也有助于公众建立信任和信誉，因为他们希望依靠我们提出的理论和发明。
但是，目前对“严谨”的理解，正变得越来越有问题。科学家和外行都认为，困难的技能比高级的、不太精确的东西更严谨。当我们看到一个充满数学公式的理论时，会觉得它比只有文字和图表的理论更强大。在形式系统中表达的精度，让事物看起来更加具体。但是，这种精度是有代价的，而我们目前的范式却很方便地忽略了这一点。当我们使用数学符号或因果计算精确地表达我们的发现时，我们会失去很多赋予事物意义的背景信息。
但是，我们是因果生物。我们需要把我们在世界上感知到的东西锚定在确定的事物上。我们需要知道，我们测量、观察和体验到的东西，可以放入现实的模型中，帮助我们做出更好的决策。
我在这本书中已经详细描述了在复杂性下，什么是正确的严谨性。那就是创建逻辑论证，论证的前提基于永恒的属性，而不是因果关系。但这还不能满足我们对因果关系和确定性的需求。没错，属性是我们期望复杂事物遵守的约束。我们可以用它们来判断我们在构建复杂解决方案时是否走在正确的道路上。但是，它们也有一种连接组织。它们不是彼此无关的属性。
让我们再考虑一下一本书。书籍有叙事结构，从建立到上升的挑战过渡，最终解决这些挑战。正如我所说，这种结构不应该用于播种或指导写作，而只是作为写作进展顺利的事后信号。叙事结构的不同部分是优秀写作的属性，但这些属性之间存在元因果关系。建立导致紧张局势的上升，后者过渡到某个高潮，最终流入某个解决方案。
写作的叙事结构可以看作是一个外部的、元结构，其各个部分充当着因果连接的属性。这意味着，如果我们将知识的定义转移到外部，远离事物的内部原因，我们可以挽救人类用来推理的那种因果关系和确定性。
这是一种恰当的具体的放置，与由于我们的还原论科学和工程范式而发生的错位的具体放置形成对比。当因果关系在元层面使用时，它就成为推理我们正在构建的内容的强大工具。在元层面存在的事物具有结构和原因。这为在讨论复杂事物的创建时，带来了一种更加现实的严谨方法。
人类需要重新定义严谨性，将其定义为存在于我们希望创建的系统外部的东西。这是人类第一次遇到我们的自我意识和理性所依赖的直觉因果关系和确定性。不是在确定性系统的内部运作中，也不是在我们理论和解释的奇特符号中，而是在我们学会生存的自然复杂的世界中。也许人类最伟大的发现将是它意识到进步，以其最好的形式，将我们带回了我们开始的地方。好了，今天就先聊到这儿，下次再见！