Chapter Content
哎，大家好。今天呢，想跟大家聊聊关于“回归本源”这个话题。
咱们之前也说了，通过抽象来进步，让我们能够创造出真正复杂的东西。但是呢，这也要求我们在构建事物、创造价值的方式上进行一些反思。人嘛，是通过运用自己的技能来创造新的东西。但过去几百年，得到奖励的往往是那些低层次的、依赖内在因果知识的硬技能。那时候啊，要说一个人厉害，那就是得知道“这玩意儿”内部是怎么运作的。
但是现在，像人工智能这样的技术正在普及这些低层次的技能，甚至直接自动化它们。这就要求我们重新思考人类创造价值的方式。
自从人类开始创造东西以来，我们的工具第一次让我们更接近我们最自然的能力。不再像以前那样朝着越来越精细的方向发展，而是转向了另一种抽象。
现在的技术，通过拥抱真正的复杂性，让我们回归本源。现在重要的技能，是那些过去重要的技能，是我们进化而来的技能。人类非常擅长在高度不确定的环境中航行，利用启发式方法和模式识别来解决真正困难的问题。“启蒙运动”时期推崇的那些技能，在复杂环境下就行不通了。它们专注于孤立和提取，与自然的运作方式不符。所以，我们现在必须像大自然一样构建事物。
想想拼写检查和自动完成技术。有人可能会说，自动完成技术让人类变笨了，因为我们不再需要考虑拼写。但其实，我们本来就不应该太在意拼写嘛。大多数情况下，拼写错误并不会改变信息的含义。有个例子，叫“错位词”，说的是读者即使在拼写错误和字母错位的情况下也能理解文本。这表明，写作中的具体细节与理解关系不大。拼写是一种学术上的执着，而不是一种自然的、真实的执着。人类真正应该做的，不是确保单词拼写正确，而是把想法写下来，表达自己的直觉。这才是自动完成技术允许人们做的事情。如果一个人不再需要花时间确保拼写正确，那就可以简单地进行交流，对吧。
没错，拼写和语法会自然而然地出现，但记住，模式不是路径。我们看到的结构，并不是到达那里的路径。这就是为什么语言会随着时间的推移演变出新的语法和句法。语言是一个动态系统，它适应说话者的需求和使用。我们不应该过分关注拼写和语法，这些只是有机交流的结构性副产品。我们应该专注于解决现实世界的问题。事实上，最好的语法应该来自那些根据他们试图传达的内容自然说话的人。它是否符合当前对“好”的学术定义，其实不重要。
我们将来创造的技术将消除过去几百年里受到赞扬的许多技能。但它们会让人们发挥我们天生擅长的能力，而这些技能可以解决我们最大的挑战。
那么，我们现在到底是不是在构建正确的东西呢？
虽然对我们所构建的东西的唯一真正验证是生存，但在单一代人中无法直接评估这一点。只有时间的流逝才能显示什么有效。模拟与现实世界的压力相去甚远，无法确认可行性，而一个人的一生太短，无法声称彻底成功。那我们怎么知道我们构建的是否正确，我们是否走在正确的轨道上呢？
之前也聊过，专注于属性而不是原因的重要性，以及将这些属性融入逻辑论证如何带来更真实的验证形式。属性之所以成为知识有效性的最终来源，是因为它们的永恒性。这种不朽性与当今范式下发明的脆弱的因果原因不同。属性是大自然运作所依据的约束。它们是强大的，因为它们存在于自然解决方案的任何特定实例之外。
虽然无法在单一代人中直接评估长期生存，但我们可以使用属性来验证我们是否走在正确的轨道上。第八章列出了复杂性的几个属性，涉及物理、化学和生物过程发生的边界。这些涉及创建、破坏、转换、保持不变、减少、增加、吸引、排斥、繁殖、循环和流动的事物。本质上，是通过在现实的变幻莫测中保持不变而生存的事物。
这些不变的属性最终是信息性的。它们之所以在大自然中出现，是因为大自然就是这样计算的。如果我们将这些属性归类为更通用的模式，我们会看到非线性、自组织、适应性、弹性、反馈、层次结构、临界性、周期性、同步性和相变等等。
这些是我们期望在系统从简单状态过渡到复杂状态时看到的模式。这些涌现的标志向我们表明，正在实现真正的复杂性。这些模式都无法刻意设计出来。它们只能从大自然的试错中涌现出来。可以被直接设计出来的是启动变异、迭代和选择过程的初始设置，以及高级启发式方法的应用。
想想写一本书。学院派的方法是从一开始就使用文学手法和最佳实践来构建我们的作品。但是，相对于我们只遵循直觉所能取得的成就而言，这种做法只会降低作品的质量。不要试图找到正确的词语，而是试图获得正确的感觉。
只有拥抱涌现式创造力，我们才能找到原创的结构和重要的见解。这就是为什么我们自己的作品应该让我们感到惊讶。我们应该见证在途中向我们揭示的事物，这些事物是由于我们的天真行为而自动沉淀出来的。
虽然我们作品的细节应该让我们感到惊讶，但好的作品中看到的属性是完全可以预料的。就像任何新发现的深海生物一样，它看起来会与我们以前见过的任何东西都不同，但仍然符合不令人惊讶且不变的属性。但是，我们看到的属性绝不能用于播种或预先确定我们的作品；它们必须自行出现。只有当复杂性的明显迹象出现时，内部细节才会根据需要进行交互，从而正确地产生一些东西。
在我们自己的工作中寻找惊喜是关注复杂性标志的一种方式，也是对我们所创造的东西的适当验证。在我们的工作开始时已知的是深刻的直觉和生活经验，但这些没有标签。我们的直觉没有表达它们的符号，也没有我们可以放置它们的类别。我们的直觉和经验最终如何得到表达和表达，只有在事后才能看到。
正如第八章所讨论的，当人们涌现式写作时，复杂性的属性就会出现。我们看到想法的到来是非线性的，并且随着迭代的进行，内容会自组织。我们看到自我指涉和反馈循环，因为新的观点会调整我们原来的措辞。我们看到幸存部分中的弹性，以及单词变成段落，段落变成章节，章节变成章节的层次结构。随着时间的推移，当不连贯的想法和笨拙的措辞变得流畅时，就会发生相变。
这适用于我们在复杂时代构建的任何东西。人工智能领域的下一个飞跃不会通过遵循最佳实践或复制当前最佳模型的工作来实现。这种干预实践只会损害确保我们的努力产生涌现结构和行为的可能性。
复杂输出的多重可实现性意味着复杂系统中最重要的不变属性可以通过多种方式实现。至关重要的是，它们必须以不同于我们以前的方式来实现。这确保了我们只关注元级别属性，而不是某些实践或设计。伸手设计我们作品内容的诱惑无法导致创新所需的下一层抽象。
Meta设计？
整个设计的概念都结束了吗？我们必须抛弃任何控制我们构建的事物的结果的想法吗？在当前的设计定义下，是的。内部因果关系的设计在复杂性下是站不住脚的。如果我们要构建复杂的东西，我们必须构建复杂的东西来解决真正困难的问题，那么必须将当前定义和使用的设计放在一边。
但是，我在这本书中主张一种新型的知识。这种知识建立在复杂事物始终遵循的元级别属性之上。这表明有一种根本不同的设计空间。一种考虑如何最好地设置我们的努力以帮助确保可靠输出并推理其有效性的方法。
读者现在应该清楚的是，这种不同的设计概念必须存在于我们创建的系统之外。我们知道，用于创建复杂事物的程序与事物本身的内容关系不大。这意味着，如果设计只是为了设置导致涌现的已知过程，那么设计确实可以预先进行。换句话说，如果设计保持在系统之外，那么设计的精神（即使用预先的结构来指导结果）是可以挽救的。
要进行元设计，只需要选择元级别的片段和连接。这与通过将前提建立在属性而不是原因上来进行更好的逻辑论证没有什么不同。我们可以研究我们希望解决的挑战，并设置元级别的结构，这些结构不会导致特定的答案，而是会导致系统要么生存，要么不生存。这会将解决问题的重点从因果推理转移到制造能够生存的事物上。我们需要设计能够自行得出所需结果但以预期方式收敛的系统。
科学和工程应该是一个单一的学科
科学和工程一直密切相关，但却是完全不同的学科。据说，科学提出了基本的发现，而工程将这些发现转化为可用的工具。我们被告知，科学是工程的基础，因为它提供了工程师用来创建和改进技术的理论理解和原理。
我们被告知，没有量子力学，就不会有现代计算机。我们被告知，由于材料科学，航空航天部件、电子产品、建筑材料和生物医学植入物才得以实现。我们被告知，由于关于静力学、动力学和流体力学的理论，传统的机器才得以实现。我们被告知，土木工程师如果没有与其材料和环境的物理和地质相关的技术知识，就无法进行创造。
这一切似乎都说得通。毕竟，工程师们正试图创造出有效的东西，而只有当它们具有一些以协调一致的方式工作的潜在的、非随机的力量时，东西才会有效。科学是这种知识的积累者，因此科学和工程之间的结合似乎是显而易见的。
但与许多其他现代叙事一样，这遇到了与复杂性方向截然相反的问题。在复杂事物中，从片段到属性没有任何路径，这排除了科学导致工程的故事。无论科学发现什么，都很少有机会在复杂的解决方案中使用。正如之前讨论的那样，基因遗传学和纳米技术等领域已经证明了这一点。现在，我们希望创建具有涌现输出的真正复杂的事物，因此有理由认为，当前的科学无法提供构建模块。
现在有效的是涌现的结构，而这些结构只能通过外部努力来实现，而不是还原论的发现。科学实验的本质，即我们提取和分离事物以进行发现，现在从根本上与我们需要构建的事物分离。获得的任何知识最终都是自我服务的，而不是具有实际意义的真实。
工程师现在必须通过他们实施的外部努力偶然发现一些意外的实现，然后才能发现已发现的真理。事实上，这一直是科学发现发生的方向。尽管学院派的叙述是基础导致应用，但那些开始天真的试错的人发现了后来被编入我们教科书中的事物。更简单地说，发明的真实故事不是科学导致工程，而是工程导致科学。
学院派的叙事之所以能够持续这么久，是因为我们在人类历史上构建的东西几乎都是确定性的。当人类的发明可以用内部因果关系来解释时，功劳就太容易归功于科学家。但是，当我们构建的事物从根本上与科学的因果解释脱节时，这种叙事就不再成立。
有人可能会说，科学是一个好的起点，但实际上，这样的起点应该被视为可疑，因为它们可能会阻碍进步。从由还原论知识构成的基础上开始一项新的创造性项目会将人们引入错误的计划中，因为任何不涌现的结构都不符合复杂系统协调自身的方式。更重要的是，这与某些人提出的更广泛的论点相悖，即相信设计，即使是愚蠢地相信设计，也会激励我们首先尝试。如果我们在项目中强加的设计不会以如此戏剧性的方式破坏系统的稳定性，那么这确实证明是有价值的。当设计积极干扰复杂系统的工作方式时，设计不能仅仅是一种动机。
但是，让我们明确一点。这并没有否定科学在我们构建中的重要性。恰恰相反。复杂系统所遵循的属性，我主张这些属性必须构成未来理性思维的基础，这些属性植根于科学发现。使属性的发现与因果解释根本不同的是，它们不是因果的。属性是关于自然的元级别真理；与它们的形成方式无关。属性适用于给定复杂系统的所有实例。我认为，这是真正的科学，因为它并没有假装可以访问它无法访问的信息。
虽然科学从未真正地为工程提供信息，但在复杂时代，已发现的属性可以告诉我们何时走在正确的轨道上。正是这种科学知识现在可以验证我们工程化复杂事物的努力。但是不要忘记方向性；一旦结构和行为已经出现，就必须事后应用科学真理。
如果我们正在寻找在人工智能领域构建下一个大型语言模型，这是人类有史以来创造的最复杂的事物之一，那么建议应该遵循内在原则只会阻碍进步。今天的 AI 系统正在接近真正的复杂性。我们知道这一点，因为简单的系统无法产生复杂性的明显迹象。但是复杂系统的外部原则确实可以表明我们走在正确的轨道上。同样，这里至关重要的是内部与外部工作之间的区别。只有外部的元级别努力才能使人类能够工程化涌现。
在即将到来的复杂性时代，为了解决我们的挑战，必须构建真正复杂的事物，科学和工程需要成为一个单一的学科。这意味着，唯一公认的知识收集方法来自天真地构建事物，然后将这些发现视为有价值的知识；这种知识可以用来指示有效的构建。将科学和工程结合到一个知识发现和创造的单一学科中，确保了复杂性的方向得到尊重。
我们应该有偏见
当前的范式喜欢贬低人类偏见。毕竟，如果你假设现实世界的情况有根本原因，那么这才有意义。想想种族偏见如何影响医疗环境中的治疗、影响招聘决策、影响司法决策、导致他人的不良财务机会，并带来一系列损害科学研究完整性的问题。如果不能以某种方式控制偏见，我们的努力不仅会产生不公平，而且也是不真实的。事实上，这也是进行元级别分析如此关键的主要原因之一；它汇集了许多不同的意见/片段/方法来谈论更潜在、更真实、更公正的东西。
但是，人类偏见并不是进化的残余需要消除。我们有偏见是有原因的；进化原因。当进化保留某些东西时，它这样做是为了所有目的中最重要的事情；在复杂环境中解决绝对困难的问题。消除人类偏见一定是错误的。在我们需要创建复杂解决方案的时代，这一点尤其正确。
事实证明，问题不在于偏见，而在于缺乏群体选择。当个人管理治疗时，就会出现种族偏见影响医疗环境的情况。当然，个人治疗并非全无坏处，因为人们独特的经验、培训和观点通常是通过一对一的互动来收集的。但是，考虑疼痛管理。这是一个绝对困难的问题，因为它与一个复杂的系统（人体）协同工作。疼痛管理本身的问题无法由个人充分处理。大自然通过选择群体来解决问题，因此 (n - 1) 级别的片段会产生一种配置，从而解决 (n) 级别的聚合挑战。在这里，(n - 1) 级别由许多具有独特（且通常不可避免）偏见的医疗保健从业者组成，而 (n) 级别是需要一种涌现解决方案来解决疼痛管理的问题。
我们不应该期望通过个人做出关于如何服用多少药物的决定来获得良好的解决方案。这些决定必须自然而然地产生，从有偏见的片段集合中产生一些个人无法单独产生的东西。正如人群的智慧（在没有设计的情况下）导致更准确和可用的信息一样，群体也会导致解决困难问题的解决方案。现实情况是，需要个人偏见才能产生公正的总体结果。
试图消除个人偏见是错误的。原因是，需要偏见来补充群体解决问题的能力。我们应该有偏见，这样才能从大自然复杂的现实中梳理出真理的各个方面。正如元模型试图找到比任何一个模型所能揭示的更深层、更普遍真实的东西一样，人们也应该以元的方式工作。
在这个关键时刻，最重要的是要认识到，人们以元的方式工作的最佳方式是构建有效的东西。只有当我们把目标提升到外部的元目标时，才能构建在复杂性下有效的东西。只有这样，系统的内部动态（包括偏见）才能自行安排以解决困难的问题。 好啦，今天就先聊到这里吧，有机会再跟大家分享更多。下次见！