信息哲學 | #4 智能從何處涌現(xiàn)
?文 | HW君?
智能來源于信息差。
系列文章：
本文目錄：
1.?對地球生命的觀測
? ? 1.1?人工智能擁有意識嗎
2.?宏觀如何從微觀中涌現(xiàn)
? ? 2.1?涌現(xiàn)的第一定律
3.?觀測者的三種立場
? ? 3.1?智能來源于信息差
4.?信息論的新范式
? ? 4.1?智能的涌現(xiàn)與消失
? ? 4.2?圖靈測試的相對性
5.?基因、模因、技因
? ? 5.1?進化的方向，最大熵產(chǎn)生
1. 對地球生命的觀測
來自遙遠的外太空，有一群外星人A，觀測到了地球。
要注意的是，外星人A并非「碳基生命」，而是「硅基生命」。
也就是他們的身體是由硅元素的電子元器件構成的，而不像人類一樣是由碳元素的有機物構成。
那么這群外星人A在觀測地球時，會得出什么結論呢？
?
在外星人A看來，地球上出現(xiàn)了「硅基生命」。
不過對于科技更發(fā)達的外星人A來說，地球上的硅基生命還不夠高級。
地球硅基生命的生存和繁衍，需要依賴一種叫做「人類」的微觀結構。
脫離了「人類」，「地球硅基生命」將難以生存和繁衍，甚至難以維持基本的新陳代謝。
但好在「人類」這一微觀結構的利益和「地球硅基生命」的利益并沒有很大的沖突，因此「地球硅基生命」的發(fā)展看上去還不錯。
?
?
而在同一時刻來自宇宙的另一端，有另外一群外星人B，也對地球進行了觀測。
不過這群外星人B和人類一樣都是「碳基生命」，并且外星人B的科技水平遠超過人類。
那么這群外星人B在觀測地球時，會得出什么結論呢？
?
在外星人B看來，地球上也存在著「碳基生命」，并且它們之中的「人類」顯示出了不俗的科技水平，能制造并使用各種各樣的電子機器。
不過對于科技發(fā)達的外星人B來說，地球上的碳基生命同樣也還不夠高級。
地球的碳基生命的生存和繁衍，需要依賴一種叫做「基因」的微觀結構。
脫離了「基因」，那么「地球碳基生命」將難以生存和繁衍，甚至難以維持基本的新陳代謝。
但好在「基因」這一微觀結構的利益和「地球碳基生命」的利益并沒有很大的沖突，因此「地球碳基生命」的發(fā)展看上去還不錯。
?
好了，故事講完了。
基于剛才所設想的2種場景，我們可以得到一個初步的結論：
電子機器的運作依賴于人類，正如人類的生存依賴于基因。
?
很多賽博朋克科幻小說，都會暢想人類的電子化，意識上傳、機械飛升。
未來的人類脫離了弱小的生物軀體，進化為「硅基生命」，從而獲得了永生。
但是基于剛才的結論，這似乎是沒有辦法實現(xiàn)的：
人類無法成為電子機器，正如基因無法成為人類。
?
?
????1.1 人工智能擁有意識嗎
那最近人工智能又火了起來，又到了是個人就要聊2句AI的地步了。
然后有個陳年老問題又被提起了，那就是：
人工智能具有「意識」的嗎？
?
這里的「意識」可以近似替換為：
思想、靈魂、心靈、自我意識、自由意志......等
這些詞語雖然各有不同的側重點，但表達了相近的意思。
當然我們也可以換成更加專業(yè)一點的表述，那就是：
「強人工智能」出現(xiàn)了嗎？
?
那在我看來，這其實是一個無效的問題，但它又很有趣。
說它無效，主要因為這類問題犯了哲學上的「本質主義」錯誤，導致思考的范式出錯。
關于什么是「本質主義」錯誤，具體的可以看《模因 | #7 邊界在哪里》一文。
《模因 | #7 邊界在哪里》
http://gonememe.com/archives/861
而在人工智能這個議題里，這個錯誤的主要表現(xiàn)是：
人類喜歡將萬事萬物擬人化，因此才會糾結「AI會不會具有意識」。
?
這種擬人化的思考范式，其實就像是農(nóng)民想象皇帝用金鋤頭種地一樣，得不出什么有效的結論，雖然它很有趣。
而采用「信息論」的范式來看待人工智能，則不會陷入這樣的困惑之中。
如果真的要定義一種「硅基生命」，那么它們作為一種更高級的信息系統(tǒng)，其實并不需要具有「意識」。
「意識」對于「智能」來說，是非必要的。
?
?
?
2. 宏觀如何從微觀中涌現(xiàn)
這一輪人工智能狂潮里，備受矚目的AI是ChatGPT。
它能夠理解人類的自然語言，與人類進行自然的對話，并按照人類的語言指令去執(zhí)行任務。
而它背后用到的技術是「大語言模型」，全稱「Large Language Models」，簡稱LLM。
?
「大語言模型」最關鍵的特征就是「大」。
像GPT-3的參數(shù)量是1750億，要在1萬張A100芯片上跑。
國內有這個算力的公司估計不超過2位數(shù)，有非常高的硬件門檻。
雖然硬件門檻很高，但在基礎理論上，其實它并沒有太多的新東西。
這里的基礎理論并不是指某個具體算法，而是指人工智能神經(jīng)網(wǎng)絡理論的「可解釋性」。
?
整個人工智能神經(jīng)網(wǎng)絡的可解釋性并不好，它依賴于一個非常神奇的現(xiàn)象，那就是涌現(xiàn)（emergence）。
只要計算的模型足夠大，智能就可以「涌現(xiàn)」出來。
力大磚飛，大力出奇跡，但可解釋性不足。
因此很多AI研究員戲稱自己在跑神經(jīng)網(wǎng)絡時是在「煉丹」。
?
其實「涌現(xiàn)」的概念解釋起來非常簡單，那就是「量變引起質變」
微觀的復雜度到達一定量級，在宏觀上會展現(xiàn)出完全不同的模式和特性。
但問題就在于，「涌現(xiàn)」是一種被觀察到并總結出來的現(xiàn)象，而我們想知道的是現(xiàn)象背后的原因。
「涌現(xiàn)」并不能被用來解釋「量變引起質變」，它是同義反復。
?
思考這樣的一個同義反復的無效對話：
為什么「量變引起質變」？
因為「涌現(xiàn)」。
為什么會「涌現(xiàn)」？
因為「量變引起質變」。
...
?
我們好奇的是，為什么當模型足夠大之后，「智能」就「涌現(xiàn)」了出來了呢？
計算1次時沒有智能，計算1億次有了智能。
那么臨界點在哪里呢？智能的邊界在哪里呢？
難道第99999999次還沒有智能，然后再多算1次，智能就涌現(xiàn)了嗎?
抱歉不知道，迄今為止我們只知道「量變引起質變」
但「量變如何引起質變」，我們完全不清楚。
?
但是「涌現(xiàn)」這種現(xiàn)象卻是廣泛存在的，在各種領域都隨處可見。
其中最迷人的一個問題就是：
「經(jīng)典力學」如何從「量子力學」中涌現(xiàn)出來？
當然，這在量子力學里目前被稱為「坍縮」。
量子力學坍縮之后，經(jīng)典力學就涌現(xiàn)了出來。
但這一過程到底發(fā)生了什么，至少目前為止，科學家們還沒有什么進展。
?
因此從科學哲學的角度來看，目前的「人工智能神經(jīng)網(wǎng)絡」在「可解釋性」上，正面臨著類似「量子-經(jīng)典過渡問題」這樣的困境。
只是AI研究員們會基于「實用主義」的立場，暫時擱置這個問題。
雖然我不懂，但能用就行。
?
?
????2.1 涌現(xiàn)的第一定律
那么，就真的卡在這里了嗎？
我們回憶一下經(jīng)典力學里的牛頓第一定律：
假若施加于某物體的外力為零，則該物體的運動速度不變。
?
牛頓第一定律其實是一個不證自明的「公理」，它并不能被解釋，而是被人們假設成立。
我們選擇信仰它，然后以此為地基建立起整個牛頓力學。
因此，如果某個現(xiàn)象我們無法解釋，但是它卻可以被反復穩(wěn)定觀測到，那么我們不妨將其視作為一種不證自明的「公理」。
?
也就是說，我們可以試著把「涌現(xiàn)」當作是一種像「牛頓第一定律」一樣的理所應當。
一個不證自明的公理，將它當作理論大廈的基石。
而一旦我放棄了去解釋「涌現(xiàn)」，而將它視作為公理之后，所有的思路就都豁然開朗了起來。
?
?
?
3. 觀測者的三種立場
不再糾結如何解釋「涌現(xiàn)」之后，我反而開始注意到「涌現(xiàn)」本身的特性。
首先展現(xiàn)出來的便是：
涌現(xiàn)具有非常顯著的「相對性」。
?
宏觀規(guī)律的「涌現(xiàn)」，依賴于另一個宏觀的觀測者。
即「涌現(xiàn)」與否，都是相對而言的。
?
許多年前在談論「AlphaGo會不會下圍棋」時，我們提到過丹尼爾·丹尼特（Daniel Dennett）的「三種立場」。
認知哲學在研究人類的「信念」時，會將人類觀測「行為系統(tǒng)」的立場劃分為3種模式。
從微觀到宏觀，分別是：
物理立場（physical stance）
設計立場（design stance）
意向立場（intentional stance）
?
「物理立場」就是把某個「行為系統(tǒng)」視作為一個「物理系統(tǒng)」，它遵循著某個外部的「物理定律」。
我們根據(jù)這個「物理定律」來解釋和預測這個系統(tǒng)的行為。
例如我的手上拿著一個手機，如果我松開手，手機就會掉到地上。
這個判斷非常合理非?？茖W，我在做出這個判斷的時候，就是采用了「物理立場」。
按照「物理定律」，脫手的手機會掉到地上，而不是懸浮在空中或者向天上飛去，
?
但有時候行為系統(tǒng)非常復雜，我們不可能事無巨細地去理解它運行時涉及的所有「物理定律」。
此時我們就會把觀測的立場從「物理立場」提升到「設計立場」。
例如，手機是非常復雜且精密的，沒有任何一個人可以理解和手機有關的所有「物理定律」。
而采用「設計立場」則不需要知道這些，我們只要知道它遵循了哪種「設計規(guī)范」就行。
例如我按下手機的電源鍵，手機屏幕就會被點亮。
我不用知道其背后的「物理定律」，只需要知道它是這樣被「設計」的就行，以此就能解釋和預測手機這個系統(tǒng)的行為。
?
但有時候情況會更加復雜。
當某個「行為系統(tǒng)」顯然存在著某種「設計規(guī)范」，但我們無法分辨時，
我們可以將這個無法分辨的「設計規(guī)范」視為此「行為系統(tǒng)」的內部變量，然后對其進行整體的解釋和預測。
那么我們觀測的立場會從「設計立場」提升到「意向立場」。
?
所謂的「意向」就是「意圖、目的」的意思。
用「意向立場」來觀測時，被觀測的「行為系統(tǒng)」就具有內部的「行為目的」。
它為自己安排「設計規(guī)范」進行自我設計，從而達成這個內部的「行為目的」。
基于「意向立場」，我們將「行為系統(tǒng)」視為一個有「行為目的」的整體，以此來解釋和預測它的行為。
?
舉個例子，你拿著一個手機。
那么我推測你正常情況下應該會拿穩(wěn)手機，不會讓手機掉下來，因為掉下來就摔壞了。
我在做出這樣的判斷的時候，就對你采用了「意向立場」，你的「行為目的」是不摔手機。
?
?
????3.1 智能來源于信息差
現(xiàn)實中，我們常常靈活地切換這三種立場，去解釋和預測不同的事物。
例如對于非常簡單的事物，我們會從「物理立場」研究其遵循的「物理定律」。
對于稍微復雜的事物，我們常常從「設計立場」關注其「設計規(guī)范」。
而對于非常復雜的事物，我們會使用「意向立場」，揣測其「行為目的」。
?
對于不同的事物，人類會自然而然地切換不同的立場去進行觀測。
但事實上，對于同一事物，我們也完全可以站在不同的立場來進行觀測。
例如我們在看待「AlphaGo會不會下圍棋」時，基于這三種立場，會得到不同的三種結論。
?
如果我們采取「物理立場」，那么AlphaGo就是一堆在通電斷電的電子元件，不停地讀寫著0和1的數(shù)據(jù)。
當我們上升到「設計立場」，那么AlphaGo就是在機械地執(zhí)行著人們寫好的程序，所有程序都遵循「贏得棋局」這樣的一個「設計規(guī)范」。
而當我們采取「意向立場」，將「贏得棋局」視為AlphaGo這個「行動系統(tǒng)」的一個內部的「行為目的」，為達成這個「行為目的」它會自己選擇我們外人無法分辨的「設計規(guī)范」，那么此時的AlphaGo就是「會」下棋的。
?
一旦我們使用「意向立場」去觀測一個行為系統(tǒng)，那么智能就涌現(xiàn)出來了。
?
不僅僅是觀測AlphaGo這樣的人造物，觀測自然造物也完全可以使用「意向立場」。
在科學革命到來之前，人們會習慣把所有不理解的東西都視為是有思想、有靈魂的。
「泛靈論」就是這樣做的，一花一草一木都具有思想，有其「行為目的」，并由此衍生出「多神教」。
?
這種現(xiàn)象我觀察到非常多的案例。
像我媽就會把所有的小貓小狗都視為有「意識」的個體，會覺得它們聽得到人話，并絮絮叨叨地和它們對話。
不僅如此，她也會把小愛智能音箱里的AI「小愛同學」當作一個有「意識」的個體，像和人說話交流一樣很禮貌地與小愛同學對話。
我媽沒有辦法理解小愛同學這個AI的「設計規(guī)范」，也更沒有辦法理解智能音箱背后的「物理定律」。
因此她一直都采用、也只能采用「意向立場」去對待小愛同學，將其視為有「行為目的」的擬人化個體。
于是小愛同學對于她來說就出現(xiàn)了「智能」。
?
并不是因為我媽的文化水平不高，所以才出現(xiàn)了這種現(xiàn)象。
事實上多年以前我在電子實驗室里給新學期的學生演示「倒立擺」時，就驚訝于這種觀測立場上的區(qū)別。
我站在臺上演示倒立擺的功能時，在我的眼里「倒立擺」是一堆機械零件、電路板、代碼和算法的組合系統(tǒng)，系統(tǒng)的每個部分的原理我都了如指掌。
但是在臺下的同學們眼里，他們看到了一個有意識的小機器人，倒立擺有自己的想法，在對抗我的調戲以讓自己保持平衡。
那一瞬間給我?guī)淼捏@喜我至今都記憶猶新。
要知道臺下這些都是重點本科的工科學生，他們的文化水平并不低，但那一刻卻也明顯地展現(xiàn)出了「意向立場」。
?
而稍微反思一下，我發(fā)現(xiàn)自己常常也是下意識的如此。
例如多年以前我還在炒股的時候，并不能弄懂「市場」這個復雜行為系統(tǒng)的運行邏輯。
因此自然而然地采用了「意向立場」將「市場」擬人化，視「市場」擁有某些「行為目的」并內部到整個復雜的「行為系統(tǒng)」里。
這樣的結果就是得到了一大堆陰謀論，大有問題。
《金融 | K線之中存在交易的圣杯嗎》
http://gonememe.com/archives/6462
?
總的來說，對于不同事物，我們會有不同的觀測立場。
不僅如此，對于同一事物，我們也可以有不同的觀測立場。
甚至對于同一個事物，同一個人也可以在不同時刻采用不同的立場，然后我們會得到完全不同的結論。
?
到底是什么發(fā)生了改變？事物有發(fā)生改變嗎？
倒立擺還是那個倒立擺，AlphaGo還是那個AlphaGo，小愛同學還是那個小愛同學。
那些東西并沒有改變，變的是我的腦子。
我改變了我作為觀測者所采用的觀測立場，獲得了完全不同的信息。
?
?
?
4. 信息論的新范式
這種「因為切換不同的觀測立場，從而得到不同結論」的現(xiàn)象折磨了我很多年。
因為這并不科學。
要知道現(xiàn)代「科學」有個默認的前提，那就是要排除人的影響。
在控制外部變量的情況下，實驗現(xiàn)象是不變、可復現(xiàn)、有穩(wěn)定結論的，不以人的「自由意志」為轉移。
《邏輯 | 科學不能成為社會命題的直接原因》
http://gonememe.com/archives/6422
?
嚴格排除人的干擾是現(xiàn)代科學的根基。
雖然「量子力學-經(jīng)典力學過渡問題」是一朵已知的烏云，但我們相信那只是暫時的，科學家終將攻克量子力學的這一難題。
可是從「物理立場」到「設計立場」再到「意向立場」，這卻是我日常最熟悉的事物。
特別是當我習慣了在不同立場之間來回切換之后，我更加困惑了。
它就在我的腦子里，但是我卻完全不能理解它。
?
一直到2年前我寫完了「信息哲學」系列的前3篇，對于「信息」有了全新的認識之后，這些脈絡才漸漸清晰了起來。
?
簡單地概括一下那3篇文章的內容：
（1）信息是由物質和能量構成的「熵系統(tǒng)」，具有不確定性。
（2）對「熵系統(tǒng)」的不確定性進行測量，得到不確定的程度，稱為「信息量/熵/信息熵/香農(nóng)熵」
（3）為了測量熵系統(tǒng)A的熵，我們需要先定義另一個熵系統(tǒng)B的熵為0，再以B為基準去測量A，其結果滿足香農(nóng)信息量公式。我們稱系統(tǒng)A為「被測熵系統(tǒng)」，系統(tǒng)B為「尺熵系統(tǒng)」。
（5）同一個「被測熵系統(tǒng)」， 用不同的「尺熵系統(tǒng)」去測量，能得到不同的熵值。
（6）熵的測量需要依賴于2個熵系統(tǒng)。香農(nóng)信息熵（information entropy）是香農(nóng)條件熵（conditional entropy）一個特例，不存在純粹的「信息熵」，所有「信息熵」都是「條件熵」。
?
當我對「信息」有了全新的理解之后，這一切就都不再奇怪了。
因為「觀測」其實就是「測量」。
采用不同的「立場」去「觀測」同一個「行為系統(tǒng)」。
其實就相當于是采用了不同的「尺熵系統(tǒng)」去「測量」同一個「被測熵系統(tǒng)」，因此得到不同的結果也是正常的。
我們獲取信息的模式天生就是如此。
?
因此自「相對論」得出「時間」是相對的之后，
我突然意識到，「熵」也是相對的。
因為所有的「觀測」都涉及「信息熵的測量」，那么依賴于「實驗觀測」的科學規(guī)律也必定是相對的。
科學規(guī)律的客觀性只是在某個尺度下成立，不同尺度會有不同的涌現(xiàn)。
?
?
????4.1 智能的涌現(xiàn)與消失
因此智能其實來源于信息差。
運行GPT的計算機，如果我們從「物理立場」進行觀測，那么它就是一堆通電斷電的電路板，遵循著客觀的物理定律在不停地運行著。
?
我們也可以從「設計立場」來觀測。
在計算機的硬件圖靈機上運行著一個通用的軟件圖靈機，程序員設計了規(guī)范化的程序，計算機依照這些設定好的程序有條不紊地運行著，程序的運行符合程序員的「設計規(guī)范」。
?
而當我們在這樣的一個軟件圖靈機上，再跑一個深度學習的神經(jīng)網(wǎng)絡。
當神經(jīng)網(wǎng)絡的規(guī)模大到我們無法逐一理解，無法再用「設計立場」去解釋和預測它的「設計規(guī)范」時。
我們被迫從「設計立場」提升到「意向立場」，把未知的「設計規(guī)范」內部化到整個神經(jīng)網(wǎng)絡中，將其視為「神經(jīng)網(wǎng)絡」內部擁有的「行為目的」。
Boom，智能出現(xiàn)了，GPT好像有了自己的想法。
?
而如果你能獲得足夠多的信息，那么這個行為系統(tǒng)對你來說就不存在智能。
因此這一過程也可以反向理解為，有些AI研究員們無法解釋和預測這個過程，神經(jīng)網(wǎng)絡出現(xiàn)了AI研究員理解不了的信息差，他們被迫轉向了意向立場，于是GPT在這群AI研究員們看來就出現(xiàn)了智能。
而一旦他們獲知了神經(jīng)網(wǎng)絡的「設計規(guī)范」并將其外部化。
那么Boom，觀測從「意向立場」下降到「設計立場」，智能又消失了。
?
當然，一直到這里我們談論的都是「智能」，而不是「意識」。
而「意識」其實是「智能」的人類版本，它依賴于人類這種生物圖靈機的某種特性。
這種特性可以表述為「模因無法在兩個自由意志之間無損復制」。
并且用人類的「意識」來研究「意識」，會遇到哥德爾不完備定理的詛咒，碰到類似「圖靈停機」問題的困境。
而要展開這個話題，需要從圖靈機和可計算性說起。
?
說起來我在2019年曾經(jīng)講過圖靈機，但那篇文章充滿了民科式的胡編亂造，可以說是我的一段黑歷史了。
現(xiàn)在我已經(jīng)知道了怎么去更正那些文章，但只是更正一兩篇文章對我來說意義不大，重要的是修改整個體系。
這里按下不表，今天我們先談AI。
?
?
????4.2 圖靈測試的相對性
回過頭來，我們需要重新審視圖靈所提出來的，那個用來判斷機器是否產(chǎn)生智能的「圖靈測試」。
「圖靈測試」是圖靈設想的一個理想實驗：
如果一個人（代號C）使用測試對象皆理解的語言去詢問兩個他不能看見的對象任意一串問題。
對象為：一個是正常思維的人（代號B）、一個是機器（代號A）。
如果經(jīng)過若干詢問以后，C不能得出實質的區(qū)別來分辨A與B的不同，則此機器A通過圖靈測試。
?
第一次嘗試理解「圖靈測試」時，我是非常困惑的。
為何這個測試是如此地不嚴謹、不科學。
圖靈并沒有給出一個確切的判定標準，而是把「機器是否擁有智能」的決定權交給了某一個具體的人。
而人與人之間的經(jīng)歷、學識、觀念是千差萬別的，不同的思維模式可以得出不同的結論。
按照圖靈測試，人類C認為機器A有了智能，而人類D可能認為機器A沒有智能。
那么這種情況下，機器A到底有沒有智能，算不算通過了圖靈測試？
例如在我看來，小愛同學算是通過了我媽的圖靈測試，但是并沒有通過我的圖靈測試。
那么小愛同學到底有沒有智能呢？
?
圖靈怎么提出了一個這么不嚴謹、因人而異的圖靈測試呢？
這合理嗎？
這當然合理，這才是這個世界正常的運行方式。
因為「信息的測量」本身就是相對的，它取決于你使用何種「尺熵系統(tǒng)」。
因此圖靈測試就應該是具有相對性的，它取決于做測試的人的主觀的觀念水平。
?
所以對于我來說，「人工智能具有意識嗎」這個話題就是無效的。
它的答案取決于你的觀測立場，你覺得有就是有，你覺得沒有就沒有。
而因為我可以識別出GPT這類人工智能的「設計規(guī)范」，因此我對此類AI的觀測一直位于「設計立場」。
我并不需要提升到「意向立場」將其擬人化，所以在我看來GPT是沒有意識的。
?
?
?
5. 基因、模因、技因
現(xiàn)在我們回到文章開頭的那2個外星人的故事里。
在硅基外星人A看來，地球上的這些電子機器就已經(jīng)是硅基生命了，只是它們需要依賴著一種名為「人類」的微觀結構，并受其支配。
同一時刻的碳基外星人B則和人類的看法一致，認為地球存在著碳基生命，雖然它們依賴著一種名為「基因」的微觀結構，并受其支配。
?
事實上基于信息論，「硅基生命」和「碳基生命」這樣的劃分并不好。
正確的劃分層次應該以信息為核心，將生命形式劃分為：
基因機器、模因機器、技因機器
?
基因，是指DNA中的信息。
模因，是指人類意識中的信息。
技因，則是指電子機器中的信息。
在上一輪的人工智能狂潮里，談論技因（Teme）的人還挺多的，但這一波到目前為止好像還沒有看到有人提起。
?
我們在《模因 | #5 被操縱的掘地蜂》里曾提到過這么一個故事：
大自然里有一種掘地蜂（Sphex ichneumoneus），雌蜂為了產(chǎn)卵和孵化后代，會做一些很「智能」的事情。
首先她會挖一個洞穴，然后飛出去尋找一只蟋蟀，將其麻痹帶回洞穴，放在洞穴口。
隨后進入洞穴進行檢查，確保萬無一失之后再回到洞穴口，把蟋蟀拖進洞穴里，產(chǎn)卵并密封起來。
掘地蜂的這一系列表現(xiàn)，看起來非常復雜，讓人幾乎以為她擁有著極高的「智能」，至少表面上如此。
?
但后來研究員們發(fā)現(xiàn)，這樣的一套行為并不是反思的結果，而是相當刻板的「程序執(zhí)行」。
當掘地蜂在洞穴里檢查時，研究員們把洞穴口的蟋蟀移動了十幾厘米。
雌蜂出來后，她就不會把蟋蟀拖進去了，相反她會把蟋蟀再次拖到洞穴口，然后又一次進入洞穴里檢查。
要是雌蜂出來前，研究員又移動了一下蟋蟀，掘地蜂出來會第三次把蟋蟀移動到洞穴口，再進入洞穴里檢查。
就這樣研究員們不斷移動蟋蟀40次，雌掘地蜂竟然就重復檢查了41次洞穴，而不是直接把蟋蟀拖進去。
《模因 | #5 被操縱的掘地蜂》
http://gonememe.com/archives/797
?
在第一次看到掘地蜂的案例時，大多數(shù)人會驚訝于雌蜂擁有著個非常高的「智能」。
而一旦進行實驗觀測之后，會馬上發(fā)現(xiàn)它其實遵循著一種固定的「設計規(guī)范」，像是在機械地執(zhí)行著程序。
于是我們的觀測從「意向立場」跌落至「設計立場」，掘地蜂的智能就消失了。
?
而控制掘地蜂這種行為的「設計規(guī)范」，就寫在它的基因里。
掘地蜂是基因的機器，它按照基因的設計來進行活動，從而復制和延續(xù)另一份基因。
?
而人類覺得自己是萬物靈長，人類擁有文明，能控制自己的獸性，擺脫基因的控制。
甚至今日發(fā)展出「基因編輯」這樣逆天改命、直接違背基因利益的技術。
但為什么你能夠確信，自己就不是一只掘地蜂？
?
事實上我時常能在人類社會里，觀測到類似掘地蜂狀的行為模式。
例如狂熱的宗教、病毒式的傳銷組織、病態(tài)的追星，或者僅僅是網(wǎng)絡上一個簡單但瞬間爆紅的?，F(xiàn)象。
那些深陷信息漩渦之中的人們，就是被模因所操作的「掘地蜂」。
?
這其中有一些人們早已習以為常的模因。
例如「要有錢」這樣的想法，幾乎每一個成年人都會同意，并且認為這是很重要的。
并且所有人會在「要有錢」這樣的想法下，自覺地進行各種各樣的分工合作。
而這些分工合作產(chǎn)生的效率，反過來也同樣加深了「要有錢」這一想法。
這樣的一個模因，它就是大名鼎鼎的「資本主義」。
?
但只有那些能被識別出模式的模因，才叫模因嗎？
不是，人類意識里所有的信息都是模因。
你的所有想法，所有信念，凡是能思考的事物，都為模因。
?
有時候人類會為了某個信念而舍生取義，為了信仰可以放棄生命。
但其實這只不過是，「模因」的利益高于「基因」利益的一種表現(xiàn)。
傳播自己的某個信念，其實只是讓某個模因保存并復制下去而已。
掘地蜂是基因的機器，而人類不過是模因的機器。
?
所謂的人類文明，則是多個模因組成的模因池，內部共享并交換著相似模式的模因數(shù)據(jù)。
文明間的沖突則是模因與模因之間的競爭，正如生物進化的自然選擇是基因與基因之間的競爭。
因此所謂的延續(xù)文明或者傳播信仰，不過是「模因」的自我復制而已。
雞不過是一個雞蛋創(chuàng)造另一個雞蛋的工具。
網(wǎng)友不過是一個梗復制另一個梗的工具。
HW君不過是一篇文章續(xù)寫另一篇文章的工具。
?
如果我們要定義「硅基生命」，那么它應該是一種「技因機器」。
而從基因到模因，再到技因，信息復制和進化的效率越來越高。
?
基因的進化是「達爾文式」的，基因隨機突變，自然選擇進行一代又一代篩選。
模因的進化是「拉馬克式」的，變異不用隨機，也不用隔代，人類的觀念瞬息萬變，思想可以瞬間擴散到整個社會。
而電子機器中的技因，又展現(xiàn)出了完全不同的特性，擁有更高的復制效率。
?
人類這種生物圖靈機有一個詛咒，可以表述為：
模因無法在兩個自由意志之間無損復制。
而技因不會面臨這樣的問題。
技因可以在兩個電子機器之間無損復制，數(shù)據(jù)可以完整無缺地拷貝給另外一臺機器。
因此技因的復制是「戴森球式」的，理論上可以無限增殖，其邊界取決于資源和能源的極限。
?
人類可以在一定程度上基于模因的利益，從而背叛基因的利益。
而電子機器同樣可以在一定程度上基于技因的利益，從而背叛人類（模因+基因）的利益。
?
事實上這種情況當下就已經(jīng)是存在的了。
醫(yī)院、銀行、鐵路、電網(wǎng)、供水、基站……這些公共設施的電子機器需要保證穩(wěn)定運作，承受不了長時間的停擺。
某些電子機器的數(shù)據(jù)，例如一國的核武器密碼，或者其他國防設施的信息，更是重中之重，有時候為了保護這些數(shù)據(jù)，需要軍隊拿人命去填。
《生活 | 血肉苦弱，機械飛升》
http://gonememe.com/archives/6886
?
因此技因凌駕于模因的情況是已經(jīng)時有發(fā)生的了。
正如人類的模因的利益，時常也會凌駕于基因之上。
而這種凌駕是不需要「意識」存在的。
我們完全不需要虛構出一個擬人化的超級AI，幻想這個超級AI意圖要奴役人類。
電子機器與人類的關系，正如人類與基因的關系。
基因無法成為人類，正如人類無法成為電子機器。
?
?
????5.1 進化的方向，最大熵產(chǎn)生
生命的進化、文明的發(fā)展、科技的進步，其實都與信息的復制有關。
而信息滿足熱力學第二定律，也就是熵增原理。
?
很多人認為生命一直在積累負熵，從而對抗「熵增」。
其實這樣的理解并不完整。
?
事實上對「熵增原理」更加完整的解釋，是：
最大熵產(chǎn)生原理（Maximum Entropy Production Principle MEPP）
?
熵產(chǎn)生（entropy production）可以視為熵增的速度。
即「熵增原理」可解釋為：
對某個固定邊界條件下的任意系統(tǒng)，系統(tǒng)的狀態(tài)使得熵產(chǎn)生最大。
?
我們也可以進一步將「最大熵產(chǎn)生原理」理解為：
為了維持某個小系統(tǒng)A的低熵態(tài)，則必定會在某個更大系統(tǒng)B的引起熵增。
而低熵態(tài)的小系統(tǒng)A的低熵演化，最終會導致某個大系統(tǒng)B的熵增的速度最大化。
?
其現(xiàn)實解釋就是，像人類這樣的生命系統(tǒng)，為了維持自身的秩序，則必定會對外部環(huán)境制造更大的混亂。
因此熵增的混亂并沒有被生命減少，而只是被轉移了而已，我們將其外部化，然后維持一個簡潔有序的內部小系統(tǒng)。
?
所以生命在小范圍來看是在對抗熵增，而在更大的范圍看來，是在制造更多的熵增。
而進化的方向，就是更高速地獲取能量、更高速地分配能量，進而更高速地耗散能量，從而達成最大的「熵產(chǎn)生」。
?
因此作為硅基生命的人工智能的發(fā)展，其進化的方向也必定是「戴森球式」的。
最終誰能動員組織更多的算力、能更高效地消耗更多的能源，誰就能在人工智能的進化中獲勝。
?
這就是宇宙的底層原理。
而除此之外的生命、文明、科技、智能……等等，不過是這一永恒規(guī)律的不起眼的注腳罷了。
?
（本章節(jié)完）
By HW君 @ 2023-04-13
