算法理论与社会科学、人文学科之间的联系与一致性

在经济学和社会科学的建设中，优先于所有具体理论构建的最为重要的工作，就是认识到以下这些道理并将之确立为统辖一切研究工作的基本原理：人的理性是有限的；社会是个混合体；处于具体时空环境中的我们，总是只能认识局部的世界，而世界的剩余部分仍然有待我们去认识，所以，对世界的理论性理解需要同对具体材料的观察、描述和感受结合起来；社会工程学是必不可少的，社会科学有助于改良世界，等等。从事理论研究工作，首先需要认识到这些，并在具体理论构建中自觉地接纳和吸收这些基本原理，并用它来改造和管辖具体理论。理论家应当主动说明其理论的性质、用途和限度。教科书应当在起始部分便明确地声明其所教授的知识在包括经验和常识在内的整个人类知识体系中的相对地位，以及这些知识应当如何来理解和使用，以免学生们错误地看待它们，滥用它们。对于所有的人文与社会科学的学习者来说，这些基本范畴和原理的传授都是最为优先和重要的。这是笔者的一个基本主张。

人的理性的有限性并不是指有些东西我们“的确”可以认识，而另一些东西则“绝对”不可以认识；这种观点是一种形而上学。笔者之所以提出以上主张，是因为我认为我们已经有效地突破了这种形而上学；通过计算时间以及算法理论的引入，我们不再把上述诸命题视为一些教条，不再需要教条式地向人们“灌输”这些观念（一些学者所进行的这种灌输显然并不那么成功），而是只需要明确地提出假设，再展示我们所进行的推理，进而轻松地到达这些结论。也就是说，我们已经把这些论述“科学化”了。科学工作，就是不断地、尽可能地驱除形而上学。虽然我们需要不时地建立一些形而上学命题，依赖形而上学，但是，扩大理性解释的范围始终是科学工作的核心使命。在本书中，我们也将不断地识别和剔除隐藏在当下经济学中的形而上学内容，从而大大地扩展科学的地盘。

当我们不能揭示社会世界的规律时，也即当我们不能以规则性的方式来解释部分社会现象时，我们还必须面对剩余的对象。我们可以实地观察它们，用统计数字或者文学语言来描述它们。单纯搜集和整理原始材料的工作也是科学工作必不可少的组成部分（无论理论元素是否已经有意无意地渗透进来了，以及无论渗透进来的是什么样的理论元素）。另一方面，基于大量观察、积累和个人经验，人们竟然会展开对社会状态及其发展变化进行大篇幅的描写和叙述的工作；此即所谓“人文的”、历史的和文学的工作。这些作品中展现了生动有趣的人物个性，叙述了具体事件的进行过程，描写了细致入微的心理活动，表达了人们的喜怒哀乐。这些作品令人喜爱，使人沉醉其中，流连忘返。假如以唯理主义的、或者新古典的眼光来看，这必定是令人惊讶的。百思不解之际，唯理主义者发明了一种说法，即科学与人文的分野；后者被认为不属于科学，那么也就不用解释它为什么存在了，二者之间的联系也就毋需去寻找了。这就好比由打我们出生时就有天与地，所以很少有人会对这种区分产生疑问，或者说点儿什么。

算法理论可以让我们清晰地看到社会科学与诸人文学科之间的联系和一致性，将它们嫁接起来的桥梁就是一个合意的有限理性概念。在我们理解了世界的某些规则性之后，对于剩余的、不能理论化的部分，我们总可以做点儿什么吧。各种对象（思维的与物理的）都在那里，它们存在于某个空间，处于某种状态，在时间上可以停留和延续，不会无故和无代价地改变，所以，我们总可以观察观察吧，总可以描述一下、叙述一番吧。这些描述和叙述让人觉得有些意思，但具体究竟意味着什么，也许不能用语言表达，甚至概括不出来，但是，却可以意会，可以感受（让我们再次注意语言与思维、心灵、精神等概念的区别）；或者，虽然其中未能表达出理论者们所期待的某些规则性，但却可以轻易地提炼出另一些在理论场合少见的规则性。其中所传递的东西是如此丰富而重要，以致人们经常花费大量业余时间来阅读和欣赏它们。我们可以说历史与艺术作品本身就是某种社会理论，也可以说经济与社会理论就是一种（比较枯燥的）人文作品；这已经变成了一个纯粹的名义问题。

社会科学与人文学科显然是相互补充的。仅仅了解一些社会理论，而不涉猎历史与文艺作品，很难想象我们会了解一个社会、一个时代；反之，具备了一定的理论素养，就会把生动的社会现实看得更为透彻，就会从中挖掘出比常人更多的东西。所以，社会科学学者不应当轻视人文学者，人文学者也不必敌视社会科学学者，不同的学科领域应当合作共事。知识界对此议题多有争论，兜了很大的圈子，而两者之间的关系不过如此简单而平实。

两者之间的统一性还因为“社会工程学”这个概念而得以加强。一些传统上归入人文类的学科，例如语言学和宗教学，实际上应当属于“社会工程学”这个门类。社会工程学教人们如何从事社会行为，重点在于表达其中的规定性。我国的儒学主要是一门社会工程学，它提出了一套行为规范，教导各种身份的人们如何安身立命。如果没有“社会工程学”这个大类，则儒学的学科范畴就无从谈起。主流经济学的思想基础是反对“社会工程学”这个分类的，但在教学实践上又不得不运用“工程学”这个名词（例如“金融工程学”），这就是它目前所处的尴尬处境。

我们对于算法方法的概括性介绍要到此为止了。这个介绍包含了少数的新内容，但主要是《算法》与《原理》两书部分内容的一个重述。对于尚不大理解的读者，这不要紧，我们还将在后续章节中通过具体应用来反复展示这种方法。本书的主要使命，其实只在于向读者介绍和阐述这种方法。

【注释】

[1]我们需要强调“理想情形”与“典型情形”之间的区别。新古典经济学着重于研究某些对于研究者来说颇为理想的情形，这些情形一般都是单纯的、极端的和特殊的，而不是普遍的、“一般的”或“典型的”。

[2]可参阅《算法》第4.3 节，第126～138 页。

[3]模式并不神秘。例如，有人说，人在观察事物（例如他人的面容）时可以一下子抓住对象的“特征值”，从而迅速识别对象，所以他认为人脑的能力非常玄妙。这个问题其实可以很容易地给予算法式的解释：鉴于人的观察、记忆与计算能力的局限性，他必定总是试图评估各种已获得信息的重要性，进而首先抓住那些最为重要的信息，忽略次要信息。由此使得相关的信息存储量大幅度地减少，这就提高了检索作业的速度。当对象的某些特征再次映入眼帘时，他便可以迅速比对有关记忆并识别对象。在思想的种种实体特征的作用下，算法人会培养出既抓取某些信息又忽略另一些信息的种种技巧和习惯；他将不得不如此。又由于各人知识积累的相似性，进行“模式识别”的结论常常难免相同，这就使得一些研究者对此产生了玄妙感。事实上，由于同样的原因，模式识别也经常失败。如果研究者们注意到了那些失败的事例，他们的玄妙感也就消失了。所以，这样的话题真正凸显出来的只是，人脑并不是简单地按照信息呈现的物理顺序来被动地、盲目地加工信息，而是会主动地进行跳跃、筛选和提炼。“系统”“范式”之类的对象也是基于这样的机制而构造出来的。

[4]在商品生产过程中，为了保证物料的及时供应和流转，一般会在适当的地方挂一块板子，上面标上简单的符号和指示，从事各个工种的工人只要看着这块板子上的信号进行相应操作就可以了。这种将复杂情况转化为简单的“信号”的方法也体现在生理构造之中。例如，当身体需要食物时，头脑中就会得到“饥饿”这一信号，它提醒我们要去吃饭，而我们一般并不知道复杂的生理过程最终是如何产生并在特定时间发出这个信号的。要是没有这样的信号，我们要想弄清楚什么时候该吃饭，就会变得很困难。在这一点上，思想的运作过程与生理过程是何其相似啊！

[5]近些年来，人工智能工程在传统所认为的一些最具有“人的特点”的领域取得了引人瞩目的突破，一时广受热议。这些领域有：翻译，围棋，书法，作曲，性爱，等等。这些突破让那些一贯坚决主张人类思维独特性的学者们失语了，因为他们心中所保留的最后一块“圣地”面临着行将失守的危险。现在我们要让这类观点“雪上加霜”的是，这块“圣地”在很大程度上乃是因为尚未发现人类思维的“算法式的机理”才得以产生的。

[6]［奥］弗洛伊德：《弗洛伊德文集6 自我和本我》，车文博编，长春：长春出版社，2004 年，第122 页。

[7]［奥］弗洛伊德：《弗洛伊德文集5 精神分析新论》，车文博编，长春：长春出版社，2004 年，第215 页。

[8]［奥］弗洛伊德：《弗洛伊德文集6 自我和本我》，车文博编，长春：长春出版社，2004 年，第120-121 页。省略号为笔者所加，改动了一处明显的文字错误。(www.xing528.com)

[9]同上，第117 页。

[10]［奥］弗洛伊德：《弗洛伊德文集5 精神分析新论》，车文博编，长春：长春出版社，2004 年，第213-214 页。省略号为笔者所加，段落之间的次序有所调整。

[11]［奥］弗洛伊德：《弗洛伊德文集6 自我和本我》，车文博编，长春：长春出版社，2004 年，第134-135 页。

[12]同上，第127 页。

[13]［英］弗里德里希·冯·哈耶克：《个人主义与经济秩序》，邓正来译，北京：生活·读书·新知三联书店，2003年，第74 页。

[14]参阅［美］Mark Rowlands，“The New Science of the Mind：From Extended Mind to Embodied Phenomenology”，The MIT Press，2010。

[15]笔者曾经在《原理》第2.7 节中抨击过那种极端的计算主义观点。读者可以发现，这种泛滥的计算主义是忽视指令的，因而也就忽视了指令与信息的相互依存关系，所以它在本质上是一种“唯信息论”，是一种假的计算主义。对这种极端观念的抨击与对计算主义的适度主张可以互不矛盾。

[16]Steven Pinker，The Blank Slate：The Modern Denial of Human Nature，The Penguin Group，2003。后面所列的五个命题出自该书第三章，原文系英文，由笔者翻译。

[17]李其维：《认知革命与第二代认知科学刍议》，载《心理学报》2008，40（12）：第1318。

[18]李其维：《认知革命与第二代认知科学刍议》，载《心理学报》2008，40（12）：第1318。

[19]同上，第1319 页。

[20]参见［美］Mark Rowlands，“The New Science of the Mind：From Extended Mind to Embodied Phenomenology”，The MIT Press，2010。

[21]我们可以同意那种对事物的认识是从局部到整体的观点，而问题在于，对于什么是“局部”的划分方式不应是唯一的和机械的，解剖对象可以有多种方式，这就好比我们切一只西瓜，实际上我们可以有许多种切法。在这个意义上，“拓扑特征”就是一种局部，这类似于宏观特征只不过是一个经济体的部分特征之一。“宏观”是另一种“局部”，“宏观”不能等同于“整体”；认为“拓扑优先”可以证明计算主义失败的人正是犯了这样的错误。

[22]在本书初稿完成之后，我又读到了关于认知科学与经济学相结合的若干中外文献（例如，Salvatore Rizzello Ed.，“Cognitive Developments in Economics”，Routledge，London & New York，2003；Richard Topol & Bernard Walliser Ed.，“Cognitive Economics：New Trends”，Elsevier B.V.，2007；Bernard Walliser，“Cognitive Economics”，Springer-Verlag，Berlin，2008；Shenji Reraji，“Evolving Norms：Cognitive Perspectives in Economics”，Palgrave Macmillan，New York，2016；［美］唐·罗斯：《经济学理论与认知科学：微观解释》，贾拥民译，北京：中国人民大学出版社，2011 年；［法］保罗·布尔吉纳、［法］让－皮埃尔·纳达尔编著：《认知经济学：跨学科观点》，贺京同等译，北京：中国人民大学出版社，2014 年）。这些文献大致上是在我写作包括本书在内的各部算法类书籍的同时产生的。这个领域现在已经汇聚在“认知经济学”（Cognitive Economics）的名义之下，但仍然采取了与其他非主流经济学相类似的姿态，即在各个具体领域与议题上逐步渗透，而不是谋求进行根本性的变革。构成算法理论的各个主要元素，几乎都还没有涉及。因为本人如此失望，所以写成的原稿也就无需进行任何改动了。

[23]关于这一点，笔者可以举一个有趣的例子。众所周知，“德先生”（即“民主”）与“赛先生”（也即“科学”）是20世纪初期所发生的中国新文化运动的两个著名口号，这两个口号在新文化运动的中心——北京大学也享有神圣的地位。在一场激烈的网络辩论中，笔者曾经就这两个口号之间的关系向一个多达500 人的北大校友聊天群进行发问，结果是，至少在现场的参与者们中间，似乎无人有信心可以就此做出回答。