思维指令系统及其微观细节

刚才我们只是讨论思想的基本性质，现在我们上前一步，凑到近处，再来看一看思想的具体状况。

每个人的脑中都配备着一套完全相同的指令系统，作为他的思维工具。由于个人体质、年龄等方面的差异，各人的指令系统运转的速度有所不同，存储区的大小以及数据的存取速度一般也是有所差异的，但是，指令本身却不存在人际差异，指令的种类和数目是固定的。尽管我们不能准确无误地列举其详情，但我们随口就可以说出很多常用的指令，这些指令作为人脑所能进行的元计算的种类，一般不会有什么异议。例如，数据传送，复制，搜索，删除，加，减，乘，除，比较，归纳，演绎，想象，抽签，停止，等等。总之，人的思考活动中的任何动作，只要我们认为它是基本的思维动作，或者我们认为不需要再细分它，就都可以把它叫做“指令”。

数学运算通常可以分为一系列步骤，这些步骤从前提或假设开始，直到结论，都可以明确地写出来。这个过程展示了人的思维活动是怎样由一个个基本的动作所构成的。而这种“基本的动作”可以由“指令＋信息”的结构来予以表达。一系列按照时间顺序前后相连的“指令＋信息”（也即完整格式的指令，或称为“语句”）构成“程式”。大部分数学计算如今都可以轻而易举地表示为程式，然后在计算机上运行和完成。普通的程序员都可以承担这项工作。对于社会科学学者们来说，这是一个专门性很强的领域，但是，我们仍然有必要对之有所了解。以下为一道简单算术题的算法实现过程，用汇编语言来进行表达。

例：计算1～10 的累加和。^[4]

具体的程式如下：

续表

上述程序共包括7 种指令，4 个寄存器，9 条语句，1 个子程序。借助子程序的循环执行，完成了1～10 的累加计算。对于即使只了解简单算术知识的人来说，整个过程也是可以理解的。每种指令都有固定的格式与功能，所谓“计算机编程”就是选择和运用特定的指令，形成一种正确而恰当的结构，用来解答特定的问题。这种“结构”如果可以设计出来，程式如果可以编写出来，则意味着特定的问题在计算机上是可以处理的；否则，该问题便不能被计算机处理。程式的编写可能是正确的，也可能会发生错误；错误的程式只能得出错误的结果。程式的编写可以是简洁的、巧妙的和高明的，也可以是冗长、繁琐和笨拙的，后者意味着计算达不到应有的效率，浪费了资源与时间。当然，这些评价都是相对而言的，尤其需要根据计算机的特点来进行。程式的某些步骤有时给人一种繁琐的印象，这既可能因为程式写得不够好，也可能由于我们自身对于计算机的特点不够了解。结构简单的程式不容易出错，虽然其篇幅往往比较冗长，但人工编写的工作常常只需要进行一次即可，尔后则可以在程序员之间相互拷贝和引用，从而节约人工费用，而计算机则可以反复地执行它。由于计算机的执行速度是极为快捷的，所以一般也就无损大局。专门编写的计算机程式通常都是比较抽象的，可以用于解答一系列相似的问题。例如，在上例中，通过改变R1 或R2的赋值，这个程式就可以非常方便地用来计算任何自然数序列的累加问题，无论相关的数值有多么庞大，也无论相加的项数何其众多。因此，花费人力编写这样的程序也就是值得的。这是计算机算法中的经济学。计算机算法的经济分析如今已经是计算机科学的一个重要分支。(www.xing528.com)

上述“繁琐”印象的另一个原因是，我们通常对于人类思维的微观性质和细节注意不够。对于大部分社会科学学者来说，都是这样。笔者曾经在《算法》中举过一个7＋5＝12 的例子。我说，这道题可以分为7＋3＝10、10＋2＝12 两个步骤来完成。编辑对此表示激烈的反对。当然，并非每个人都会这样算，有的人可能是用类似于背诵乘法口诀的方法来死记硬背这个结论的；到了实际运用的时候，只需要用类似于查字典的方法把12 这个结果检索出来即可。然而，即使个位自然数的两项加法，其可能的数目也是非常多的——根据排列组合的知识，可以算出来，它共有81 种。通过运用交换律，再减去重复的部分，余下的也达45 种。对于这些加法的结果，难道每个人都是通过运用死记硬背的方法而得出来的吗？显然是不可能的，也是不必要的。其中必有许多人，都是临时才进行计算的；为了提高临时计算的速度，也就必然要运用一些技巧。各种技巧经过反复的提炼筛选，必定会有一些固定下来，形成记忆和习惯。只要仔细观察，我们就可以发现，即使对于相同的题目，各人所运用的技巧可能也会有所不同。有的人平时显得很笨拙，却可以轻巧地答出一些较难的题目；有的人平时显得很聪明，面对简单的题目，却会思考半天。有的人，一遇到特定的问题，口中就会念念有词，因为他正在通过背诵特定记忆段落的方法来检索特定的数据。诸如此类的现象，想必我们都见到过。这是因为，每个人所运用的“算法”常常都是经验和习惯的产物，因而彼此难免有所不同。再具体到7＋5 的问题上。这个题目的结果显然大于10，可是，它应当是十几呢？对于不喜欢死记硬背的人来说，难道不需要思考这个问题吗？而只要这样来思考，则必然就要把其中的一个加数拆开，去补足另一个加数，先凑足10，再看余下的数字是几，答案就是十几。由于7 大于5，所以应当拆开5，而不是拆开7。于是，也就来到7＋3＝10、10＋2＝12 了。实际上，这个题目，笔者本人总是这样来得出答案的。可以说，采用这种算法的计算者，上述各个思考的步骤都是不可缺少的，实际的过程甚至要远比7＋3＝10、10＋2＝12 两个步骤复杂得多。

人们通常会强烈地否认自己的思维活动具有如此细微的过程，这是因为人们一般都疏于“监视”自己。人们大都忙于计算外部的世界，而不是观察自己的计算。观察和研究自己的计算的思维活动，也是一种计算。由于每时每刻大脑的“中央处理区”只能有一个计算进行，所以，这种“观察和研究自己计算”的计算活动只能在作为对象的计算活动发生之后进行，或者与对象化的计算穿插地、交错地进行。从最严格的意义上说，任何思维活动，要么针对外物，要么针对自己，它不可能同时既针对外物，又针对自己。这是我们理解思维对象有限性的另一种方式。^[5]观察和研究自己，首先需要把自身的计算活动记录下来。于是，计算活动一边进行，其进行情况一边被“观察”、记录和分析，这就好比一个研究者正在观察和研究某项物理实验的进行情况一样。由于该进程也需要耗费能量和时间，所以，除非有需要，大脑一般是不会启动它的。经过分析之后，思维活动的大量细节都被实时地忽略和删除掉了。大脑只会抓住某些关键的计算过程或者结果，留存它的数据。哪些数据保留，哪些数据废弃，当事人一般也都发展出了一些技巧和习惯，并在日常思维活动中轻车熟路地运用它。这是资源有限的当事人必须做出的一种安排（当然，这种安排也是可以改变的）。要是没有这样的安排，要么重要的数据就会被遗忘，要么就会发生数据存量的“爆炸”。大家可以注意一下电脑。虽然电脑储存信息很方便，可是，实际上，电脑运作中的大量数据都没有保留下来。假如所有情况都要巨细靡遗地予以记录和存储，而这种记录和存储作业本身也要进行记录和存储，那么，电脑的储存空间很快也就不敷使用了。

这里还要顺带再解释一种现象，这就是，大脑有时候似乎会在“无意之中”记住一些东西。有人可能会发问：我并没有刻意地去记住某个细节，而该细节却在我进行回忆的时候清晰地呈现出来，这是为什么呢？对于这个问题，在上述“思维经济学”的范围内，是完全可以做出回答的。根据数据的重要性，大脑要不断地决定数据的保存与废弃。这样的决定，往往并不是独立的；可以推测的是，它会与相关程式的运行整合在一起，作为那个程式运行过程的一个组成部分来予以安排。在该程式运行时，相关的模块就会不时地自动启动，对数据的选择和存储就会“自动地”进行（就好像大多数电脑程式都不经询问用户就自动地存储某些数据那样）。这个“自动地”之所以加引号，是因为在程式运行的当时，虽然有关选择与存储的子程式的运行未曾单独得到过授权与确认，但是，整个程式（或者它的更上一层程式）的运行本身是得到过当事人有意识的授权与确认的；并且，在程式最早的构建过程中，选择性存储的环节也是有意设置的。有鉴于此，当相关程式作为一个整体运行的时候，当事人已经对其颇为放心了，也就不再监察其细节了。数据存储这时的确是自动发生的，当事人对于这个具体的思维动作可能没有予以特别关注，因而完全没有记录在案。因为数据的确已经记录在大脑的某个部位，在按照某种方式和路径进行检索的时候，也就可以发现它的存在。

根据以上分析，我们可以进一步推知，经济因素会导致以下情况成为一种常态，这就是：大脑不仅常常“不知道”它记住了什么东西，甚至常常不知道它都做过哪些思考活动；这包括它并不完全知道某时某刻都有哪些程式正在脑中运行着。这并不意味着它没有能力去获知这些内容，而是它事实上没有注意过它们，没有去刻意地实施“注意它”这个动作。正如2.2 节所述，弗洛伊德把这种现象解释为“潜意识”，实际上是没有必要的。我们可以在原则上接受潜意识的存在，并且，只有算法理论（作为一个关于有限理性的理论）才能在科学分析上合乎逻辑地给潜意识一个地位，然而，实际上，诸如此类的现象并不需要潜意识理论来进行解释。进而，我们还可以做出推论，由于大脑的习惯性力量过于顽固（也就是说，有关的程式中自我观察的设置太少，对于数据废弃的安排太多，而这样的程式在数量上也太多，它们又执行得很频繁），因此，当我们现在想要了解自身的思维活动时，上述安排就变成了一种障碍（因为它们会自动运行），以致我们对自身的了解变得相当困难。我们不得不仔细地、逐个地纠正平时形成的习惯。也就是说，我们不得不逐个地修改那些业已存在和运行了很久的程式，使之不妨碍我们，我们才能看清自身。这个过程是缓慢的和艰难的。在此期间，那些未得到修改的程式还要继续使用，而且，为了这个目的，我们又不得不建立新的程式和模式。鉴于这项工作的复杂性，学者们现在把它发展成了专门的学问（例如心理学和认知科学）。假如思维的反躬自身是不可能的，或者是非常容易的，这样的学问也就都不会存在。

另一个推论是，据此我们可以知道，大脑中数据的存储结构必定是非常不规则的，数据既会按照重要性进行排序，也会在不同的程式、进程或计算环境中非常个性化地进行存储。人脑的记忆方式既与常见的计算机数据库有所不同，又与之有某些相似之处。甚至，我们可以说，它在整体上是相当凌乱的。当我们搜索数据和进行回忆的时候，我们首先会把新近形成的、联系密切的、相对重要的数据优先地予以检索。大脑固然可以“逐门逐户”地进行线性的搜索，但一般并不会这样做；它一般会按照某种策略在相对较小的范围内进行检索，然后即告结束。这就可以解释，为什么有些事情一时想不起来，而在另一个时刻却突然想起。回忆过去的思维作业几乎是没有尽头的。例如，如果要回答“在我认识的人中，哪个是戴帽子的”这个问题，回忆的过程必定是漫长的，但绝不会是没有成果的。电脑中的情形也有相似之处。例如，要搜索“我们”这个词，电脑的搜索也不会是完全的，因为“我们”这个词在不同的程式中以不同的格式存在着；在有的地方表现为字符形式，而在另一个地方可能表现为图像形式。

这里所讲的道理可以用于解决诸多困难的理论问题（例如对“自我”这个概念适当地进行消解）。经济的逻辑在这里发挥着关键的作用。把认知科学所提供的知识与经济学结合起来，是建立这种分析的基础，而只有在算法的领域内，这一点才能比较令人满意地做到。