《那些让你更聪明的科学新概念》 傅渥成解读
《那些让你更聪明的科学新概念》| 傅渥成解读
关于作者
1981年，约翰·布罗克曼（John Brockman）成立了一个叫“现实俱乐部”的组织，这个组织后来发展成了一个名叫 Edge的在线社区。这个社区中有各个领域大神级的人物，他们中有著名的学者和思想家，有的甚至是诺贝尔奖得主，也有的人是知名的媒体人、艺术家或者企业家。每年，Edge社区会发布一个年度问题，邀请各行各业最顶尖的大师来一起回答同一个年度问题。
关于本书
这本书包含的就是一百余位世界知名科学家、学者和思想家对“那些让你更聪明的科学新概念”这个问题的回答。书中介绍的151个科学概念，涵盖的内容从心理学到经济学，从宇宙学到神经科学……简直无所不包。在回答年度问题时，这些“伟大的头脑”毫不吝惜分享自己的观点，向我们介绍了那些前沿的、跨学科的、能够帮助我们提高认知水平的概念。
核心内容
我们将选取书中151个科学概念中最具启发性的三个概念来进行介绍。
（1）卡伊·克劳泽介绍了“爱因斯坦的奥卡姆剃刀”概念，这个概念告诉我们“简单”无疑非常重要，但过于简化未必就是最好。当我们分析一个复杂系统时，一定要正确理解简单与复杂间的关系。
（2）丹·斯珀伯通过对“文化吸引子”概念的介绍，向我们展示了文化结构中那些基本的模式和套路所具有的重大意义。它不但能帮助我们理解复杂的文化现象，而且利用这种思路还可以帮助我们进行更有效的信息传播。
（3）安迪·克拉克通过“预测性编码”的概念告诉我们：我们在感知外界信息的同时，大脑也在不断进行预测，而预测学习是人工智能设计中面临的一个重要挑战，它或许能帮助我们实现真正的强人工智能。
你好，欢迎每天听本书。今天为你解读的是《那些让你更聪明的科学新概念》，这本书的中文版大约36万字，我会用大约23分钟的时间为你讲述这本书中提到的几个重要的概念，希望这些科学概念能让你了解顶尖科学家的思考框架，帮你在生活中用全新的视角解决问题。
我们平时阅读的大量畅销书常常只有一个核心的概念或观念，整本书围绕着一个主题展开，然而我们今天要介绍的这本书却与通常的畅销书画风完全不同。这本书包含了来自一百余位世界知名科学家、学者和思想家所介绍的151个科学概念。书中每个小节讨论的内容都有很大的差距，涵盖的内容从心理学到经济学，从宇宙学到神经科学……简直无所不包。更有意思的是，这本书中各章节的作者都是相关领域大神级的人物，他们中有著名的学者和思想家，有的甚至是诺贝尔奖得主，也有的人是知名的媒体人、艺术家或者企业家……为什么这些大神愿意聚在一起、无私地向读者来分享他们的这些观点呢？这就不得不介绍一下这本书的作者团体了。
1981年，约翰·布罗克曼（John Brockman）成立了一个叫现实俱乐部（Reality Club）的组织，这个组织后来发展成了一个名叫 Edge 的在线社区，因为 Edge 社区的成员囊括了我们这个时代最聪明的头脑，所以 Edge 网站被英国《卫报》评价为世界上最聪明的网站。每年，Edge 会发布一个年度问题，邀请社区成员来一起回答同一个年度问题，这些问题包括：如何思考会思考的机器，因特网怎样改变了你的思考，哪些科学观点必须被淘汰了，等等。当然，还有我们今天要介绍的这本《那些让你更聪明的科学新概念》对应的年度问题：什么是你最喜欢的、最为深邃、优雅或者漂亮的科学解释？
这些大神到底是怎样回答这个年度问题的呢？咱们不妨来看几个例子：自私的基因概念的提出者，理查德·道金斯（Richard Dawkins），他本人是进化论的捍卫者，但他却并不把进化论或者自私的基因本身作为“让你更聪明的科学概念”这个问题的回答，而是特别强调双盲控制实验的重要性，因为双盲控制实验是更为基础性的认知工具，是打开科学大门的一把钥匙，理解了随机双盲控制实验，我们的认知就上了一个台阶，至少可以变得很容易地去对抗媒体上的虚假宣传、朋友圈里的谣言、各种伪科学的养生之道了。
著名的实验心理学家、认知科学家、语言学家史蒂芬·平克（Steven Pinker）介绍的概念是正和博弈，这是我们思维中的一个盲点，我们常常假定双方博弈的结果会是一方受益，另一方受损，然而在真实的互动中，还有大量双赢的结果。理解了正和博弈，我们也更容易理解市场经济、社会合作、国际政治乃至生物进化中的诸多课题，这一基本概念是我们建构复杂知识体系的砖块。
诺贝尔物理学奖得主维尔切克（Frank Wilczek）则在回答中强调了“隐藏层”这样一个在深度学习和神经网络领域中的重要概念，在深度神经网络中有许多叠加的隐藏层，这些隐藏层逐层提取了大数据中复杂抽象的特点。举个例子来说，如果一个深度学习系统从大量包含猫的图片中通过叠加的隐藏层提取出了猫的特征，那么我们也就可以说，计算机学会了猫这一概念。因此，隐藏层的概念对于我们理解概念的提取与创造过程有着重要的启发意义，在维尔切克看来，这一过程在各种学科中都是普适性的，所以他说隐藏层本身就是最有用的概念。
通过上面这些例子，我们看到，这些思想家并非只是站在自己的专业领域自说自话，他们讨论的是一些前沿的、跨学科的，能够帮助我们提高认知水平的概念。时间有限，我们没法一个一个地讲解这些概念。我们主要介绍一下这本书中最重要的三个科学概念。这些概念大家或许以前都听说过，但通过这本书中的一些阐释，可以给我们带来更多崭新的启示，很可能会真的让我们变得更聪明。这三个概念分别是：爱因斯坦的奥卡姆剃刀、文化吸引子和预测性编码。下面，就让我来为你详细解释这三个概念。
我们首先说说爱因斯坦的奥卡姆剃刀，这个概念可以帮助我们理清简单与复杂之间的关系，帮助我们理解各种复杂的事情。
爱因斯坦的奥卡姆剃刀是经典的奥卡姆剃刀概念的延伸，因此要想准确理解这个概念，我们首先必须对奥卡姆剃刀原则有一个准确的理解。这个原则讲的是：如无必要，勿增实体。简单说就是：如果关于同一个问题有多种不同理论，而且每一种都能作出同样准确的预言，那么应该挑选其中使用假定最少的理论。比如说，早期的化学家在研究各种元素的物理和化学性质时，他们根据实验的结果总结了大量的规则和定律，比如碱金属元素的性质比较活泼，而稀有气体元素通常很难进行化学反应等等。这都是我们在中学的化学课上花过不少时间去记忆的原理。尽管存在大量的反例，这些原理仍然大体上能总结各种元素的性质。
到了二十世纪，随着量子力学的发展，物理学家们发现原子的化学性质由其外层电子排布所决定，而电子的运动方程可以由薛定谔方程来描述。在量子力学的视角下，碱金属元素的外层有一个处在S轨道的最外层电子，这个电子很容易失去，所以碱金属元素的性质比较活泼，而稀有气体元素外层的电子形成了稳定的8电子结构，所以难以发生反应。基于量子力学的电子排布理论，不但可以很好地解释各种原子的奇特性质，更重要的是，量子力学本身只需五个基本原理就能全部导出。在这种时候，奥卡姆剃刀就提醒我们，应该选择更简洁的量子力学，而不是那些繁琐复杂的经验规则和定律。这个经典的原则让我们可以更接近科学的真理，它提供了一个进行规范性思考的普遍原则，能帮我们简化各种复杂的现象。
然而简化就一定是正确的吗？在这本书中，卡伊·克劳泽（Kai Krause）提供了另外一种视角。克劳泽本人是一个用户界面设计师，从设计师的角度来看，简单相对应的就是极简主义。而极简主义的简单并不意味着简陋，很多事物的简单可能来源于较为复杂的精心设计。克劳泽引用了爱因斯坦的一句名言，“万物应该尽可能简单，但又不总是更简单”，这句话所阐述的观点与经典的奥卡姆剃刀原则有所背离，这句话背后的思想被概括为爱因斯坦的奥卡姆剃刀原则。克劳泽信奉这一原则是有原因的，他提到了自己在上世纪70年代曾经制作过大型的音效合成器，他发现自己很难造出一些听起来简单的声音。钢琴弹出的简单的音符，背后可能是由几十个振荡器和滤波器作用形成的，简化反而不能实现极简的效果。
另一方面，简单本身不是一件可以简单定义的事情。我们都知道，两点之间，直线段最短，这个结论足够简洁，但没有哪一条河流会用这种最简单的方式，一条直线直通大海。我们追寻复杂现象背后的简单原则，但我们不能对这些现象本身做过度地简化。河流在大地上形成复杂的分支和弯曲，它与陆地之间存在着复杂的互动。如果我们观察错综复杂的河道，我们会觉得这一点也不简单，但这并不是说我们面对这些复杂的现象就无能为力了。事实上，复杂的现象背后常常存在着一些普适性的规律，就像河流的网络，物理学家可以用分形的方法对它进行描述，用简单的规则就可以重现河流网络形成的全过程。这样描述的河流网络到底是简单呢，还是复杂呢？恐怕不好回答，唯一可以确定的就是，我们对简单的理解可能有些太过于简单了。
总结一下爱因斯坦的奥卡姆剃刀这个概念，一方面，它延伸了奥卡姆剃刀“万物应该尽可能简单”的基本理念，另一方面，它又提醒我们“万物并不总是更简单”。这表示我们相信复杂的世界背后有着简单的基本原则，我们完全有能力去认识和理解这些原则。比如说当我们看到天空中飞翔的鸟群，不断变换着形态，这一现象无疑很复杂，但我们知道其中必然有一些简单的原则，例如，相邻的两只鸟速度必须大体保持同步，否则它们就会撞上嘛；然而它又不总是更简单，如果所有的鸟都像大阅兵一样严格按照同一个速度前进，那无疑太过单调了，没法灵活地应对外界环境中的刺激。因此，简单的原则和复杂多元的个体，再加上个体间的互动和博弈又导致了系统出现层次化的复杂结构，这些结构最终建构起了纷繁复杂的世界。爱因斯坦的奥卡姆剃刀是我们理解和分析复杂事物的重要工具。
接下来，我们要说的一个重要概念叫做文化吸引子。这个概念听起来有点抽象，不过这个概念可以让我们更好地理解人类的许多文化现象，从实用的角度来看，它还能解释为什么有些信息会产生爆发式的病毒性传播。
在说文化吸引子概念之前，我们先说一说模因这个概念，模因也常常被称作文化基因。这个概念最早来源于理查德·道金斯的《自私的基因》一书。我们文化中的那些经典故事、食品、宗教仪式都是这种文化基因，除此以外，模因还常常用来表示一些我们文化中能引发病毒性传播的东西，例如最新的时尚潮流、新产品、流行歌曲、网络流行语（吃瓜群众、蓝瘦香菇）和表情包等。这些都是我们生活中非常熟悉的事物。有人把模因的传播类比成疾病的传染，例如流行词的传播、各种从众效应、模仿行为都可以看成是某种病毒性传播。
道金斯最初是怎样提出模因的概念呢？这是因为当他在研究进化的概念时发现，只要一个事物可以遗传和变异，而且变异会带来适应性的差异，那么这个事物本身就具有进化的能力，比如一条震惊体标题党的新闻会更容易引起点击和分享。模因就具有遗传和变异这两种进化所需的属性。
然而，如果模因一直进化下去，我们的文化也就会一直处在变动之中，如果这样的话，在我们的文明中，应该不会有任何稳定的东西存在才对，可为什么我们的文化却存在着那些长期保持不变的传统呢？针对这一问题，匈牙利认知科学家丹·斯珀伯（Dan Sperber）提出了文化吸引子的概念。吸引子本来是一个数学概念，直观理解就是某种模式或者套路。举个例子，想象有一个钟摆，不管它起初摆得多高，速度多快，在有空气阻力的情况下，这个摆的振幅会逐渐缩小，最终会静止在平衡位置，这样一个平衡位置就是一种特殊的吸引子。而文化吸引子强调的是我们文化中的那些稳定的模式。
比如中国传统儒家文化中的各种道德观念，尽管这些观念在历史上多次受到挑战，比如与少数民族和外国商人、传教士观念上的冲突，又比如“五四”时期中国先进知识分子的批判等等。这些冲突挑战了我们的传统观念，带来了新思想的传播，但在传播的过程中，总会有一些吸引子把那些冲突的观念拉回到传统的模式下。
我们以中国古代的外来宗教的传播为案例。明代耶稣会的传教士会穿着儒家学生们的服装，他们从不反对知识分子对皇帝的忠诚，相反，他们还把上帝类比为儒学中的天命；这种吸引子太强了，以至于到了康熙年间，教皇的代表发布南京教令，禁止中国天主教徒祭拜孔子和敬拜祖先，这在当时引发了著名的礼仪之争，但这也无法改变强大的文化吸引子。终于，在上世纪初，罗马教廷发布诏令，承认了中国的文化传统。到了上世纪末，在中国台湾甚至开始在教堂举办祭天敬祖大典，这足以展现文化吸引子的强大力量。
理解了文化吸引子的概念，我们也就理解了不同文明、不同语言和不同宗教中的那些保持不变的事物。斯珀伯就提到说，本来“人类可以想象的超自然存在的多样性是无限的”，但人类的思考模式却非常单一，例如，在许多不同的宗教中，死后的世界都大致存在着天堂和地狱两种选择，因为传播本身就经常围绕着那些非常成功的模式来进行——天堂和地狱的划分其实对应的是各种文化中的善恶观、对灵魂的认识、因果报应等等，这些观念是成功且影响力巨大的文化吸引子。
理解文化吸引子的概念不但能帮助我们更好地理解各种文化现象，它更让我们知道了为什么有些信息可以形成病毒性传播。我们常常看到的一些朋友圈里的爆款文章，它们的内涵毫不深刻，只是把一些复杂的社会问题嵌入到一些基本模式中。比如非黑即白的某种认知，这些文章没有改变读者什么，反倒是加强了读者的既有观点。读者已有的认知框架就是文化吸引子，此时的传播与其说是在进行宣传，不如说是在寻求与已有文化吸引子的匹配，换句话说，就是去寻求和迎合公众的认同。而我们自身在看到这些文章的时候，要时刻小心不要被带到这些吸引子中去，只有保持这种警醒，我们才能真正学到新的东西。
总结一下，文化吸引子的概念讲的是人类文化结构中的一些基本的模式和套路。理解了这个概念，我们可以重新思考和理解许多复杂的文化现象，比如说我们的文化传统，又比如说当下的各种流行文化。从实用的角度来看，它提供了传播的另一个面相，从而可以指导我们更好地进行信息的传播。
最后我想要分享的概念是预测性编码，这个概念不但是理解人类认知的一个关键，它还能为我们设计复杂的人工智能系统提供重要的参考。
听到预测性编码这样一个名词，或许你还会觉得有些陌生，其实我们在生活中每天都会用到这个思路。此前，某电视台有一档娱乐节目，里面采访了一个重点中学的学霸，这个学霸在介绍他打羽毛球的经验时，说他可以根据抛体运动的方程，结合击球的力度和角度，再加上当时的风力进行动力学修正，最终来判断球的落地点。当然，这个学霸可能只是在开玩笑，因为谁也不是用这样的方式在打羽毛球的。我们的大脑当然进行了计算，只是这种计算并非是基于牛顿力学的方式，而是通过某种预测的方式来进行的。
我的好朋友、神经科学在读博士赵思家在她的文章中曾经介绍过这种预测的模式，她说：“我们在通过接收外界信息来学习的同时，大脑也在无时无刻地生成自己对外界的模型，在充满不确定性的信息洪流中摸索。”举个例子来说吧，当我们听到一段规律的脚步声，我们的大脑会根据相邻脚步声的间隔，预测出下一步将在什么时候发生，比如，我们预测到，下一步会在一秒后发生，但真实的脚步声却推迟了半秒，预测失败了，大脑马上会意识到环境或者这个人的运动状态发生了改变，这种状态的改变就是我们所学到的东西。
理解了这个例子，我们也就能读懂哲学家、认知科学家安迪·克拉克（Andy Clark）在这本书中对预测编码理论的阐述了。在传统的观念中，我们以为大脑像一台计算机，它不断地接收信息，进行大数据分析，通过计算来找到规律，大脑基于数据建立模型，最终实现预测。但预测编码理论却和传统观念相反，该理论指出，我们的大脑更大程度上是在用已有的模型不断“强行制造”各种丰富的感官数据，在我们的内心中先形成一个预测性的世界，例如我们根据经验预测羽毛球可能的落点。预测性编码模型强调感知的过程本身，我们从一个情境中先感知事件的大致轮廓，再通过大脑补充各种细节，逐步完善预测。这种预测也常常被我们称为直觉。我们用自己的直觉去匹配真实世界中即将发生的事情，并根据即将发生的事情来修正我们的预测，改进我们的直觉。
跟大数据分析的模式比起来，预测性编码无疑是更高效的学习模式，它解决了我们现在人工智能发展中的一个重要问题，那就是数据。现在的许多机器学习系统总需要大量的数据，从数据中总结出经验和模式，比如说给计算机数万张有猫脸的图片进行训练，人工智能系统最终可能可以认出猫这种生物来。然而这样的系统与人类的智能比起来，无疑太过落后，我们人类的大脑中有大量的常识，有了这些常识，加上一些自己的脑补和预测，我们在脑海中就形成了一个预测性的世界，即使数据量很少，我们脑海中的预测模型也能很完整。
比如说鉴别古玩，这其实没有什么大数据，同时期的某种存世文物可能全世界也就几十件，但文物专家却可以根据大量的知识对同时期形态各异的文物形成自己的印象，当我们提到某个时期的某种文物时，文物专家的脑海中就可以预测出一些基本的形象，当他面对眼前的展品或者拍品时，他知道该关心哪些细节，从而就可以对文物的真伪进行判断。
如果一个人工智能系统具有真正的强人工智能，那它应该不但能从大数据中学习，还要能在面对小数据时，也可以自己进行脑补产生一些数据，通过预测的方式来进行学习。许多人工智能的专家也持这样的观点。Facebook 人工智能实验室的首席科学家杨立昆（Yann LeCun）有句名言：“如果人工智能是一块蛋糕，那么预测学习就是蛋糕本身，而我们现在常见的各种监督学习是外面的糖霜， AlphaGo 那样的增强学习则是蛋糕上的一粒樱桃。目前我们只知道如何制作糖霜和樱桃，却不知道如何制作蛋糕本身。”
怎样才能让机器学会预测学习呢？现在的计算机科学家就想，如果要让机器学会认猫，不如让它学会自己画猫，换句话说，如果能有一个模型不断生成一些样本，这就可能可以帮助我们解决预测学习的问题。各类生成模型有很多有意思的应用，比如最近麻省理工学院（MIT）的研究人员就基于生成模型，开发了一种算法用来预测一个视频接下来要发生的动作。这个算法还可以将一张静态的图片制作为活动图片就像 iPhone 所拍摄的 Live Photo 一样，它能生成非常合理的运动模式，这种方法可以帮助机器预测运动的物体对象，这在无人机或者自动驾驶等方面的作用可就太大了。不过更重要的是，这种预测学习的思路有可能帮助计算机像人类一样学习，最终实现真正的强人工智能。
我们最后再总结一下预测性编码这样一个概念：我们的大脑不是通过机械的学习最终实现预测，而是通过持续不断地预测来进行学习。预测是我们理解人类认知的关键，也是人类与机器思维的一个重要的区别。理解了这个概念，我们对人工智能领域一些最新的成果也就有了更深刻的认识，或许在不久的将来，人工智能可以与预测编码理论发生更为深刻的碰撞，那时将有更多有趣的发现在等待着我们。
介绍完了这三个重要的概念，我们来说一下这种文集类的书的阅读方法。一般的书，我们可以提取章节的大意，不断概括和提取书中的“干货”，而像这种文集类的书全是干货，那我们应该怎么阅读呢？
首先，根据自己的知识背景，合理地选择一个阅读的顺序。找里面最熟悉的名人，和那些我们相对熟悉的概念，看看这些大神是怎样介绍这些内容的，他们为什么会这样说。
然后，我们可以慢慢延伸到那些虽然感兴趣，但并不熟悉的作者和概念。这时，我们得去搜索引擎里查看作者的背景、了解他们的研究方向和兴趣。了解了这些背景信息，才能更好地理解作者们的讨论，也可以保证我们对各种概念的理解是最准确的。比如这本书中就把量子力学（quantum mechanics）翻译成了量子机械工程学，这种错误无疑很荒谬。只要我们主动搜索过相关信息，马上就会发现这是翻译错误，我们自己也就有了纠错的能力，不至于被误导。
当大致理解了书中的诸多概念后，我们可以自己试着把某些概念用作者或者我们自己的逻辑说清楚。这是一个对干货加水的过程，这个步骤很重要。结论和干货本身其实一点都不重要，例如这本书中就有很多名人的观点是相互矛盾的。如果我们只记结论，这不过是给自己一种求知的幻觉。干货中没有论证过程，也没有具体的例子，我们根本不知道在什么场合能用上这些有用的知识。只有用自己的语言讲清楚书中的概念，并把这些概念串联起来，才能形成属于自己的知识结构。
说到这儿，我们今天关于 Edge 俱乐部的《那些让你更聪明的科学新概念》聊得也就差不多了。我今天一共介绍了这本书给我留下最深印象的三个科学概念。
首先，爱因斯坦的奥卡姆剃刀概念告诉我们简单无疑非常重要，但过于简化未必就是最好，当我们分析一个复杂系统时，一定要正确理解简单与复杂间的关系。
其次，文化吸引子的概念强调文化结构中存在一些基本的模式和套路，它不但能帮助我们理解复杂的文化现象，利用这种思路还可以帮助我们进行更有效的信息传播。
最后，预测性编码的概念告诉我们：我们在感知外界信息的同时，大脑也在不断进行预测，而预测学习是人工智能设计中面临的一个重要挑战，它或许能帮助我们实现真正的强人工智能。
希望这三个概念的介绍能让你有所收获。我们所介绍的这三个概念，还不到这本书内容的五十分之一，推荐感兴趣的朋友把这本书找来仔细看看里面所介绍的其他概念。
撰稿：傅渥成 脑图：摩西 转述：江宁