君阅31 | 像外行一样思考,像专家一样实践

Posted by ZiDavid on October 4, 2017

思考的时候,要像外行一样单纯直接,实践的时候则要像专家一样严密细致、并且要有以专业知识和方法武装起来的「我做得到」的乐观主义精神。

——金出武雄

金出武雄从教于美国卡耐基·梅隆大学,是一位机器人工学、人脸识别等领域的世界级学者。这本随笔收录了他在很多场合的智慧箴言和许多洞见,语言通俗流畅,案例精当丰富,值得渴求创意、关注创新的人一读。

创新

创新是一种「海阔天空」的构思,可能在人文社科领域体现的并不明显,毕竟学术传统要求扬弃,但这一法则在理工学领域十分适用。金出教授用了很多例子形容美国研究领域的「不拘一格」,其中一例是美国国防部国防高等研究计划署的项目招募方案:「征集只有用现在不知道的方法才能解决的项目提案」。问题本身就对现有方法「请出离场」,指明要求未知方法「入场」。无疑,在这样的导向下,「荒谬、可笑,甚至荒诞无稽的创意」被频频提出,但「如果仔细考虑的话,会发现其中有值得认真去做的地方」。

至于如何找到好的创意,金出提出一种方法:

直接从结论起步去做,也就是说从希望的结果开始是非常必要的。

从结果开始,一步步倒推需要满足的条件,这也是编程解决问题的一种路径,值得应用。

现在来看,「创新基于模仿」这个观点也是大路货,不过金出提出了一个有趣的观点,从过去的专利发明库中可以找到许多可供改进的金点子。

细心地调查一下过去的专利申请,特别是那些最终没有被批准的专利申请,就会发觉这是个创新的宝库啊!

找到这些当时未能实现的点子,用现在更加成熟的社会 / 经济 / 技术条件去实现它,就是一种基于模仿的创新。

无用之学 VS 实用之学

「无用之学」与「实用之学」的争论,似乎是实用主义风行后的恒定辩题,它既是理论价值和应用价值的路线斗争,或许也是价值理性和工具理性的辩难。

曾经,我崇尚「无用之学」,认为其全部意义就在上下之间,下限是知识快感,上限是人生指导。应着大学人文学科倡导的风气,对所谓的应用学科,尤其是人文社科中的应用之学,总感觉「不纯粹」,带了点功利考量。而在年轻的我心里,「功利」一词总是不好的。

作为工科大师,金出教授指出这种「偏见」的非理性,虽然其着力点在理工科的「基础研究」和「应用研究」,但人文社科领域也应有所反思。

说「我只是在做一些实用研究的人」,是不是潜意识里觉得科学水准比较低呢?如果觉得越不实用的研究越是高级,那真是对科学研究的错误理解。

基础研究是用处最大的研究,因为它的应用范围太广了……应用研究……是相比较直接有用的研究。

读书到今天,愈发体会当时想法颇为幼稚。乔姆斯基提出语言的(天生)本质性,为人之自由本质说奠定了基础,是他批判资本主义的主要理论推手。德里达区分言说和书写,也为他积极参加政治运动提供了思想根基。从这个角度出发,「学而优则仕」不也是经济天下的理想体现么。

方法论

通过总结数十年的科研经历,金出教授提出了一些简便易行的思考 / 研究方法,不仅对科研有帮助,对其他领域的工作也颇有启发。

比如KISS(Keep It Simple, Stupid)方法。大意是单纯的、简单地思考问题,应当复杂问题简单化,而非简单问题复杂化。金出认为,KISS是工程学的基本思考方法,也是当今机器计算能力极其强大的时代的有效方法。

在学习 Python 的过程中,这一点我深有感触。比如,对于日期间隔计算问题。人类逻辑是沿着「年份差——月份差——天数差」的路径去计算间隔,而机器逻辑则是直接计算天数差,通过一天一天的遍历,从而算出日期间隔。按照人类的逻辑看,这太笨了,然而凭借计算能力,程序就能极速算出结果。

以前,计算机性能不高,人们为了运算某个问题,不得不设计一些「巧妙」的方法,强行把计算规模控制在计算机的运算能力之内。……但是现在情况已经变了,直接基于问题描述的算法越来越接近最优解。

还比如,金出特别提倡「像外行一样思考,像专家一样实践」的研究模式。他认为专家常会被困在狭窄的专业知识陷阱中,总是从「现有技术的可行性」的角度思考问题,而这无疑会阻碍创新实现。因此,金出提倡,在思考问题时,要把自己归零为一个「外行 」,站在小白的立场上考虑民众是否需要这项技术 / 功能,而非忧虑其可行性。

当然,「像外行一样思考」之后,还得有专业、严谨的研究方法,来实现这个乍看「异想天开」的点子。

智慧体力

「智慧体力」是金出教授自创的一个词汇,意指「能长时间思考同一个问题,从各个方面来思考同一个问题而怎么都不厌烦的能力」。这实际上是对沉浸在思考中的一种状态描述。

刘未鹏在《暗时间》中重点阐述了需要这种状态的原因。他认为表面记忆无法理解事物,「只有靠推理才能深入理解一个事物」,因此我们要利用「走路、买菜、洗脸洗手、坐公车、逛街」等不需要烧脑的活动时间(即所谓的暗时间),来思考问题,以助于加深对问题的理解。

而金出则从「科研是一种难以预料结果的工作」角度出发,告诫研究者一定要培养克服研究困难和障碍的心理素质,坚持长时间的集中思考,锤炼自己的「智慧体力」。

没有那种可以打败对未知的不安、为得出研究结果而持之以恒的智慧体力,是很难出什么成果的。

当然,金出教授也从自己的角度谈了怎么培养「智慧体力」的观点,核心是「让自己成为问题本身」,具体分为三个步骤:

  1. 在头脑中描绘问题,仔细、反复地思考问题是怎么产生的。目的是为打好基础广泛收集材料。
  2. 为这些例题想一些假定的解法,然后反复检验 / 试探条件和解法之间的关系,随后逐渐增加条件复杂度。
  3. 把构筑好的基础不断地延展、变强,多尝试,持续积累。

这个过程一直反复做下去,直到有一天,感觉到自己就变成了问题本身。那种感觉好像在思考某个问题时,如果力不从心的话,就能感到身体的某个部位疼痛。一直到产生这种感觉,就达到目的了,以后无论再思考什么样的问题都能做到深入、彻底。

人工智能

继上世纪末在专业领域的小高潮后,人工智能今天几乎已经演变成一个全民议题。随着阿尔法狗的胜利,对人类主体性的迷茫与争论开始蔓延,有的从技术层面解析人工智能的可能性,有的从情感 / 灵性出发寻求人类优越性。对于机器人和自然人的关系问题,机器研究专家金出也给出了自己的答案:人类与机器人将共存于未来社会。

在将来人与机器人的共同世界中,人一定做着比现在更有意义,更有趣的事事情。

金出认为,虽然目前机器计算能力仍旧达不到人类神经网络的高速,但按照目前信息技术的发展速度,人工智能迟早能赶上并超越人类大脑。在某些给定领域,人工智能优于人类智能今天似乎已经达成共识。不过,金出认为人类没必要过于担心机器人对人类的替代,机器统治人类的末世情景也不会出现。关键在于,人类优于机器的核心是「解决问题的能力」。

从现状出发,确定解决的目标是什么,再设定一个有解决价值的课题,然后付诸实践。

从金出的定义可以拆解出四个要素,分别是分析问题、确定目标、实现路径、解决问题。假若从控制论出发理解人类智能,那么唯有第二个要素——确定目标是区隔人工智能和人类智能的根本要素,毕竟人工智能是由人类预先赋予目标。

不从工具理性和价值理性去分割目标,仅从本质论考虑,我认为「确定目标」就是所谓的第一推动力,是上帝创造世界的「初衷」,是人类创造计算机的「元目的」或者「原动力」。目前来看,这个能力是人类独具的。