ConanXin
ConanXin

connect the dots.

我们如何开发革命性思维工具?(第二部分)

编译自:Andy Matuschak and Michael Nielsen, “How can we develop transformative tools for thought?”, https://numinous.productions/ttft, San Francisco (2019).

第二部分:探索更广泛的思考工具

我们已经深入地研究了助记媒介。其目的是向你展示一种特定思维工具开发的早期阶段,以及这种开发所带来的一些思考。在这篇文章的第二部分,我们将更广泛地探索,简要地概述一些其他的思想工具。我们将讨论一些更广泛的问题,特别是关于为什么没有更多的思考工具的研究。

助记的视频

2014年,数字艺术家埃里克·韦恩奎斯特(Eric Wernquist)发布了一段名为《漫游者》(Wanderers)的短视频。该视频提供了探索太阳系的第一人称视角:

我们听到叙述者(卡尔·萨根)的惊叹和敬畏,我不禁同情他对探索价值的深刻信念。我们可以感受到我们周围的宇宙有多神秘,有多美丽。音乐以一种对敢于探索的祖先的怀念开始,然后变化来传达兴奋和危险,以及我们和后代继续进行这一探索的勇气。

将这段视频与卡尔·萨根的一段简短的视频脚本进行对比是很有趣的。文本很美,但阅读它是一种更遥远、更理性的体验,传达的是一种更少发自内心的情感理解。

我们有个朋友格兰特·桑德森(Grant Sanderson),他在自己的YouTube频道3Blue1Brown上制作了令人惊叹的数学视频。下面是我们最喜欢的一个视频,它利用代数拓扑的思想,对一个相对较新的几何学研究成果进行了证明。这听起来很可怕,但这段视频很美,也很容易理解,浏览量已经超过了120万次。

和《漫游者》(Wanderers)一样,观看这段视频是一种非凡的情感体验。很明显,视频的叙述者热爱数学,你会情不自禁地产生共鸣。当你观看时,你会不断地重复“啊哈!”,瞬间顿悟的时刻,就像以前看不见的联系变得明显。它展示了数学是一种美丽的东西,它包含了非凡的思想和有趣的奥秘,同时也展示了数学不是神秘的,它是任何人都可以理解甚至做的事情。

人们很容易忽视或低估这种与主题的情感联系。但它是所有有效学习和所有有效行动的基础。使用视频比使用文本更容易建立这样的情感联系。

然而,这种情感联系也有另一面。我们经常听到人们把桑德森的视频描述成“教数学”。但在谈话中,他告诉我们,他认为只有一小部分观众对数学有了更深入的了解。我们怀疑这通常是真的,高影响力的视频通常对改变人们详细的智力理解没有什么帮助。相反,这些视频的非凡价值在于它们所创造的情感联系。

有没有可能创造一种融合了视频和文字的最佳品质的媒介?

特别是,是否有可能创造一种媒介,它具有视频中可能有的情感范围——一种可以用来传达敬畏、神秘、惊喜和美丽的范围?但是,哪一种方法又能将这种情感联系牢固地建立在对细节的理解上呢?对细节的掌握是传统文本存在的理由,甚至是助记媒介存在的理由。

我们相信这是可能的,我们计划开发一种助记视频形式,既能提供视频中可能的情感联系,又能掌握助记媒介中可能的细节。

创建这种形式很有挑战性。许多MOOC平台都尝试过这种方式。典型的方法是有一个低影响的头部谈话视频,视频偶尔被打断进行简短的测验。以下是它在Coursera这一MOOC平台上的工作方式:

其他MOOCs在细节上有所不同。但是总的情感体验可以总结为:

视频中最精彩的部分可能在情感上引人注目,尽管它们很少能达到格兰特·桑德森(Grant Sanderson)等人的最佳视频所能达到的情感范围和联系。整体的情感体验是脱节的,几乎是令人厌恶的。有没有可能创造一个整合的媒介,一个统一的、精心制作的情感和智力体验?理想情况下,是否有可能创建如下内容?

在MOOCs中,问题通常以非常枯燥的形式呈现,与上下文无关。在助记视频中,叙述者将解释为什么这些问题很重要,以及为什么用户会从参与中受益,作为整个叙述的无缝部分。如果处理得当——也许配上合适的音乐,在叙述中加入一种紧迫感或戏剧感——它会创造一种真正的利害关系感。同时,作为间隔重复体验的一部分,可以修改视频播放器,以便用户可以直接回答问题。这样一来,高情感的核心叙述和中等情感的问题之间就会有更柔和的过渡。

下面是实现此目的的一种方法的简要说明,展示了作为整体叙述的一部分,叙述者是如何大声提问的:

助记视频的节奏似乎与助记文章大相径庭。特别是,问题的频率和密度将低于助记媒介,并且有必要测试不同的节拍和节奏,以确保情绪和智力体验的良好平衡。即使是高影响力的视频也有安静的时刻;对比低强度的时刻,它实现了部分高的影响。想想一部好的动作电影或惊悚片需要暂时平静;如果一直强度过高,最终我们的情绪反应会变得迟钝。我们可以设计助记视频,这样这些问题有助于填补这种低强度的情绪波动。

当然,这只是助记视频设计方法的一个快速草图。理想情况下,还应该有一个间隔重复部分,可能是用文本而不是视频来提问。在我们看来,这是一个很有希望的方向,但是需要大量的开发和大量的测试。特别是,我们需要做详细的、逐秒的用户体验测试,以理解和塑造用户的情感和智力体验。这种情况将持续下去,直到我们确信我们的目标用户拥有所需的体验。理想情况下,我们还会生成更多非常不同的设计,并尝试理解每种方法将如何影响用户的情感和智能体验。

更重要的一点是要认真对待情感。从历史上看,许多关于思维工具要么忽略了情感,要么仅仅把它当作次要的问题。相反,这项工作关注的是获得的新技能,以及用户“学习”的内容。他们一直在为斯波克(Spock)设计,当情感联系是一个高阶位时。用户是否不感兴趣?害怕吗?敌意?焦虑?还是他们内化了一种兴奋感,一种美感,甚至是他们自己目标的扩展,自我的扩展?

相比之下,电影、音乐和电子游戏等媒介形式确实非常重视情感。这种形式的设计者通常会精心设计用户情绪反应的模型。这些模型包括详细的、逐秒的理解,以及对用户整体情感旅程的深入思考。我们相信,在思维工具的开发中使用这种方法是可能的,也是可取的。

同时,仅仅积极的情感体验是不够的。为了使思维工具获得持久的力量,使用者必须经历真正的掌握能力的增长,行动能力的扩展。因此,我们希望认真对待思维工具的情感和智力体验。助记视频是这种探索的好地方。套用爱因斯坦的话,在不形成情感联系的情况下获得详细的理解是站不住脚的;而在没有详细理解的情况下形成情感联系没有持久的力量。(attaining a detailed understanding without forming an emotional connection is lame; while forming an emotional connection without detailed understanding has no enduring power.)

什么今天没有更多关于思维工具的研究了?

如果思维工具如此伟大,为什么不在它们上面做更多的工作呢?为什么它们不是一个主要行业?

正如引言中提到的,肯定是有很多口头上的支持。例如,经常听到技术专家提到史蒂夫·乔布斯(Steve Jobs)将计算机比喻为“思维的自行车”。但实际上,这只不过是说说而已。许多计算机先驱对计算机作为提高人类认知工具的有限使用深感失望。道格拉斯·恩格尔巴特(Douglas Engelbart)蔑视“危险的、令人失望的、狭窄的、我们似乎无法摆脱的道路”。当2006年被问及他的愿景实现了多少时,恩格尔巴特开玩笑地回答“大约2.8%”。艾伦·凯在演讲中声称“真正的计算机革命还没有发生”,并在一次采访中把现代网络描述为“重新发明轮胎……至少让我们看看恩格尔巴特做了什么,看在上帝的份上。”

我们的感受是,今天的许多技术领导者真正崇拜恩格尔巴特、凯和他们的同事。许多人甚至觉得计算机作为改善人类思维的工具有巨大的潜力。但他们不知道如何围绕开发新的思维工具来建立良好的业务。如果没有这样的商业机会,工作就会停滞不前。

是什么让建立开发思维工具的公司变得困难?要回答这个问题,请考虑一下Adobe,它是少数几家认真考虑开发新思维工具的大公司之一。它投入大量资金为设计师和艺术家开发新的媒介——如Illustrator、Photoshop等程序。这些媒介是非凡的思维工具。

不幸的是,对Adobe来说,开发这样的媒介非常昂贵,而且很难阻止其他公司廉价地复制这些想法或开发类似的东西。例如,考虑一下Sketch是如何蚕食Adobe的市场份额的,因为它复制了Adobe多个产品(可能最著名的是Illustrator)的许多好的功能。想想Figma正在蚕食Sketch和Illustrator的市场份额。Sketch和Figma都是这样做的,而不需要在研究上投入巨额资金。这是它们相对于Adobe的一大优势。

正如马克·安德森(Marc Andreessen)所观察到的:

纯粹从产品层面来说,真正的可防御性在硅谷是非常罕见的,因为那里有很多非常优秀的工程师……还有跳跃式前进的问题。下一个团队有机会从你所做的事情中学习,然后做得更好。

换句话说,许多思维工具都是公共产品。最初开发它们通常要花很多钱,但是其他人很容易复制和改进它们,免费使用最初的投资。虽然这种复制和改进对我们整个社会来说是好事,但对那些进行初始投资的公司来说却不是好事。因此,这些思维工具遭受了许多公共产品的命运:相对于它们提供的利益,我们的社会集体投资不足。

早些时候,我们认为现代设计实践通常无法应对产生真正变革性思维工具的挑战。从表面上看,这个过程层面的论点似乎与我们刚刚提出的公共产品论点大相径庭。事实上,过程层次的解释是公共产品解释的结果:公司不使用必要的流程,因为这样做没有什么价值。相比之下,在“高技术”行业,例如芯片设计行业,企业更有动力进行深入的研究工作。在这些行业中,其他公司很难复制或获取研究的价值。

与电子游戏对比是很有启发性的。游戏公司开发了许多全新的界面创意。这似乎有些令人惊讶,因为你可能会认为这样的界面创意也会受到公共产品问题的影响:游戏设计师需要投入大量的精力去开发这些界面创意,而这些创意通常会被其他公司以很少的成本立即复制(并改进)。从这个意义上说,它们是公共产品,并丰富了整个电子游戏生态系统。

但电子游戏公司与Adobe等公司之间存在巨大差异。许多电子游戏的大部分收入来自最初几个月的销售。虽然其他公司可以(也确实)加入进来,复制或重复任何新创意,但这往往对从最初的游戏中获得的收入影响甚微,因为它已经赚了大部分钱。虽然这种抄袭毫无疑问会激怒被抄袭的公司,但对它们来说,进行前期投资仍然是值得的。

最终的结果是,在游戏中,巧妙的新界面创意能够成为区别于其他游戏的特色,这也成为了游戏在市场中的主要优势。事实上,新的界面理念甚至可能帮助游戏成为经典——考虑一下游戏中的许多原创(当时)理念,从《太空侵略者》(Space Invaders)到《德军总部3D》(Wolfenstein 3D),再到《纪念碑谷》。因此,许多公司在开发新的界面创意方面进行了大量投资,而不是投资不足,即使这些创意后来变成了公共产品。通过这种方式,电子游戏产业在很大程度上解决了公共产品的问题。

相比之下,像Adobe这样的公司是围绕发行和长期锁定来开展业务的。他们说服人们——实际上是整个组织——对他们的产品做出长期承诺。学校开设课程,让人们可以自称为“Photoshop专家”或“Illustrator专家”。公司将其设计部门指定为“Adobe商店”。因此,尽管Adobe确实投资于开发新界面创意(对他们来说,与电子游戏公司不同,这确实意味着思维工具),但这对他们的竞争优势并没有那么重要,如果这是他们的核心优势,他们的投资也会更少。Adobe在开发思维工具方面所做的工作可能与其他公司一样多,甚至更多。

令人鼓舞的是,电子游戏行业可以在公共产品问题上取得进展。思维工具有解决方案吗?不幸的是,游戏行业基于新颖性的短期收入方法不起作用。你想让人们真正掌握最好的新思维工具,发展精湛的技巧,而不是花几十个小时(和大多数游戏一样)变得相当好,然后去做一些新的事情。

另一个解决公共产品问题的可行办法是专利,即对一项发明的使用给予暂时的垄断。包括Adobe在内的许多软件公司都开发了大量的专利组合。然而,现行的专利制度并不能解决这个问题。2017年,Adobe负责知识产权和诉讼的副总裁达纳·拉奥(Dana Rao)呼吁对专利制度进行重大改革,她说:

(专利)系统崩溃了……发生了什么?专利暴发户掀起的专利淘金热……它们的价值不在于专利背后的创新,而在于专利要求的含糊不清,以及在原告友好的法庭上强制执行的能力……这些糟糕专利的材料来自哪里?软件的出现……这就导致了只提供创意的专利被授予广泛且通常无效的权利主张,渴望专利的投机商非常乐意利用这一点。

Adobe和许多其他软件公司一样,它们的许多专利申请都是防御性的:它们为创意申请专利,因此专利流氓无法就类似创意起诉它们。情况几乎与你想要的完全相反。创新公司很容易受到专利流氓的攻击,这些专利流氓在一大堆专利中提出了宽泛且通常相当模糊的要求,但他们都没有详细地解决这些问题。但当创新公司开发出(成本高得多的)真正好的新创意时,其他公司往往可以复制该创意的核心内容,同时对其进行足够的修改,以貌似合理地规避任何专利。专利制度没有保护正确的东西。

从单个公司的观点,到整个社会的观点,我们不仅想要激励发明,我们还想让想法合理地迅速进入公共领域。想想基本的思维工具,比如书写和数字系统。显然,那些不受知识产权问题困扰的人遍布社会是好事!更广泛地说,随着思想工具变得越来越普遍,它们对社会的价值也越来越高。同样,现代专利制度有许多众所周知的问题,在私人利益和公共利益之间难以取得平衡。虽然设计良好的专利制度可以很好地帮助解决公共产品问题,但我们现有的专利系统似乎不太适应这个问题。

有可能完全避免公共产品问题吗?这里有三类思维工具:

  • 像谷歌这样的搜索引擎是思维工具。它们避免了公共产品问题,因为它们的价值在于品牌,在于难以复制和资本密集型的后端元素(包括它们的数据中心、专有算法、广告网络和分销),而不是在于它们的界面理念。
  • 像Twitter这样的服务可以被认为是集体思维工具。虽然界面很容易复制,但由于网络效应,公司很难复制。
  • 新颖的硬件设备(如VR,或Wii遥控器,或新的乐器)可以作为新思维工具的基础。虽然硬件可以复制,但通常比复制软件要贵得多。无论如何,这类公司的优势通常在于分销、营销以及与为平台生产产品的供应商的关系。

虽然这些建议都避免了公共产品问题,但并没有直接解决公共产品问题。许多有希望的方向——包括助记媒介和助记视频之类的想法——都涉及大量的公共产品元素。在这种情况下,有可能解决公共产品问题吗?在我们看来,最有希望的两种方法是:

  • 慈善研究基金。例如,这种方法被用于计算机动画和动画电影领域。数十年的计算机动画公共研究工作产生了大量强大的(在许多情况下)公开可用的思想。这反过来又为皮克斯(Pixar)和梦工厂(Dreamworks)等公司铺平了道路。这些公司进一步发展了许多创意,并将其推广。
  • Adobe和类似公司使用的模式,在这种模式中,新的思维工具是公司运营的核心部分,而不是竞争护城河的核心。

质疑我们的基本前提

到目前为止,我们认为有三个重要的前提是理所当然的。首先是我们仍处于早期,还有许多更具变革性的思维工具有待发现。其次是思维工具的工作停滞不前,即没有太多有趣的工作在进行。第三,一种元前提是,相对于当前流行的人工智能和脑-机接口等相关概念,这种工作是值得做的。在本节中,我们将讨论这些前提。

如果已经发现了最好的思维工具呢?

换句话说,也许20世纪60年代和70年代是一个不可重复的黄金时代,我们所能期待的未来是逐步渐进的改进,也许是偶尔的重大突破,但频率越来越低?

有一个貌似合理的说法表明这是真的。科技是一个庞大的产业,资金充足,有许多聪明、有抱负、有才华的人。当然,如果有重大想法可以发现,人们会这样做吗?在个人层面上,我们遇到许多杰出的人,他们着迷于(并经常致力于)思维工具,但似乎进展缓慢,这一事实强化了上述观点。

虽然这个故事表面上很吸引人,但它具有误导性。真正困难的问题——像发明印度-阿拉伯数字这样的问题——并不仅仅通过良好的意图和兴趣来解决。重要的是缺少足够强大的基础思想来取得进展。在一个学科的早期——原始学科阶段——一些非凡的人——像伊万·萨瑟兰(Ivan Sutherland)、道格·恩格尔巴特(Doug Engelbart)、艾伦·凯(Alan Kay)和布莱特·维克多(Bret Victor)——可能能够取得进步。但是这是一个非常定制的、个人的进步,很难帮助其他人变得精通,或者扩展到一个社区。这还不是一门真正的学科。我们所需要的是发展一套强有力的实践,一套明确而有力的核心思想,使新人们能够迅速地吸收它们,并开始发展自己的实践。我们现在还没有思维工具。但我们相信我们也离目标不远了。

虽然这个论点是有帮助的,但它并没有触及核心问题:这并不意味着有许多新的变革性思维工具等待被发现。再说一遍:也许最重要的思考工具已经被发现了?

我们无法预测未来,所以不可能肯定地回答这个问题。但在我们看来,人类还没有真正努力过。当一小群有积极性的人这样做时——在开创性的实验室,如PARC、SRI和其他受DARPA支持的早期努力,以及在现代实验室,如Dynamicland,他们取得了快速的进展。非常令人鼓舞的是,这些努力——人类整体研究成果中的微小努力——取得了如此迅速的进展。对我们来说,这意味着扩大规模,变得更加雄心勃勃。

科技行业不就是这样吗?思维工具不是有很多进展吗?

尤其是,难道不是已经有很多富有想象力、有决心、资金充足的人在做这件事吗?技术在很大程度上不是已经在开发了新的思维工具吗?

这个问题的部分原因是术语上的混淆。显然,许多科技公司都为解决特定问题而开发专用工具。但是,虽然这些可能是有价值的工具,但它们肯定不是我们正在讨论的广义上的“思维工具”——不像语言或写作,也不像Illustrator。

不过,确实有一些科技公司在开发思维工具。我们已经讨论了一些公司部分或完全避免了公共产品问题的例子,比如:Illustrator、谷歌搜索、Twitter、Slack、谷歌文档、程序员工具等等。所有这些都是重要的思维工具。

但是想想我们最基本的思维工具——语言、写作、音乐等等。这些都是公共产品。没有人拥有语言;就其所有权(商标等)而言,它实际上可能会限制语言的效用。这些工具都是关于引入基本的新心理表征和心理操作。这些不是任何公司拥有的,而是人类拥有的模式。

这一论点似乎表明,许多最基本、最有力的思维工具确实存在公共产品问题。这意味着科技公司把重点放在其他地方;这意味着许多富有想象力和雄心勃勃的人决定把精力放在别处;这意味着我们还没有开发出在该领域开展工作所需的强大实践,其结果是该领域仍处于学科前阶段。最终结果是,这意味着最基本、最强大的思维工具供应不足。

为什么不研究人工智能(AGI)或脑-机接口(BCI)?

我们经常被问到:为什么不使用AGI或BCI而不是思维工具呢?这些不是更重要也更令人兴奋吗?尤其是对AGI来说,许多需要的技能似乎是相关的。

它们当然是重要和令人兴奋的主题。更重要的是,目前AGI和BCI要时髦得多(资金也更充足)。作为一个读者,你可能会翻白眼,假设我们在这里的想法是预先确定的:如果我们不喜欢思维工具的工作,我们就不会写这篇文章。但这些都是我们在决定如何度过自己生活时苦苦思索的问题。我们中的一个人在决定主要关注思维工具之前写了一本关于人工智能的书;这不是一个轻率的决定,而是他不时回顾的一个决定。事实上,考虑到AGI和BCI带来的持续的兴奋,这将是令人惊讶的,如果从事思维工具开发的人们的脑子里没有一个小声音在说“嘿,你不应该去那里吗?”时髦是诱人的。

一个显著的区别是,AGI和BCI基于相对具体、明确的目标。相比之下,研究思维工具的工作就不那么清晰了。在很大程度上,我们不能指出明确的长期目标;相反,我们有长远的愿景和抱负,几乎能引起共鸣。这项工作实际上是探索一个开放式的问题:我们如何开发工具来改变和扩展人类的思维范围?

从文化上来说,技术是由工程设计、目标驱动的思维模式主导的。当你心中有一个非常具体的最终目标时,设置关键绩效指标(KPIs)、评估确定的目标(OKRs)和管理可交付成果要容易得多。因此,科技文化更认同AGI和BCI作为整体工作计划,这也许并不奇怪。

但从历史上看,人类最大的突破并不是以这种目标驱动的方式实现的。语言的创造——我们的思维工具——也许是人类存在中最重要的事情。尽管关于语言的起源存在激烈的争论和不确定性,但它似乎极不可能是目标驱动过程的结果。试着想象一些史前的季度OKRs导致了语言的发展是很有趣的。人们可以设定什么样的目标?也许是新的不规则动词的指标?这是不可思议的!

同样,其他思维工具的发明——写作、印刷等等——也是我们有史以来最大的突破之一。而且,据我们所知,所有这些都主要来自于开放式的探索,而不是以目标驱动的方式。即使是计算机本身,也是在一次探索中诞生的,这种探索在今天的技术中也被认为是一种荒谬的推测,而且定义也很模糊。没有人坐下来思考“我需要发明电脑”;他们没有任何参考依据。相反,像艾伦·图灵(Alan Turing)和阿朗佐·丘奇(Alonzo Church)这样的先驱者,当时正在探索有关逻辑、数学和可证明事物本质的极其基本的(似乎有些深奥)问题。经过多年的探索,计算机的概念应运而生;这是一个被发现的概念,而不是一个目标。基本的开放式问题似乎至少和目标一样是突破的好来源,不管目标有多雄心勃勃。在硅谷以目标为导向的文化中,这很难想象,也很难说服其他人。事实上,我们自己也感受到了目标驱动文化的吸引力。但是从经验上看,开放式探索也可以同样成功,或者更成功。

“新的思维工具会是什么样的?”这是我们经常听到的问题。然而,几乎从定义上来说,我们不能说。正如我们之前所提到的,如果我们可以在一篇文章中传达这些经验,那么这些工具的作用就会失效;它们不会改变一个人的思想,甚至他们的意识。具体地说:要理解助记介质,你必须在一段较长的时间里大量地使用它。即使那样,你也可能没有意识到这种影响;我们采访了一些用户,他们显然没有意识到自己对文章的惊人记忆力。意识哲学中最著名的论文之一题为“变成蝙蝠会怎样?”(What is it like to be a bat?)每种思维工具都提出了类似的问题,如果不沉浸在工具中,几乎不可能回答:“作为一名语言使用者是什么感觉?音乐家?”等等。

在我们看来,在接下来的几十年里,研究思维工具似乎比研究AGI和BCI更重要。此外,考虑到目前在AGI和BCI上的工作是多么时髦和资金充足,几乎可以肯定的是,研究思维工具会带来更大的好处。

那么长期呢?情况不太明朗。这三个领域似乎很可能会合并,或者至少会彼此强烈融合。我们中的一位与肖恩·卡特(Shan Carter)一起认为,人工智能最有前途的应用之一,是发现新的思维工具。

BCI似乎有更紧密的联系。BCI有时被描述为使用像长期记忆的记忆芯片或者某种增加短期工作记忆的方法。这些想法很可能变得很重要。但是,似乎也有可能用BCIs来促成新的思维活动、新的思维表征和新的思维启示;简而言之,与开发非BCI思维工具所涉及的事情是一样的。也许我们会发展直接想象自己在四维、五维或更多维度的能力;或者遍历黎曼流形;或者拥有多种有意识注意力的能力。这些是关于改变思维的界面,允许的基本抽象和操作。因此,今天研究思维工具的工作似乎会直接影响我们未来使用BCIs的方式。

可执行书(executable book)

写作的技巧在于创造一个其他人可以思考的环境。(The skill of writing is to create a context in which other people can think.)
——埃德温·施罗斯伯格(Edwin Schlossberg)

计算机科学家彼得·诺维格(Peter Norvig)写了一篇讨论社会财富分配的互动式文章。诺维格的文章是一个Jupyter项目,可以执行Python代码的许多想法。该代码建立了一个代理群体,初始分配财富。代理人随机地(重复地)成对相遇,并进行简单的经济交易。更具体地说:一个简单的交易模型可能是,当两个人相遇时,他们的共同财富被汇集起来,然后在他们两人之间随机分配。这个模型只是给你一个要点——当然,更复杂的交易模型是可能的。这个项目模拟财富分配是如何随时间演变的。

诺维格的文章之所以漂亮,部分原因在于,只需几行Python代码,诺维格就能够展示一些关于财富不平等的惊人结果。例如,他的研究结果表明,经济中财富的初始分配对财富的长期分配影响不大。相反,是交易的性质决定了财富的长期分配。这可能至少违反了一些读者的直觉。作为另一个例子,他的研究结果还表明,限制代理人只与地理位置接近的人交易,对财富的最终分配几乎没有影响。

这样的结果将挑战一些读者的直觉。但是,这些挑战不是基于容易被忽视的抽象参数,读者可以立即使用诺维格的模型。他们需要找到一个反例,即财富的初始分配会影响长期的不平等。他们可以很容易地进行实验,只需对一行或几行Python代码进行简单的修改,就可以尝试找到初始分布很重要的实例。不管他们是成功还是失败,他们都会对这个问题有更好的理解。

假设诺维格文章的内容以更传统的静态形式呈现。读者要扩展或查询结果,就需要完全掌握材料,并具有高水平的数学能力。但是在这个项目中,读者更容易进行实验。他们的探索是搭建起来的,他们可以做一些小小的修改并看到结果,甚至是诺维格没有预料到的问题的答案。这种框架式的探索是一种建立自己理解的方式,甚至可能会推动知识的前沿。

诺维格的文章是成千上万(甚至上百万)Jupyter项目之一。当然,大多数这样的项目都写得仓促而糟糕。但是,在像诺维格这样优秀的作家和思想家的手中,这个项目可以成为非凡的思考环境,无论是个人的还是共享的。人们很容易认为它们仅仅是文章和代码的混搭。但实际上,它们是一种新的媒介形式,与论文或代码有不同的可能性,并有显著的进一步发展的机会。在本节中,我们将探讨这些机会。

我们将诺维格的文章描述为“互动文章”(interactive essay)。有一个更具体的术语是有用的,可以将它与其他交互形式(如助记媒介)区分开来。在这篇文章中,我们将使用术语“可执行的书”(executable book)。我们不会在这里精确地定义它;定义不是重点。相反,重点是试图更好地理解媒介形式的潜力,这种形式将文章和代码结合在一起。

在从事严肃的工作时,必须开发思维工具。对规范内容的渴望

西摩·帕尔特(Seymour Papert)是Logo编程语言的主要创建者之一,他对Logo有着非凡的追求。Logo有时被描述为“儿童的编程语言”,人们有时认为帕尔特最感兴趣的是帮助儿童学习如何编程。但这并不是帕尔特的主要目的。相反,帕尔特想要创造一个沉浸式的环境——一种“数学世界”——在这个环境中,孩子们可以沉浸在数学思维中。从本质上讲,孩子们可以通过Mathland学习微分几何。

这是一个美好的愿望,Logo包含了许多惊人的想法。但是据我们所知,没有专业的微分几何学家(或者更一般地说,数学家)在他们的工作中认真地使用Logo作为工具。仔细想想,这似乎很麻烦。如果Logo真正表达了微分几何的思想,为什么微分几何学家不使用它呢?你开始怀疑:是不是Logo忽略了微分几何的重要思想,甚至是微分几何最重要的思想?毕竟,虽然帕尔特受过数学训练,但他自己并不是一个出色的微分几何学者。他怎么会知道包括什么?当然,大多数对Logo感兴趣的人没有资格做出这样的判断。

对此有一个标准的反驳,这是我们从Logo社区听到的。关于不同思维环境的“地板”和“天花板”。Logo有一个低的地板(意味着任何人都可以使用它)和一个低的天花板(所以它不太适合专业人士想要做的高级工作)。

乍一看,这似乎是合理的。但仔细一想,就很难理解了。Logo的创造者如何知道掌握Logo有助于理解真正的(请原谅我们!)微分几何?成功的标准是什么?我们中的一个人(MN)在黎曼几何的相关领域做了几年的研究。虽然Logo使用起来很有趣,包含了许多有趣的想法,但是MN很难看出学习Logo对学习微分几何有很大帮助。

在诺维格的经济学论文结尾,是一篇简短的后记,解释了他是如何写出这篇论文的。在写这篇文章前不久,他听说了在Jupyter上讨论的各种经济模型,他想探究关于这些模型的几个问题。与一些同事讨论后,他们决定各自独立地解决问题,并交换意见。虽然诺维格的文章在某种意义上是“教育性的”,但诺维格的意图是探索一系列他自己真正好奇的问题。教育方面是副产品。

所以你有一个世界级的研究科学家,他想探索一系列问题。他用Jupyter进行这些探索,然后与世界分享这种探索。他以一种其他人可以立即建立和扩展他的思维分享它。

有很多关于思维工具的研究,它们以玩具或“教育”环境的形式出现。没有被真正的作者使用的写作工具。没有被真正的数学家使用的数学工具。等等。尽管这些工具的创造者有良好的意图,但很难不怀疑这种模式。人们很容易陷入一种货物崇拜(cargo cult)模式,做一些看似(比如说)数学上的工作,但实际上避免了触及主题的核心。通常情况下,这些玩具的创造者从来没有做过严肃的原创工作,而他们本应是为这些工作制作工具的。他们如何知道需要包括哪些内容?

具体来说:假设你想要为主题X构建工具(例如X =微分几何)。除非你深入地参与到实践中去,否则想要建立一个好的工具是非常困难的。这就像你自己不用做任何木工活就可以为木工制作新工具一样。这也许是Mathematica这样的工具做得很好的部分原因——其首席设计师斯蒂芬·沃尔夫勒姆(Stephen Wolfram)对数学和物理有着真正的研究兴趣。当然,并不是Mathematica的所有部分都做的一样好;有些部件感觉就像玩具,而这些似乎是公司内部没有认真使用的部件。

这里有一个普遍的原则:好的思维工具大多是在解决严肃问题的原创工作中产生的副产品。它们要么是由从事这项工作的人创造的,要么是由与之密切合作的人创造的。此外,问题本身对于解决问题的人来说是非常重要的。他们不是为了薪水而解决这个问题;他们正在努力,因为他们迫切地想知道答案。

许多人问我们为什么要写一篇关于量子计算的助记文章。如果我们选一个更简单的主题,我们就能吸引更多的观众。但我们也希望这篇文章是真实的,是关于我们想要解决的问题。我们中的一个人(MN)在量子计算方面做了很多原创性的研究工作。这篇文章反映了这种思想。事实上,这篇文章的框架是关于回答MN个人想回答的一个问题:如果人类发现了外星人,他们会有电脑吗?如果有,他们会有什么样的电脑?这可能听起来像是一个做作的问题,但它是相当严肃的,这是一个很深奥的问题,答案也很重要:写这篇文章帮助MN大大提高了他对这个问题的理解。

也就是说,回答这个问题并不是创作这篇文章的主要目的:创造助记媒介才是。对于未来思维工具的研究,更加努力地推动我们真正想回答自己的问题是有价值的。这是保持诚实的一种方式,确保你不仅仅是在制造一个华而不实的玩具,而是对解决独立关心的实际问题真正有用的东西。

在严肃的媒介中,有一个规范媒介(canonical media)的概念。通过这种方式,我们指的是媒介的实例,它扩大了媒介的范围,并在媒介的创造者中建立了一个广为人知的新标准。例如,《公民凯恩》、《教父》和《2001》都扩大了电影的范围,并启发了后来的电影制作人。新媒介也是如此。像格兰特·桑德森(Grant Sanderson)这样的YouTubers创建了规范的视频:它们扩大了人们认为视频形式可能的范围。类似费曼的物理讲座(Feynman Lectures on Physics)也适用于教科书。在每一种情况下,你都能感受到人们对自己所做的事情是多么的投入。在他的许多演讲中,很明显费曼不仅仅是在教育:他在报告自己毕生痴迷于理解世界如何运转的结果。这是令人兴奋的,它扩展了形式。

从这个意义上说,我们对那些没有雄心壮志的人使用Jupyter感到失望。他们没有那么努力地推动媒介;没有Jupyter的《公民凯恩》。事实上,我们仅仅比卢米埃尔兄弟强一点点。像诺维格的例子是很好的作品,但作为媒介的主要例子来评价,似乎令人失望。

出于对规范的追求,一个有趣的项目是获取最新的IPCC气候评估报告(可能从一小部分开始),并开发一个可执行的版本。你将有一个实时的气候模型——实际上是许多相互关联的模型——供人们探索,而不是一个充满断言和参考的报告。如果足够好,人们会用它来上课;如果它真的很棒,不仅会用它来上课,它也可能成为许多气候科学家的创造性工作环境。

在这个方向上一个有希望的探索是经典力学的结构和解释(The Structure and Interpretation of Classical Mechanics),这是一本建立经典力学的漂亮的可执行的书。许多经典力学的定理不仅仅是在页面上以静态的形式表达,而是作为用户可以修改的代码实时表达。定理变成了APIs,它实际上可以应用于其他对象,并链接在一起。它使用了比Jupyter更强大的底层模型,开发了一种新的符号语言作为书的一部分。它有很多缺陷,其中之一是,该书不能在浏览器中实时运行,这让用户很难进行实验。虽然这本书写得很好,但作者对经典力学的理解不如其他一些书的作者深刻。但无论如何,这都是对可能性的一种鼓舞人心的召唤。它还暗示了,当作者将可执行的书用于严肃的目的,并渴望规范媒介时,什么是可能的。

通过倒写结构加强情感联系

考虑一位作者正在写一本关于量子力学的畅销书。这样的作者处于有利地位:他们可以从诸如黑洞蒸发、量子隐形传态以及量子波动在早期宇宙中的作用等令人震惊的现象,开始他们的书。或者,如果他们愿意,他们可以从一些人类已知的最深奥的奥秘开始:量子力学和引力之间的关系,或者量子测量问题。非凡的现象和美丽的奥秘层出不穷。这些东西触动了许多人,也许是大多数人的心弦。因此吸引读者、让他们参与进来并保持联系相对容易。

相比之下,考虑一本关于量子力学的典型技术书籍。这不太可能从黑洞蒸发或量子隐形传态开始——如果是这样,这样的讨论将是敷衍了事。相反,它将从枯燥的技术细节开始。复数。波函数。许多不同类型的微分方程,以及如何求解它们。埃尔米特矩阵和幺正算符。等等,一点一点地慢慢建立起解决量子力学问题所需的所有机构。这本书可能要花上几十甚至几百页的篇幅,才开始涉及那些构成通俗读物主要内容的令人兴奋的问题。

缺乏良好技术写作经验的人常常抱怨这种枯燥的、自下而上的方法。他们会抱怨作者应该更接近有趣的材料,使用较少的技术符号和术语。但是,当有能力的作者试图遵循这一处方时,总是收效甚微。

其中一个问题是,一个人可能要花数年时间来阅读有关黑洞蒸发、量子隐形传态等的类比。在阅读的最后,他们通常没有真正的理解。类比和启发式推理根本行不通。它们可能很有趣,并产生一些理解的感觉。但是推理不会扩展;它不能应用于其他现象,至少没有很多的注意事项,读者是无法理解或应用的。因此,优秀的技术写手大多是从基本原则出发,偶尔会偏离主题,转向更广泛的激励图景。这意味着从大量详细的技术细节开始。

将传统的技术书籍与可执行的书所能提供的可能性进行对比是令人吃惊的。你可以想象从一本可执行的书开始,比如说,量子隐形传态,就在第一页。你需要提供一个界面——可能需要导入一个库——让用户可以立即传送量子系统。他们可以用量子隐形传态协议的不同部分进行实验,立即说明最引人注目的想法。用户不一定能理解发生的一切。但是他们会开始内化隐形传态的准确含义。随着时间的推移,作者可以在闲暇时解开一些可能是先验知识的细节。随着时间的推移,作者可以在闲暇时解开一些可能是先验知识的细节。除非到那时读者会被这些细节所吸引,而且它们不会那么枯燥。

换句话说,你可以用用户已经关心的材料开始一本可执行的书,可以很容易地连接,并找到激励。例如,你可以从探索隐形传态或大爆炸开始。但这样的开头不会遭受通俗科学的缺陷,即含糊和不精确。相反,界面将被完全指定。而且,小心一点,这个界面可以向外扩展,在不断扩展的上下文中应用。这种理解是可以转移的。即使一个用户只理解了材料的一小部分,也可以开始修改,在玩耍和探索的基础上建立理解。人们通常会认为这种方法会导致一种玩具式的理解;相反,我们认为,如果有足够好的框架设计,就能加深理解。发展到足够的深度,这样的环境甚至可以用来探索新的研究思路。

总结和结论

我们已经讨论了很多,有助于提炼出主要的要点——一般原则、问题、信念和愿望。让我们从记忆系统开始,特别是助记媒介:

  • 记忆系统让记忆成为一种选择,而不是一件随机事件:这就改变了我们与所学知识的关系,减少了忧虑,解放了注意力,使之专注于其他类型的学习,包括概念性的、解决问题的和创造性的。
  • 记忆系统处于初级阶段:有可能将人类的有效记忆提高一个数量级,甚至超过现有的记忆系统;并且诸如助记媒介的系统可以帮助扩大用户可以理解的主题范围。
  • 一个使用助记媒介的大师会是什么样的呢?从某种意义上说,助记媒介“只是”记忆卡。正确的结论并不是说它是微不足道的;问题是,卡片的价值被大大低估了。在Quantum Country中,我们以崇敬的态度对待卡片的写作;理想情况下,作者会像纳博科夫(Nabokov)对待句子写作一样认真对待卡片写作。当然,我们没有达到那个水平,但是渴望扩展了媒介的范围。大师甚至助记媒介的规范使用会是什么样子?
  • 记忆系统可以用来建立真正的概念理解,而不只是学习事实:在Quantum Country中,我们实现了这一目标,一方面是通过对大师级卡片写作的渴望,另一方面是通过在叙事中嵌入间隔性的重复,逐渐建立起背景和理解。
  • 记忆技巧,如记忆宫殿,很棒,但还不足以建立真正的概念理解:这些技术都是非常专业的,并且强调人工的联系,而不是许多概念知识中存在的内在联系。然而,助记技术对于用特定结构引导知识非常有用。
  • 记忆比人们想象的要重要得多:它几乎在认知的每个部分都发挥作用,包括解决问题、创造性工作和元认知。另一方面,记忆系统本身也想发展成其他类型的工具——用于阅读的工具、用于解决问题的工具、用于创造的工具、用于注意力管理的工具。也就是说,我们还不知道什么是记忆系统。重申一下:记忆系统还处于初级阶段。

助记媒介仅仅是思维的一个原型工具。我们还讨论了其他一些想法,包括助记视频和可执行书。以下是一些关键要点:

  • 什么样的实践会产生像印度-阿拉伯数字一样具有变革性的思维工具?现代设计实践和科技产业产品实践在哪些方面存在不足?要想成功,你需要一个洞察力十足的循环,将最优秀的深度研究文化与最优秀的硅谷产品文化结合起来,全力运转。
  • 思维工具(大部分)是公共产品,因此供应不足:也就是说,有一些紧密相关的生产模式已经取得了成功(游戏产业,Adobe, AutoDesk,皮克斯)。应该研究这些模型,尽可能地模仿它们,并将其作为寻找更多此类模型的灵感。
  • 认真对待情感:历史上,思维工具主要集中在认知上;很多工作都被困在了Spock空间。但它应该像最好的音乐家、电影导演和视频游戏设计师一样认真对待情感。助记视频是一种很有前途的探索工具,它可能结合了助记媒介所渴望的深厚的情感联系和详细的知识掌握。
  • 思维工具必须与深入的、原创的创造性工作一起开发:很多思维工具的工作都集中在玩具问题和玩具环境上。这在原型设计时很有用,但是要想成功,这些工具最终必须用于进行严肃的、原创的工作。这是测试这些工具是否真的在工作,或者仅仅是在讲述一个好故事的基准。理想情况下,对于任何这样的工具,都将有一个规范媒介流来扩展表现形式,并进入其他创造者的意识。

让我们回到文章开头的问题:如何为思维构建变革性的工具?当然,我们甚至还没有准确定义什么是这样的变革性工具!它们是这样一种工具,实践中相对较低的成本变化会导致结果的变革——非线性回报和思维的质的转变。这与通常的情况相反,在这种情况下,实践中的小变化会导致结果的小变化。

历史上,人类已经发明了许多这样的变革性的思维工具。写作和音乐是古老的例子;在现代,Photoshop和AutoCAD等工具是合格的。虽然现在还为时过早,但我们相信这种助记媒介大有前途。它需要进一步发展,就像我们已经描述的那样,并且可能需要额外的强有力的想法。但我们相信人类有可能拥有广泛的记忆实践,从根本上改变我们的思维方式。

更广泛地说,我们希望本文中的原则将有助于支持创造更具变革性的思维工具。历史上,大多数思维工具的发明都是由受启发的个人和团体定制的。但是我们相信,将来会有一个成熟的社区定期进行这种发明。

CC BY-NC-ND 2.0 版权声明

喜欢我的文章吗?
别忘了给点支持与赞赏,让我知道创作的路上有你陪伴。

加载中…
加载中…

发布评论