2015秋邓亚强学习报告

关键词

认知（cognition） 逻辑模型 学科交叉

本文

认知（cognition ）在现今科学中有很多重含义，从心理学、神经生物学到艺术、语言科学，都有“认知”的身影。那么“认知”在顾老师的课堂上究竟指代的是什么呢？

顾老师试图让学生“经由整理多学科基础语汇体系的过程，建立一个超越学科的认知基础，掌握超越学科界限的学习方法”，这样看来，这里的认知是指全面认识了解一个事物的能力，而跨越学科的认知方法在我看来实际是成果产出优化的学习方式。

认知模型的建立就显得尤为重要。

一套完整的认知模型必定是有逻辑的，逻辑体现在对待、处理问题的方法以及整合信息的能力。现今市场经济繁荣、社会分工细化、思维方式多样化，使得行业之间产生的思维代沟日益明显。这样不仅拘泥了某一确定行业的思维，坐井观天，并且固化的思维惯性使得不同行业者之间的碰撞、矛盾加深，很难做到真正的学科交融。 这些都对当今科学产生了巨大的挑战。

就像物理学家们试图寻找到一个大一统理论（Grand Unification Theory）将宇宙中的物理规律统一起来一样，在学习的认知系统中，也应该存在一个超越学科的认知体系。

应当明确的是，无论在任何一个学科中，都存在Conception。抽象出来的概念，在学科内部一旦将此串联起来，就能很明晰其历史、发展脉络、主要内容。尽管学科内部的具体概念千差万别，包罗万象（微观、介观、宏观），但是构建概念网络的时候，基本都会使用同样的方法。

此外，学科创立应当是应运而生符合潮流、建立在已有学科基础之上的。学科的创立很难逾越时代的界限，比如中世纪的教皇就很难理解达尔文的进化论（theory of evolution），而达尔文却不能在基因层次（level of gene）上对于突变做出阐释。

横向比较，学科之间有着千丝万缕的联系，学科间必定有或多或少的交集。在分工明确的今天，由于某些明确的目的（机床的优化提高产出率，火箭空气动力学的研究etc.），新的学科在不断产生。

因为目的（预期收益）覆盖下的个人或群体利益是推动学科产生的重要因素，所以一个新学科的目的导向的逻辑模型（应用背景、目标、功能、输出／输入、过程）应当使得整个认知、设计、建立过程与其他学科契合程度相当好，以达到预期产出效果。

尽管如此，就大局而言，学科的固化思维仍旧是严重的。

超越学科的认知模型的建立，在学科交叉日益明显的现代社会，重要性自不言而喻。

参考资料

1.跨越学科的认知基础 课堂讲义

2.Resources from Wikipedia and Other websites

关键词

视觉感知 量子 不连续性

本文

动盲（Akinetopsia）是一种神经类疾病，患者不能正常看到连续的运动世界，而是一种类似cinema reel的不连续世界。在常人眼中动盲患者的世界难以理解，因为突变的图片认知取代了常规的放映式认知，与常规的认知大相径庭。

而这种不连续性，正是本篇文章的主角。

量子（quantum）具有波粒二象性(wave-particle duality)，并且能量是不连续的，即能量的值只能取固定的值而并非任何实数，这有点像计算机中的浮点数(floating point)并不能表示所有实数一样。

尝试着将量子的不连续与视觉感知联系（相互关系见右图）：

在视觉形成方面，光量子（Photon）十分重要，因为视觉的基础是光与生物体的神经系统。根据Principle of univariance的说法，可以知道任何视觉输出取决于光量子捕获量，而与量子本身形式无关。不仅如此，光量子作为能量的载体，对于视觉细胞的功能分配也有着不可小觑的作用：对于视锥细胞（cone cell）与视杆细胞（rod cell）的刺激，使得强光下视锥细胞起主要作用，而弱光下视杆细胞起主要作用。

在视觉感知方面，则表现在建立在大脑皮层（cerebral cortex）生理基础上的量子化运作方式。作为认知的物质基础，大脑内部有着明确的分区，功能执行区的细化使得大脑在某种意义上更像是一台高效运作的机器。

在视觉上的分工更是如此，识别不同方向、形状、颜色等的神经细胞在大脑内部高效准确的传递着神经信息，在高级皮层区进行进一步的过滤整合。而神经细胞处理视觉信息的过程就是将一个完整的信息量子化，信息以不连续的形式在大脑内部高效的传递，最终在大脑皮层特定功能区投影，形成意识感知上的视觉。 量子化运作的神经网络，在某种程度上而言，类似于社会分工，这也恰恰是意识如何运作的方式。通过分工的细化与神经功能区之间的统筹协调，庞大的神经通路以量子化的形式传递着信息（电信号、化学信号），实现了高效率的神经系统的运作。

700px

这很像量子的世界——微观下的一切事物非定域、不确定，是一个与恒定、有迹可循的宏观世界完全不同的世界，尽管量子世界组成了宏观世界。而这一点，类似于视觉形成中眼动（eye movement）现象，尽管眼球经常迅速移动、发生震颤，但因为大脑后期处理使得视觉成像始终稳定连续。

然而，量子化的世界似乎并不能普适于宏观科学的各个方面，同样也不适合解释视觉感知中的一些现象。因为视觉成像、感知基于的都是介观或者宏观的方法论，并不完全与量子微观吻合。但是，量子化的思维，尤其是不连续性与非定域性的思维方式，在科学探究中，自有用武之地。

参考资料

1.克里斯托夫·科赫. 意识探秘：意识的神经生物学研究[M]. 上海:上海科学技术出版社, 2012. 143-320

2.跨越学科的认知基础 课堂讲义

3.Resources from Wikipedia and Other websites

关键词

不二 法律 四力学说 分布式管理

本文

Part 1：法律与道德

法律是生活的一部分，是全体公民意志的体现，具有统一性与强制性。道德是约束公民行为的内在准则，因人而异。法律与道德之间的界限在法理学研究中应当泾渭分明，正如美国法官奥利弗•温德尔•霍姆斯在《法律的道路》所言，法律理念与道德理念混淆的许多恶果之一是理论倾向于本末倒置。

因此，有必要区分道德与法律之间的界限。

道德是原始形态的行为规范和管制。道德的实体对象是个体，但是标准是个人对自己行为的约束，使得自己的行为限制在合理的范围之内，但是道德缺少强制性，易受文化、政治影响。

“法律是我们道德生活的见证和外在积淀”，霍姆斯说。法律的实体对象也是个体，外在的强制力高于个体。法律的要求因国家、地域、文化而定，代表的是对于公民最低的行为准则。因而法律的标准是整体社会的基线，是对道德水平参差不齐的妥协。

建立在法律上的是实体正义、程序正义与政治正义。（帅律师）而实际上，法律所代表的正义有时也会与道德正义矛盾。

Part 2：分布式管理与集权制管理

美国作家凯文凯利在《失控》中提到了分布式管理。分布式管理强调的是量变引起质变，是一种量变引起质变的自下而上的管理模式；与分布式管理不同的是自上而下的集权制管理。集权制管理看重的是领导的重要性，而没有考虑组成成员的作用。如图对比了分布式管理以及集权制管理： 700px

帅律师在讲到“涌现：自然现象与社会现象”中，引述了美国作家凯文凯利《失控》中的内容：

《失控》2.3：集群所形成的超级有机体，是从大量聚集的普通昆虫有机会中涌现出来的。量变引起质变。要想从单个虫子的机体过渡到集群机体，只需要增加数量，使大量的虫子
聚集在一起，使它们能够相互交流。等到一定阶段，当复杂度达到一定程度时，集群就会从个体中涌现出来。低层级的存在无法推出高层级的复杂性。

《失控》2.5:群聚的个体孕育出山必要的复杂性，足以产生涌现的事物。随着成员数目的增加，两个或更多成员之间可能的相互作用虽呈指数级增长。当连接程度高且成员数目大
时，就产生了群体行为的动态特性，量变引起质变。 

其中涉及到了分布式管理以及相关规则，与集权制管理相互独立。分布式管理的灵感来自蜂群智慧等自然群体，凯文凯利在《失控》第二章中这样谈到：

“真实的鸟类和鱼雷的娶你行为必然源自于一套相似的简单规则。群体曾被看做是生命体的决定性象征，某些壮观的队列只有生命体才能实现。”

可见，自然中的事物是给了科学研究者丰富的灵感来源，所以，“对新生物文明来说，摧毁一片草原，毁掉的不仅仅是一个生物基因库，还毁掉了一座蕴藏各种提示、洞见和新生物文明模型的宝藏”（《失控》凯文凯利）。自然与社会实际上是同一的，内涵的对象以及表示方法不同。

分布式管理的核心实际是“快速、廉价、失控”。在《失控》第三章，凯文凯利介绍了罗德尼•布鲁克斯的机器人概念，布鲁克斯提倡使用“蟑螂机器人”而并非复杂机器人，原因也在于量变会引起质变，杂乱无序的样品点会反映出总体的特征，而这一特征是单个样品点无法反映出来的，因而，数量庞大的蟑螂机器人会带来整体的新的能力，而他们之间个体的联系我认为可以处理为“类社会化”。

参考资料

1. 凯文凯利. 失控[M]. 北京:东西文库, 2010. 1-98

2. 霍姆斯. 法律的道路. 1-28

3. Resources from Wikipedia and Other websites

关键词

命名空间（Namespace） 隐喻 计算机网络 计算法律学

本文

Part 1:《Metaphors we live by》和群体认知方式

在第一节课中，顾老师让我们重新认识了本课程的学习目的，即搭建起一种群体学习的方式。同时，也带领我们详细的了解隐喻组成部分，通过实证表述，让我们知道了隐喻的重要性，正如在本文《Metaphors we live by》第12章中所说的：

We claim that most of our normal conceptual system is metaphorically structured; 
that is, most concepts are partially understood in terms of other concepts.

可见隐喻对于人本身对于事物的认知处于桥梁作用，即使用已有的概念体系通过隐喻的手段扩展未知的概念成分，这种概念体系的搭建过程往往蕴含着科学体系的进化(详情见Kuhn cycle)。

隐喻主要分为本体论隐喻，结构化隐喻，方位导向隐喻，在下面表格进行对比：

Part 2：计算科学与计算法律学

蔡维德老师在接下来的两节课程内给我们介绍了有关计算机下的数字社会，在金融市场中的应用以及计算法律学新趋势下的机遇与挑战。

下面介绍课程内主要关键词：

1. 数字社会：由于数字技术进步产生的数字化产品浸润的社会，在数字社会中，一切事物都是真实、合法的（与电子虚拟社会不同）

2. 计算法律学：计算科学与法律学的交叉领域，即通过计算机数字化方式处理法律事务，始于1987年斯坦福大学

3. IBM Waston：由IBM研发的一款高智能的计算机软件系统，运算能力强大，并且是世界上第一个具有常识的软件。2011年的亮相带给计算机人工智能（AI）领域新的活力。Waston系统软件现今已用于多种领域。

4. UIMA：一种用于分析非结构化内容(比如文本、视频和音频)的组件架构和软件框架实现。UIMA允许插入定制组件。（百科）

5. Watson 律师：Waston系统软件用于法律领域，用来分析法律契约合同。

6. 智能合约：密码学家尼克萨博提出，是能够自动执行合约条款的一款去中心化的计算机程序。智能合约随着比特币的出现而逐渐注入新的生命力

7. 公开交易（open transaction）

8. Windhover原则：一项关于数字身份、信任和数据的管理原则（详见PPT）

9. ID3算法：ID3是一种metadata容器，多应用于MP3格式的音频文件中。它可以将相关的曲名、演唱者、专辑、音轨数等信息存储在MP3文件中。（百科）

10. Opendpds: 即个人数据存储，是一个基于ID3算法的开源应用软件，能有效的保护个人隐私。

11. D.P.Reed's law：

12. 开放式芥子结构：开源框架，用于开发和部署安全和可信的云计算和移动应用

在蔡老师的介绍下，我们深一层次的了解到法律与计算机的交叉现状，尤其是Waston律师的出现，让我们对于未来人工智能与其他各个领域结合的不禁做出展望。

现将物联网和互联网、比特币和真实货币、法律学与计算科学做出对比：

参考资料

1.巴比特. 智能合约+区块链=？ [Z]. 比头条: 少平,2014

2.跨越学科的认知基础 课堂讲义

3.Resources from Wikipedia and Other websites