Pluralistic：提炼人性（2026 年 6 月 5 日）Pluralistic: Refining humanity (05 Jun 2026)

今日链接

提炼人性（永久链接）

评估自己对某个主题理解程度的最佳方法之一，就是尝试向他人解释它。通过解释事物，我们会发现这个“完全显而易见”的世界，实际上竟充满了歧义、神秘和矛盾。

在罗温·艾金森的历史情景喜剧《黑爵士》中，有一段精彩片段完美阐释了这个原理。在《墨水与无能》这一集中，黑爵士和朋友们不小心烧毁了塞缪尔·约翰逊原版英语词典的唯一副本。为了掩盖他们的错误，他们决定自己重新编写这本词典。然而，在尝试定义的第一个词“A”上，他们就卡壳了：

黑爵士：让我们从头开始，好吗？第一个词：“A”。你会怎么定义“A”？ 乔治王子：哦……“A”（背景音继续）。哦，我喜欢这个！我喜欢这个！智力问答！呃，等等，我想起来了。哦，天哪，呃，哦对了，我想到了！ 黑爵士：想到了什么？ 乔治王子：呃，它其实没什么实际意义，不是吗？ 黑爵士：很好。那我们就开个好头了。“‘A’；非人称代词；没什么实际意义。”

我的意思是，“A”到底意味着什么？《牛津英语词典》里有十几种释义，仅仅是第一条释义就长达1500多字：

https://archive.org/details/the-oxford-english-dictionary-all-volumes_202208/The%20Oxford%20English%20Dictionary%20Volume%201%20-%20A%20to%20B/page/n25/mode/2up

在日常生活中，我们需要经常向他人解释各种事情。你必须向客服代表解释你遇到的问题，而客服代表也不得不向你解释为什么他们无法解决这些问题。你需要向爱人解释为什么你想把牙刷留在淋浴间，而他们也得解释为什么讨厌你的牙刷放在淋浴间。这种相互解释的过程，不仅让对方学到了东西，同样也让你学到了东西。对你来说，把牙刷留在淋浴间的理由可能完全是显而易见的，而伴侣对此无法理解的态度，则暴露出了那些你从未考虑过的预设前提。

在过去四十年里，越来越多的人将生命中越来越多的时间花在向机器解释事物上，而这些机器没有任何预设前提或共享语境：那就是计算机。我们所谓的“给计算机编程”，实际上就是“将一件对你来说显而易见的事情，分解成越来越简单的、会被严格执行的指令”。

计算机就像传说中神灯里的精灵，是死脑筋的字面主义者，他们会一字不差地照你说的做，但执行方式却偏偏与你的真实意图大相径庭。要让计算机做任何事，你必须首先对它有极深的理解，这种理解程度远远超过向任何其他人类（哪怕是小孩）解释某事所需的程度。

仅举一个例子：昨天我在飞机上，座椅靠背屏幕开始循环播放它的视频点播节目。所有以“the”开头的电影标题都被重新处理，把“the”放到了标题的最后（例如，“The Sting”被写成了“Sting, The”）。系统设计师为什么要这么做显而易见：我们通常期望以“The”开头的电影按照第二个单词的首字母进行排序（“The Sting”应该出现在“Star Wars”和“Story of a Love Affair”之间；而不是在“The Godfather”和“The Untouchables”之间）。

我记得我是从小学的图书管理员老师那里学到这一点的。当时我七岁，我们班正在上有关学校图书馆卡片目录的辅导课。作为一长串说明的一部分，图书管理员只花了几分钟就向我们解释了这个原则，尽管如此，它却让我永远铭记在心。

然而，48年过去了，我们仍然没有找到一种标准化的方法让计算机掌握这个按字母排序的基本原则。诚然，许多不同的数据库都能处理这个问题，但由于在众多平台之间极其不一致，以至于为美国航空视频点播系统提供内容的视频分发系统前端，有位老兄决定：“去它的，我干脆把这些标题里的‘The’放到最后面算了。”

换句话说，计算机是很笨的，这意味着为计算机编程的人必须具备足以弥补计算机不足的智慧。不幸的是，对于我们整个人类和文明而言，软件行业在历史上一直更看重编写高效且可靠软件的技能，而不是编写能够充分反映现实世界的软件。有整整一大类列表都说明了由此带来的问题，即“程序员信以为真的谎言”系列清单：

https://github.com/kdeldycke/awesome-falsehood

从“人名”到“街道地址”；从“价格”到“时间”；从“电子邮件地址”到“电话号码”；这些“极好的谬误”清单之所以极好，是因为它们揭示了在这些看似简单直观的概念中，究竟潜伏着多少微妙之处和复杂性。这种微妙和复杂在教导人类的过程中可能永远不会显露出来，但当你试图教导计算机时，你就必须直面它们令人抓狂的丑陋面貌。

这是因为人类拥有背景认知、主观能动性和灵活性。当然，设计带有“姓名”空白表格的人可能从未遇到过名字叫 Randriamananjararadofabesata 的马达加斯加人，但在前数字时代，当 Madagascar Slim 遇到必须将他的名字登记在纸质表格上的公职人员时，那位公职人员大可以在“姓名”栏旁边的空白处画个箭头，把表格翻过来，然后在背面写下这全部的28个字符：

https://en.wikipedia.org/wiki/Madagascar_Slim

计算机做不到这一点。如果程序员不了解马达加斯加人的名字，计算机同样不了解，而唯一能向计算机“传授”这些名字的人，是那些拥有数据库代码访问权限的程序员，他们必须手动修改代码，进行编译，然后将其分发给所有使用它的人。

这在一定程度上解释了为什么在数字化进程中，越来越多的人主张自己存在于光谱之上，而非二元对立之中。总有一些人的名字、性别、种族以及其他生平“不可变项”发生了改变，或者根本无法填入表格的空白处。当这些人的真实情况与系统抽象模型的缺陷发生冲突时，他们可以请求办事员把纸翻过来写一段说明，或者把字写得很小硬塞进空白处：

https://pluralistic.net/2023/02/02/nonbinary-families/#red-envelopes

让人类办事员把纸翻过来，写下无法填入空白处的内容，这本身就是一种个人挑战。它要求当事人说服掌控表格的人为其破例。这绝非易事，但一线办事员必然要应对现实，如果他们不能灵活解释那些天生就不完备的操作流程，以契合事物的真实面貌，就无法完成自己的工作。

但计算机没有任何主观能动性、语境理解能力或灵活性。如果计算机判定你的名字无效，你无法通过辩驳让它接受。让数字世界承认你存在的唯一途径，就是去推动系统性的变革。一位跨性别者或许（毫无疑问会极其艰难）能够说服地方户籍官员，用涂改液抹去“性别”一栏中旧的标记，并在另一栏打上新的标记。但是，如果一套软件系统在编程时就被设定为将“性别”字段视为不可变项，那么想要在系统中做出改变，唯一的办法就是改变社会本身。

从这个意义上说，计算机是教会我们认识自身盲点的机器。它们要求我们去审视并如实地重构个人的隐性知识，也要求我们的社会去审视其内在的隐性预设。当你被迫将隐性知识转化为显性知识时，你也不得不直面自己的推理过程中潜藏着多少站不住脚的预设。往好了说，这是一个理清思路的过程。

计算机不仅厘清了我们的认知和社会的组织方式：它们也厘清了人类自身的本质。有许多事情我们曾认为计算机永远做不到，因为我们相信做这些事需要某种只有人类才具备的特质。

以国际象棋为例：可能的棋局数量比宇宙中的氢原子还要多，因此，通过穷举所有可能的棋局来暴力破解国际象棋在技术上是根本不可能的。最优秀的国际象棋选手能做到一些我们至今未能完全理解的事情：他们将过往棋局的记忆与关于最佳策略的经验法则融合在一起，并凭借一种能让他们自发创造出新策略的“创造力”（不管那到底是什么）。我们可以轻易地让计算机记住所有已知的最优棋路和所有的经验法则，但我们并不知道“创造力”究竟为何物，因此无法将其编码为一系列指令。

但是，得益于机器学习及其继任者“深度学习”的突破，我们已经创造出能够击败所有人类选手的国际象棋软件，部分原因在于它们会尝试一些如果由人类棋手使出、我们便会称之为“极具创造力”的开局策略。

我们如何看待这一新事实尚存争议。对许多人（包括我自己）而言，这是一种认知上的修正：它让我明白，那些与“创造力”真假难辨的行为，至少在某些时候，是可以通过机械过程产生的；而且，单凭机器做出了看似具有“创造力”的举动，并不意味着机器就变成了人类。

对另一些人来说，机械系统能够展现出在人类身上会被称之为“创造力”的行为，这并不意味着我们对“创造力”的定义过于宽泛，而是意味着我们对“人类”的定义过于狭隘；并且，我们现在已经创造出了一种至少在某种程度上算得上是“人”的机器。

我认为这是一个错误的结论，原因正如 Ted Chiang 在近期发表于《大西洋月刊》的一篇题为《不，人工智能没有意识》的文章中所作的极其透彻的论述：

https://www.theatlantic.com/philosophy/2026/06/no-artificial-intelligence-is-not-conscious/687378/

（如果你遇到该文的付费墙，并且你使用的是 Firefox 浏览器，可以试试我最喜欢的技巧：切换到“阅读模式”然后点击“重新加载”——当然，效果因人而异。）

基于 Ted Chiang 所阐述的种种理由，我认为将“人格”的界限扩大到包含机器是一个技术性错误，但实际后果比这更糟。接纳机器进入“人格”俱乐部是一个战术性错误，其严重程度与我们当年接纳公司进入该俱乐部时所犯的错误不相上下。我们绝对应该考虑将生命体（包括动物和生态系统）纳入人格的范畴，但与此同时，我们必须将这些毫无生气的、人工构造的产物从俱乐部中剔除出去：

https://pluralistic.net/2026/04/15/artificial-lifeforms/#moral-consideration

在某种意义上，对机器新能力的认知，与对我们人类之外其他动物新能力的认知，存在着相似之处。当那些动物成功做到了我们曾经以为只有人类才能做到的事情时，我们（应该）将其视为一个完善人类自我认知的契机。我们并非“会使用工具的动物”，也非“会制定计划的动物”，更非“会在镜子中认出自己的动物”，因为也有其他动物能做到这些事。我们只是一种“会使用工具的动物”；而不是唯一会这样做的动物。

同理，如果我们曾认为某项活动是人类或生命体独有的，而我们又成功地让机器复现了该项活动，那么我们应该修正对该活动的看法——而不是修正对机器的看法。国际象棋中的创造性突破并非“必须借助人类心智才能实现的事物”，而是“人类心智和机器都能做到的事情”。

Edsger Dijkstra 曾提出过一个著名的问题：“潜艇会游泳吗？”

https://www.cs.utexas.edu/~EWD/transcriptions/EWD08xx/EWD898.html

潜艇、鱼类、人类和海豚都通过不同的方式在水中前行。但当动物游泳时，它的行为与潜艇是不同的。潜艇没有意图，而（复杂多细胞）动物游泳是为了追求目标。制造在水中前行的机器非常有用，但这与创造生命不是一回事。在某些方面，它甚至比创造生命更好：至少，我们对其他生命负有道德上的责任，但对机器则无需如此。驱使机器来实现我们的目标，比起控制生命去实现这些目标，在道德上更为明晰。同理，制造能够完成某些原本需要人类代劳的任务的机器，可能是更优的道德选择。我宁愿让机器去雷区排雷，也不愿让人类去执行这项任务。

但除了这种道德上的解脱，创造机器也是进一步了解我们自身的一种绝佳方式——它能将我们的隐性知识、潜在的社会假设，以及我们对“人类何以区别于宇宙万物”这一认知的局限性清晰地揭示出来。

AI 的非凡之处在于它打破了这个规律。传统的软件技术很难开发出能够识别照片中物体的程序。事实证明，定义“猫”的所有视觉关联特征甚至比定义字母“A”还要困难。深度学习技术解决了这个以往无法解决的难题，它让我们免于去做一项苦差事：将我们在区分“猫”与“狗”或“老虎”（或“拖拉机”）图像时所运用的所有隐性因素一一显性化地定义出来。

我们不必强迫人类去进行自我反思，直到列出所有用于识别猫咪图片的因素；我们只需找出猫的图片，并将其输入给一个试图寻找它们之间共性的程序即可。我们输入给该程序的图片越多，它识别猫的能力就越强。如今，我们已经拥有了能够可靠区分小猫和幼虎图像的程序！

这标志着计算机为我们执行实用工作的能力取得了重大突破，但另一方面，在迫使我们通过系统性的反思将隐性思维过程显性化方面，计算机的作用也出现了巨大的倒退。但这可能并无大碍：我们创造计算机并不是为了让它们迫使我们反思，而是为了让它们为我们效劳。总而言之，拥有能够领会我们言外之意（而非死抠字眼）来满足愿望的“精灵”，或许是一件更好的事。

AI 也许没有强迫我们将隐性思维转化为显性指令，但它绝对迫使我们重新审视并缩小了神秘事物的范畴。人类自身的创造力依然令人愉悦且至关重要，但这种柔软而奇妙的生理过程（有时）竟能被程序化的机器所复制，这一事实改变了生命的定义。我们是“能够产生创造性结果的事物”，但不再是“唯一能够产生创造性结果的事物”。机器并没有在发挥创造力（就像潜艇并不是在游泳一样），但它们输出的东西，正是我们过去只能依靠创造力才能取得的成果。

能够完成以往需要创造力之事的 AI，践行了布莱恩·伊诺（Brian Eno）和彼得·施密特（Peter Schmidt）的《斜向策略》（Oblique Strategies）中我最喜欢的一条：“成为第一个不盲从别人都在做的事的人”：

https://stoney.sb.org/eno/oblique.html

正如老板们幻想 AI 能带来没有工人的工作场所，扎克伯格试图打造没有社交的社交媒体，政客们想要没有官僚的官僚机构一样，有时我们也可以利用 AI 来产生没有创造力的创造性成果：

https://pluralistic.net/2026/05/27/unnecessariat/#rubbuts-stole-my-jerb

这并不是说 AI 艺术有多好。AI 也许能生成在审美上很有趣的东西，但它无法生成具有任何意义的东西：

https://pluralistic.net/2026/06/02/must-we-pretend/

但是，艺术并不是我们应用创造力的唯一领域。有很多结果，我们一直认为如果不发挥创造力就无法实现。AI —— 就像所有软件一样 —— 让我们意识到，我们曾经认为绝对不可或缺的要素，原来是有替代品的。有时，AI 可以在我们无需解释如何做到的情况下完成任务。这免除了我们一项有用但却艰难的苦差事 —— 但这样做的同时，它（又一次！）迫使我们重新审视：要完成那些对我们至关重要的事情，到底需要哪些条件，进而重新思考究竟是什么让我们与众不同。

嘿，看看这个（永久链接）

客体永久性（永久链接）

#20年前 GNU Radio：通用的软件定义无线电 https://web.archive.org/web/20060613062355/https://www.wired.com/news/technology/1,70933-0.html

#15年前 法国禁止新闻广播中出现“在 Twitter 上关注我们” https://web.archive.org/web/20110606035424/http://www.zdnet.com/blog/facebook/france-bans-facebook-and-twitter-from-radio-and-tv/1559

#5年前 亚伦·斯沃茨（Aaron Swartz）沉冤得雪 https://pluralistic.net/2021/06/04/aaronsw/#cfaa

#5年前 资本主义的黑哨 https://pluralistic.net/2021/06/04/aaronsw/#crooked-ref

近期活动（永久链接）

近期露面（永久链接）

最新出版书籍（永久链接）

即将出版的书籍（永久链接）

版本记录（永久链接）

今日主要来源：

目前正在写作：《The Post-American Internet》，《Enshittification》的续作，关于既然 Trump 已经把美国付之一炬，我们其他人将迎来的更美好世界。第三稿已完成。已提交给编辑。

本作品（不含任何连载小说）采用 Creative Commons 署名 4.0 许可协议授权。这意味着你可以以任何方式使用本作品，包括商业用途，前提是你将作者署名为 Cory Doctorow，并附上指向 pluralistic.net 的链接。

https://creativecommons.org/licenses/by/4.0/

引语和图片不包含在此许可协议中；它们是基于版权的限制或例外规定，或基于单独的许可协议而被纳入的。请谨慎使用。

如何获取 Pluralistic：

博客（无广告、无追踪或数据收集）：

Pluralistic.net

邮件通讯（无广告、无追踪或数据收集）：

https://pluralistic.net/plura-list

Mastodon（无广告、无追踪或数据收集）：

https://mamot.fr/@pluralistic

Bluesky（无广告，但可能存在追踪和数据收集）：

https://bsky.app/profile/doctorow.pluralistic.net

Medium（无广告，设付费墙）：

https://doctorow.medium.com/

Tumblr（大规模、无限制的第三方监控与广告）：

https://mostlysignssomeportents.tumblr.com/tagged/pluralistic

“当生活给了你 SARS，你就把它做成 sarsaparilla（撒尔沙饮料）” —— Joey "Accordion Guy" DeVilla

请仔细阅读：阅读本文即表示你代表你的雇主同意，永久免除我因与你的雇主及其合作伙伴、许可方、代理人和受让人之间订立的任何及所有未经协商的协议、许可、服务条款、拆封授权、点击授权、浏览授权、保密协议、不披露协议、竞业禁止协议和可接受使用政策（下称“霸王条款”）而产生的所有义务和弃权承诺，且不影响我持续享有的权利和特权。你进一步保证，你拥有代表雇主免除我受任何“霸王条款”约束的授权。

ISSN: 3066-764X