道家奇谈之361——三论道德矛盾论
2023-09-03 23:34阅读：
上文既然提到了不归路，我们觉得还是很有必要更加深入的探讨一下有关宿命论或确定性与不确定性之间的关系。讨论的落脚点就在于，既然道德都可以用矛盾辩证的方法来看待，那么在确定性与不确定性之间是否存在着同样的关系呢？其实以前在讨论道物人系统时我们就分析过，道德系统具有爆发性、突破性和无方向的不确定性，物力系统具有规则性、限制性和确定性，哪怕所谓的概率，也是人们对物力系统或物质的性质和运动方式不完全了解的结果。当把无、道德系统和不确定性归为一类，把有、物力系统和确定性归为一类，有无之间的矛盾属性起到了一个提纲契领的作用，但比较宏观，并不具体细致。这就好比在形而下中马哲的必然性与偶然性的关系一样——也就是确定性与不确定性的关系，众道友都能顺口溜般的说出必然性中有偶然性，偶然性中又有必然性，相当于确定性中有不确定性，不确定性中又有确定性，但要落实到具体事物中，许多人恐怕容易变成事后诸葛亮的样子来解释这个世界，未必能够很好的应用于指导实践。若是光谈论道德，就很容易演变成如何更好的求生。在整个过程中，似乎缺少了某些使得过于混沌的世界更加明晰起来环节或步骤。上文又言，形上到形下的无中生有具有真正的不确定性，形下的物质不管多么复杂都具有数理逻辑上的确定性。我们要问的是，事情是不是到此为止了？很显然，他只是走出了矛盾的第一步，从形上的不确定性到形下的确定性从而实现对不确定性的否定。问题的关键在于是否还存在着第二步、第三步、第四步乃至更多的步数，使得他们通过否定之否定的方式实现螺旋向上式的发展？这必然会延伸出在形下也会存在着一种不确定性，而这种不确定性的建立还绕不开数理逻辑的确定性。于是我们不得不回到三体问题上来。
为什么是三体而非量子力学？对比来说，三体与量子力学相同的地方，或者说共性，在于物体的状态因为物体的运动而不断变化；三体与量子力学不同的地方，或者说个性，在于前者虽然严格遵守数理逻辑的运动法则，大部分却难以摸到运动的规律，后者虽被冠以不确定性的称号，却还是有一定的规律可循。既然有规律可循，代表着他极大可能的重复了某一种运动过程。我们由此引申出了对确定性或不确定性的两种定义，一种叫作可计算性，另一种叫作可预测
性。两者的关系是，可计算不一定可预测，可预测大多都是可计算的，但也不排除一些运气好的可以去蒙。所以说在一般情况下，人们对于事物确定性的要求，实际上是寻找一种运动物体的运动状态能够长时期保持不变，即便有变化，但时间短、频次少，能够很快的恢复到稳定状态，或者虽有连续不断的变化，但蕴含有某种不变的变化规律，哪怕他是一种概率性的重复运动。人们所担心或害怕的不确定性是，需要不停的计算才能得到某种结果，无法一劳永逸的寻找到事物的稳定状态或某种不变的变化规律。问题还不止于此。对于三体而言，人们或许可以通过庞大的算力得到他很长一段时间的变化规律。一旦要是面对四体、五体、六体......乃至无穷体，对于算力的要求就会成百上千倍的增长，终究会有力有未逮之时。尽管在理论上我们可以设想一个无所不包能够计算穷尽宇宙变化的大时钟，一个摆在人们面前比较尴尬的情况就是，他必须设定宇宙是有限的。如果宇宙是无限的，那么连条件都输入不完，遑论计算了，则按照这种理论来说，即便没有无中生有的扰动，未来事物的运动变化规律也好像是不确定的。
至此，我们不但找到了形而下中符合数理逻辑的不确定性，还确定了算力是将可计算变成可预测的前提条件或重要保障。接下来我们还要继续螺旋向上旋转，将这种不确定性变成确定性。考虑到可计算不光是简单的字面上的意思，还包含了可计算与可预测之间存在着一个过渡阶段的不同层次。其中两个极端，一个是可计算且算得出来的可预测性，另一个是可计算但算不出来的不可预测性。比较有趣的是中间那一部分，根据部分可计算性是否能够得到可预测性的结果，即从这种由于事物的复杂度所导致的形下物质整体的不确定性中再引申出某种或部分的确定性来。这就需要重返哲学上的两个方面，其一就是在参考与构建大模型思路时的互动所带来的我们关于经验与数理逻辑之间关系的进一步完善，另一方面依然离不开主要矛盾与次要矛盾以及矛盾的主要方面与次要方面之间的关系。
众所周知，利用经验模型来解释事物，只有建立在数理逻辑之上才是比较牢靠的，因为数理逻辑才是事物真正因果关系的支持之所在。否则的话，脱离了数理逻辑支持的经验模型，其本质就是用相或者现象去解释事物的成因，尽管现象本身也是一种数理模型，但未必就一定是相关数理逻辑的因果关系。当然，这并不是说没有完全清晰的数理逻辑支持的现象解释就一无是处，有些现象解释也会用到一些比较粗造的数理逻辑模型。科学来说，他是人们在长期的实践生产生活中，通过对现象的累计与比较或概率统计，总结出一些可行的方案或规律。然而由于不同时代人们认识的局限性，流传至今不是太过粗糙，就是歪曲误读，甚至面临失传的危险，难免鱼目混珠、泥沙俱下。因此，对待过去经过长期实践所得到的一些模型，将其分为理论和实操两部分时，我们都需辩证的来看待这两个部分。实操部分好说，只要通过实验上的验证再加上数理逻辑上的解释即可。倘若验证不了或解释不了，就要考虑过去的解释是否错了，或者在相同现象下实质的数理逻辑已经发生改变。也就是说，过去的现象或模型不能给出充分乃至必要的条件，导致现如今看似相同的现象或模型失效，有点不换汤而换药的感觉在里面。对于模型的理论部分，全盘否定也是不可取的。其理由在于，一个模型理论的建立，除了现象和数理逻辑外，还应具备某种普适的运行规律。这种规律的表现使得数理逻辑的应用不必那么的精确，只要抓住事物的主要矛盾和物极必反的辨证规律即可。例如，牛顿不需要知道空间是一种物质就可以发现牛顿定律并将他应用于低速宏观物体之上，爱因斯坦不需要知道没有时空物质的存在就可以发现相对论并把他应用在时空物质之上，而如今除了对超时空存在的认识和应用外，对于时空物质超导属性的认识和应用，不但深化了爱因斯坦的时空观，还是对牛顿定律的一种扩展。或许这更容易让人联想到哲学中范畴的概念，不过在我们看来事物矛盾的有趣性正在于此，越简单的事物越容易确定，越复杂的事物越不容易确定。然则随着人们认识的不断扩展和深化，人们所能把控的确定性就越多。这里面理所当然的有数理逻辑的功劳，又不都是数理逻辑的功劳。虽说掌握越多的数理逻辑在某种意义上占据了一定的优势，却也并不绝对，要看他在解决问题中是否起到决定性作用，还是最终逼迫事物走向其反面。
由是我们可以从形而下的不确定性中得到两种确定性。一种确定性是在有限范围内对数理逻辑模型的近似应用，在一定程度上也可以看成是抓住了事物的主要矛盾，或者是由量的多少决定质的作用。另一个确定性指的是由量变到质变所引发事物主要矛盾在现象上的转折性变化。前者建立在数理逻辑上的确定性是包含不变的确定性，后者建立在矛盾相互转换的确定性是专指如何变化的确定性，亦如人们经常所说的只有变化是不变的。不同于数理逻辑是依靠算力来提升和扩大确定性的范围，矛盾变化的确定性是以事物两面性相互转化的变化规律为基础。我们不排除数理逻辑在矛盾转化中的作用，但感觉矛盾自身又有一点点超脱数理逻辑特性的存在。这种感觉就是，不管组成现象的数理逻辑如何变化，始终逃躲不了矛盾变化规律的控制。假使我们上溯到形上到形下的无中生有是最大的不确定性，那么形上与形下有无矛盾之间源源不断相互转化的运动就是最大的确定性。况且从量变平衡的角度入手加以思考，无中生有和有复归于无的存在具有确定性，但何处无中生有，何处有复归于无却很值得商榷。有复归于无是形下返回形上，是在数理逻辑上的物极必反，存在着确定性的可能。无中生有除了有阴阳不测之说外，另一种情况假设以宙均匀膨胀的方式表现出来，则宇宙大爆炸出现的地方也有可能由形下的宇宙所决定。但是不论哪种情况，矛盾的主要特点表现在，大的矛盾推动了小的、新的矛盾的生成、运动和发展变化，而大的矛盾的变化又是由小的矛盾的变化累积而成。人们未必能够通过精准的数理逻辑将其计算出来，但都在有意和无意间推动着事物矛盾的发展变化。
这就好比是一种轮回，轮回的内容千奇百怪，但轮回本身亘古不变。想要跳出轮回，除非作为轮回的容器本身是有限的，这会使人们陷入证明轮回外面不是轮回的悖论中去，要么就销声匿迹到那个在认识概念上表现为不存在的无，而不存在和存在本身又是一个悖论。其实对于形下有形物质而言，保不住形质，到了形上就已经算是形神俱灭的万事空了。只不过随着科技的发展，人们又把自身形下的物质分为肉体和信息两大部分，试图通过保存自己的记忆或意识信息来达到长生永驻、灵魂不死的目的。理论上不是没有可能，但不可一蹴而就，需要受到宇宙不断运动变化所带来的不确定性的侵扰，即便一世万古长青，也难免一时不慎终了或终于克星。
所以我们还不如回到人工智能上来。通过上面的描述，众道友应该发现人工智能的发展和应用离不开用两条腿来走路，一条腿是由大模型所带来抓住主要矛盾的对经验模型的学习和应用，另一条腿依然离不开数理逻辑的飞跃式发展。虽然前面在哲学方面有所涉猎，但在AI方面却是以分裂孤立的角度从各自的个性分别加以讨论，并没有完全捋清两者之间的关系。到了这里，终于聊出了一点眉目。人们极有可能忽略了在投入大量资源训练大模型的同时，也带来了对数理逻辑应用质的变化。这个质的变化就是在复杂环境条件下应用数理逻辑所带来的不确定性，从而不得不用经验模型来加以替代。这既是一种进步，也是一种退步。进步的方面体现在他实际上是应用了一种被概率验证过的化简了的现象模型来替代数理逻辑模型解决或解答问题，退步的地方体现在导致这种情况发生的原因恰恰表明了人工智能算力的提升赶不上事物复杂度的提升。是以要想提升人工智能的水平和功能，最强大的确定性还是基于数理逻辑模型上的因果关系。他是算力对事物能够完全把控的一种极限挑战，却不一定是性价比最高的应用。经验模型的优势就在这里，省略掉大量重复或多余次要的计算，但在学习过程中，需要不断的积累、校正和固化。对于更高级的经验模型而言，主要矛盾的应用还体现在能够提取关键要素，做出准确合理的预判与选择。
总之一句话，就整体而言，为了处理更多更复杂的情况，在人类算力发展的过程中，数理逻辑模型与经验现象模型处在一个对立统一螺旋向上的发展态势。在这个态势中，两者将不断磨合，最终融合起来使用，实现人工智能物美价廉、又快又好的性能。
