序二

呈現在讀者面前的，是一部別具新意的思想史著作。作者劉宇航、包云崗是計算機科學領域的青年才俊，他們選取了計算機系統領域14篇開創性經典文獻，將之翻譯成中文，并結合自身的理論研究和工程實踐，給出了具有獨特見解的分析和評論。作為一位科學哲學和科學思想史領域的工作者，我樂見其成。我相信，這部著作無論是對計算機科學歷史和哲學領域的研究人員，還是對計算機領域的科學家，特別是對有志于在該領域做出開創性貢獻的年輕科學家，都具有重要的參考價值。

這部著作讓我想起了洛赫蘭·歐萊菲爾泰（Lochlainn O'Raifeartaigh）的《規范理論的黎明》（The Dawning of Gauge Theory）一書。歐萊菲爾泰本身是一位著名的理論物理學家，他選取了規范場論發展史上具有開拓性的10篇文獻，通過對每一篇文獻的思想實質和歷史背景做出精深解讀，完整而準確地展現了規范理論的思想源流，其評論部分的篇幅和深度，絲毫不亞于原始文獻的分量。歐萊菲爾泰的這部著作，現在已成為每一位對規范理論的思想根源感興趣的科學家、哲學家和史學家的案頭必備。與歐萊菲爾泰不同的是，本書的評論是逐段而行，原文與評論部分交織在一起。至于兩者孰優孰劣，自然是仁者見仁，智者見智?；蛟S，對專家而言，保持經典論文的連續性更好；而對研究生和年輕研究人員來說，逐段解讀的效果興許更佳。

當前，我國科學發展正處于實現階段性跨越的關鍵節點，同時科學前沿也推進到宇宙、物質、生命和意識的至深之處，并顯露出新一輪科技革命的端倪。為把握這一重大戰略機遇，中國科學院于2020年布局成立了中國科學院哲學研究所，期望通過探討科學領域的基礎問題和哲學問題，為中國的科技創新和新一輪的科技革命做好充分的“思想準備”。哲學所甫一成立，中國科學院計算技術研究所孫凝暉院士就邀請哲學所同人，圍繞互聯網的設計理念和AlphaFold2的驚人預測能力等問題，探討了哲學與計算機科學的緊密聯系。這部著作的出版，則進一步激發了我個人在這方面的思考。

哲學與計算機科學的歷史淵源是有目共睹的。圖靈1936年的論文《論可計算數及其在判定性問題中的應用》（“On Computable Numbers, with an Application to the Entscheidungsproblem”），不僅是計算理論的奠基之作，同時也是對萊布尼茨的“通用語言”（Characteristica Universalis）這一宏偉哲學構想給出的終極答案。早在18世紀，萊布尼茨就設想，如果我們能建立初始概念的完備集，并將理性演算符號化，那么一切哲學和神學爭論都可以用“理性計算”來解決。萊布尼茨的形式系統和理性計算思想，在一個多世紀之后為布爾、弗雷格和哥德爾等人所繼承和發展。1931年，哥德爾發表了題為《論數學原理和相關系統中形式上不可判定命題》（“über formal unentscheidbare S?tze der Principia Mathematica und verwandter Systeme”）的著名論文。在這篇文章中，哥德爾定義了原始遞歸函數概念。之后，哥德爾于1934年又定義了一般遞歸函數概念。盡管事后證明，圖靈機、哥德爾的一般遞歸函數和丘奇的λ-可定義性（1935年）是等價的，但哥德爾對圖靈的工作給予了極高的評價，他認為圖靈的工作一舉澄清了形式系統概念的內涵：形式系統不過是一種產生定理的機械程序或算法。通過將可判定性歸結為可計算性，圖靈證明了存在基本的不可判定問題。

至于當代哲學家的工作對計算機和人工智能領域的影響，我想到的實例有弗蘭克·P.拉姆齊（Frank P.Ramsey）和詹姆斯·伍德沃德（James Woodward）的工作。眾所周知，人工智能中的深度學習技術主要基于貝葉斯方法，這一方法的哲學基礎則是英國哲學家拉姆齊在其1926年完成的論文《真理與概率》（“Truth and Probability”）中提出的關于概率的主觀解釋。拉姆齊工作的出發點是要解決認識論中著名的“歸納問題”，為此他發展了信念度（Degree of Belief）概念，并將認知主體關于某個命題的信念度理解為一種主觀概率。以貝葉斯定理為基礎，將驗前概率過渡為驗后概率，認知主體就可以通過歸納學習來調整關于某個信念或命題的信念度。

伍德沃德是當代美國哲學家，主要致力于探討因果性這一核心哲學概念。他的干預主義因果理論（Interventionist Theory of Causation）繼承了早期操控主義因果理論的基本思想，并結合了反事實（Counterfactuals）條件句因果理論的觀點。伍德沃德的干預主義因果理論或許正是朱迪亞·珀爾（Judea Pearl）的因果結構圖理論中“Do算符”的思想來源。珀爾關于因果推斷的研究被譽為人工智能領域中的“因果革命”，這項研究使他獲得了2011年計算機科學領域的最高獎——圖靈獎。身處大數據時代，如何從海量數據中發掘因果關系，是一個充滿挑戰同時又引人入勝的問題。因開發深度學習技術而獲得2018年圖靈獎的約書亞·本吉奧（Yoshua Bengio）最近也轉向了因果推斷研究。他相信，機器學習和因果推斷兩種思想未來將相互交織，并有望產生嶄新的成果。

放眼未來，哲學與計算機和人工智能科學之間的交互滲透仍然具有廣闊的前景。所謂人工智能，無非是用物理器件和裝置來模擬人類大腦和心靈的運作。當代神經生物學的發展已經大大增強了我們對大腦和心靈運作方式的理解。我們已經認識到神經網絡的層次結構、不同感覺通道的算法通用性、神經網絡聯結的可塑性，以及高級中樞對低級中樞的反饋控制，我們已經建立了更合理的關于知覺、記憶、學習和情緒的理論模型。與此相應，心靈的計算模型也讓位于以神經生物學為基礎的心靈概念。盡管如此，我們關于心靈的理解依然是十分有限的。特別是，大腦的神經生物學過程是如何引起意識狀態的？意識與大腦的關系問題，迄今仍然是一個哲學問題。要想對這個問題獲得滿意的生物學答案，我們還必須克服大量的哲學障礙。

這些障礙既包括本體論層面的問題，比如如何應對笛卡兒二元論對物理主義的挑戰；也包括認識論層面的問題，比如如何利用客觀的間接手段來研究主觀的心靈現象。以法國認知神經科學家斯坦尼斯拉斯·迪昂（Stanislas Dehaene）的工作為例，他運用功能性磁共振成像技術來探索“意識標志”，從而將意識研究納入神經科學的研究前沿。關于心物二元論，他一方面從歷史角度給予笛卡兒的思想以高度評價，另一方面則反駁了當代哲學家大衛·查爾莫斯（David Chalmers）關于意識的簡單問題和復雜問題的本末倒置。迪昂關于意識的“全腦工作空間”假說，本身就是一個哲學性非常強的意識理論。借用當代著名哲學家約翰·R.塞爾（John R.Searle）的說法，認知神經科學的進步所帶來的哲學問題，遠比它所解決的哲學問題要多。

作者在本書“前言”中專門提到，要糾正科學界忽視哲學的傾向和不注重繼承的傾向，對此我深有同感。在我看來，思想是有生命力的。沒有深厚的學術思想傳統，理論創新就成了無根之木、無源之水。關于哲學與科學的關系，我個人認同著名哲學家蒯因（W.V.O.Quine）的主張，即科學與哲學是連續的?？茖W中的那些基本問題，同時也是哲學問題。對這類基本問題的探討，需要科學家與哲學家攜手推進。這部著作的出版，無疑將促使人們更深切地認識到哲學思想和學術傳統對于基礎創新的重要意義。

中國科學院哲學研究所所長

教授